一、引言
数字化转型在当今商业环境中已成为组织保持竞争力和实现增长的关键战略。2024 年 Dynatrace 的报告指出，全球 90% 的组织在过去一年见证了数字化转型的加速。然而，这一过程面临诸多挑战，不仅是技术的整合，还包括工作和沟通方式的整体转变。随着生成式 AI 等新技术的涌现，组织需要寻找新的方法来提高数字化转型计划的效率和有效性。本文将围绕 Dynatrace 提出的五大趋势进行深入分析。
二、复合型 AI 方法
（一）AI 类型与组合
- 生成式 AI：如 ChatGPT、Microsoft CoPilot 和 Google Gemini 等，可用于生成文本、音频和视觉内容。它基于大型数据集训练的大型语言模型和神经网络处理数据。
- 因果关系 AI：使用故障树方法推断系统中的确定性因果关系和相互依赖关系，可用于自动问题根源分析等用例。
- 预测性 AI：通过统计算法和机器学习技术预测系统中可能发生的情况，有助于发现潜在问题或机会。复合型 AI 将这些不同形式结合，增强了每种形式的能力。
（二）优势与挑战
- 优势
- 实现自动化机会，提升用户体验。
- 提高数据驱动型决策的速度和准确性。
- 发现新的成长和进步机会。
- 挑战
- 缺乏 AI 算法透明度，输出质量取决于输入。
- 基于劣质数据的自动化会扩大劣质数据范围。
- AI 成本高昂，结果可能不准确且存在安全风险。
（三）最佳实践
为确保 AI 集成到 IT 运营中获得准确结果，应使用从因果关系 AI 中得到的高质量数据，使 AI 可解释，确保其无偏见并使用授权数据，同时采用 FinOps 驱动型方法跟踪成本。
三、云原生架构
（一）架构特点与优势
- 架构特点：包括将应用程序设计为小型、独立的微服务，利用容器和编排技术（如 Kubernetes 和服务网格）独立部署和扩展，以及实施自动化和 DevOps 实践。
- 优势
- 可扩展性：系统能处理增加的工作量或流量而不影响性能或可用性。
- 复原力：能处理故障并继续正常运行。
- 自动化潜力：如具有自动检查点的 CI/CD 管道可加快软件创新步伐。
- 提高团队协作：倡导 DevOps 文化。
（二）挑战与最佳实践
- 挑战
- 复杂性：混合多云环境加剧系统复杂性。
- 耗时较长的迁移：需要时间、资源和专业知识，尤其是重构应用程序代码时。
- 孤立的监控数据：难以对所有组件及其依赖关系进行观测。
- 安全风险增加：可能带来新的安全漏洞。
- 最佳实践
- 了解整体式架构，采用渐进式方法重构，优先考虑服务之间的松散耦合，检测微服务以实现全面可观测性，了解云环境并考虑采用多云策略。
（三）客户案例：TELUS
TELUS 通过采用统一平台方法实现可观测性，加快了向云端的过渡，缩短了平均解决时间和新用户引导流程时间，提高了代码、工作流程和流程的性能和功能，展示了云原生架构在数字化转型中的实际应用效果。
四、安全的可观测性方法
（一）背景与重要性
随着云架构、开源技术和生成式 AI 的应用，攻击面不断扩大，数据泄露事件增加，组织需要重新考虑安全方法。统一的安全性和可观测性方法至关重要，它能提供对组织数字环境的整体了解。
（二）优势与挑战
- 优势
- 提供更安全的软件，统一可观测性带来统一安全性，防止漏洞被利用，实时检测并应对威胁。
- 挑战
- 云复杂性：评估安全影响需了解应用程序依赖关系有挑战性。
- 围绕应用程序漏洞的上下文信息：对安全事件调查至关重要但获取困难。
- 数据陈旧：实时数据对应对漏洞关键，基于扫描的安全解决方案可能错过关键漏洞。
（三）最佳实践
培养 DevSecOps 文化，从设计安全角度出发，将安全原则融入整个软件开发生命周期，采用智能威胁分析等。
五、实时了解客户体验
（一）数据类型与重要性
- 数据类型
- 应用程序性能数据，如平均响应时间、错误率等。
- 综合事务数据，包括模拟用户行为。
- 真实用户行为数据，通过捕获分析实时活动确定用户需求和交互模式。
- 数字体验洞察数据，如用户体验评分、会话回放等。
- 重要性：用户期望公司能预测需求并快速调整，出色的用户体验可增加收入、推动增长，在数字化转型中至关重要。
（二）优势与挑战
- 优势
- 加强质量控制，提高客户满意度和保留率，增加应用程序使用率和采用率，做出更好决策，降低成本，提高品牌声誉，增加收入。
- 挑战
- 孤立的 IT 和业务数据，跨大型环境的手动工作，将用户体验与后端性能联系起来的盲点，低效客户支持（如生成式 AI 管理不善）。
（三）最佳实践
确保业务数据与性能数据关联，采用 “左移” 测试，使用综合监视器主动测试当前性能并与真实用户体验数据比较。
六、答案驱动型自动化
（一）发展历程与特点
- 发展历程：从业务流程自动化到事件驱动型自动化，再到答案驱动型自动化。
- 特点：充分利用可观测性 AI、因果关系 AI 和预测性 AI，超越被动观察，可根据上下文数据提供可操作方案，与传统事件驱动型自动化不同。
（二）优势与挑战
- 优势
- 更快实现价值，提高可靠性，增强精确度，简化决策，提供更好的客户体验。
- 挑战
- 工具超载：过多工具可能阻碍自动化目标实现。
（三）最佳实践
简化可观测性，如采用监控即代码，自动检测和纠正问题，提高可靠性，发现和解决安全漏洞，自动化重复性任务。
七、结束语
在数字化转型的进程中，复合型 AI 方法、云原生架构、安全的可观测性方法、实时了解客户体验和答案驱动型自动化这五大趋势正发挥着关键作用。统一平台和可观测性是这些趋势的重要推动因素，有助于组织在面对日益复杂的技术环境和不断变化的市场需求时，保持竞争力和敏捷性，实现数字化转型的目标，提升创新能力和运营效率，为用户提供更好的数字体验。同时，组织在实施这些趋势时，需要充分认识到各自面临的挑战，并遵循相应的最佳实践，以确保数字化转型的顺利进行。
