當下的數字化變革，無疑催生了業務的指數級增長。一波未平一波又起，泥萌是如何應對瘋狂生長的業務需求的呢？

值得一體的是，總有一些重復性任務難以避免，諸如常規配置、調整頁面、打補丁等基礎管理任務。講真，你可還困于重復性流程而脫不開身？

事實上，隨著算法的日益成熟，自動化已然“原力覺醒”。通過自動化來提高速度、可靠性和可預測性才是基礎設施和運營(I&O)部門推動生產模型進行變革的根本所在。自動化的發展，將深刻影響我們日常生活的每一個方面。諸如AI(人工智能)、物聯網也將成為自動化大施拳腳的重要領域。

自動化兼具計算機速度與人工智能

計算機快速、精確，但缺乏智能。人工速度慢、不穩定，但足智多謀。自動化則以最簡單的方式將計算機的速度與人工智能相結合，將手動流程轉變為無需人工干預且能夠獲得相同(或更佳)結果的自動流程。什么是流程？一般來說，流程是指：采用將產生特定結果的特定方法或過程的一系列操作。

工作流描述如何傳遞和轉換消息以完成流程；它是產品或信息發生流動的預定義操作模式。在信息系統工作流中，應用和人力資源相結合，執行每個操作。例如，當管理員將修補程序應用到服務器上時，每個操作將以輸入、任務和預期結果的方式清晰地定義。

(簡單自動化流程示例：修補服務器)

您可以通過以下方式輕松地實現此流程的自動化：

兩種方式

使用簡單腳本:腳本可以按照指示(例如“服務器名稱”)執行每個任務或操作；然后為每個操作啟動所需作業，直至完成流程。

構建自動化軟件解決方案:軟件解決方案可以通過特定軟件例程執行每個操作，這些例程可以匯編為完全自動化的流程。然后，可將例程歸入一個目錄中，并重復利用它們來構建其他流程。

操作是自動化工具的基礎構建塊。它的架構通常包括：

• 啟動所需操作的觸發器:該觸發器可以是一次人工干預、一個超過閾值之類的簡單事件、多個事件分析引起的一個復雜事件或者一個日期/時間之類的日歷事件。此外，也可以是其他操作的輸入。例如，物聯網(IoT)設備可以通過分析傳感器和基于位置的技術提供的個人身份、狀態和位置等輸入來識別觸發器；
  

• 操作分析:借助通過發送到軟件例程的消息所傳遞的參數，分析可以確定如何啟動操作以及預期的結果；

• 執行每個操作的軟件例程:操作軟件將不斷監控該例程是否完成并分析結果以確定是成功還是失敗。該分析會接著觸發進一步的操作；
  

  
  (操作是自動化的基礎構建塊)

從確定性轉變為啟發式：自動化的未來

我們將大多數形式的自動化操作應用于任務和流程，其中操作軟件例程、初始狀態和觸發器輸入將決定結果。自動化非常適合耗時(且枯燥)的可預先建立的重復性任務和流程；與此同時，自動化的另一分支通過使用基于AI(人工智能)的更成熟分析算法來實現發展，即啟發式自動化。速度和容量方面的技術發展意味著現在有可能實現基于預測行為的可自我修復的自適應系統。

(啟發示自動構建模快示例)

I&O專業人員將使用啟發式自動化應用進行數據分析、模式識別、自我學習系統和決策支持，從而最終制定出諸如自我修復系統的解決方案。盡管基于人工智能的啟發式解決方案實施起來較為困難，但是僅需少量維護，因為該解決方案可自行適應環境。下面，我們來看下AI應用的兩大類別：

兩大AI應用類別

使用預定義的結構化數據樣本的解決方案:大多數自主學習解決方案屬于此類別。該類解決方案有時會基于根據歷史數據動態設置的閾值和參數分析數據樣本中的模式，并“學習”應執行哪項糾正操作；然后，解決方案會在每次檢測到該模式時自動應用該糾正操作。這種不斷豐富知識庫的行為是自主學習和自我修復自動化解決方案的基礎，可大幅提高突發事件和問題管理流程的質量和速度。

應用于非結構化數據的解決方案:它們不斷探索沒有預定義含義或結構的數據，以使用成熟算法確定模式。此類解決方案發現的模式有助于制定決策，并最終制定出自主學習解決方案，從而在分析來自多個看似無關的傳感器的數據時提供幫助。

毫無疑問，從工業機械、用戶設備或諸如污染程度的環境參數中收集數據的物聯網將成為自動化復雜流程的理想環境。技術管理也可以使用這些解決方案將資源自動分配給工作負載以進行應用協調。

接下來，我們將繼續聚焦于自動化領域，為您帶來更多關于自動化的前沿分析，助力企業的持續高速發展。敬請您的期待！