据报道，人工智能正在促进企业内部的智能化，同时也在为信息技术商店做同样的事情。 例如，AIOps（用于 IT 运营的人工智能）将 AI 和机器学习应用于来自 IT 流程的数据流，筛选噪音以检测、发现和阻止问题。
AI 和机器学习也在 IT 的另一个新兴领域找到了归宿：协助 DevOps 团队确保软件的可行性和质量，这些软件正在以更快的速度通过系统移动到用户手中。
正如 GitHub 最近的一项调查所发现的那样，开发和运营团队正在大力转向 AI，以通过软件审查和测试阶段使代码流顺畅，31% 的团队积极使用 AI 和 ML 算法进行代码审查 ——是去年的两倍多。 调查还发现，37% 的团队在软件测试中使用 AI/ML（高于 25%），另有 20% 的团队计划在今年引入它。
另外：了解微软构建下一代应用程序的宏伟愿景
Techstrong Research 和 Tricentis 的另一项调查证实了这一趋势。 对 2,600 名 DevOps 从业者和领导者的调查发现，90% 的人赞成将更多人工智能注入 DevOps 流程的测试阶段，并将其视为解决他们面临的技能短缺的一种方式。 （Tricentis 是一家软件测试供应商，其结果显然与此息息相关。但数据意义重大，因为它反映了向更自主的 DevOps 方法的日益转变。）
Techstrong 和 Tricentis 的研究甚至出现了一个悖论：企业需要专业技能，以减轻对专业技能的需求。 至少 47% 的受访者表示，注入 AI 的 DevOps 的主要好处是缩小技能差距，并“让员工更容易执行更复杂的任务”。
与此同时，44% 的管理人员认为，缺乏开发和运行 AI 支持的软件测试所需的技能是实现注入 AI 的 DevOps 的主要障碍之一。 这是一个恶性循环，随着越来越多的专业人士参与专注于人工智能和机器学习的培训和教育项目，有望得到纠正。
一旦 AI 确实开始在 IT 站点中得到应用，它将有助于削弱流程密集型 DevOps 工作流。 调查中近三分之二 (65%) 的管理人员表示，功能性软件测试非常适合人工智能增强的 DevOps，并将从中受益匪浅。 “DevOps 的成功需要大规模的测试自动化，这会生成大量复杂的测试数据，并且需要频繁更改测试用例，”该调查的作者指出。 “这完全符合人工智能识别大型数据集中模式的能力，并提供可用于改进和加速测试过程的见解。”
除了可能降低技能要求外，该调查还确定了将更多 AI 注入 DevOps 的以下好处：
改善客户体验：48%
降低成本：45%
提高开发团队的效率：43%
提高代码质量：35%
诊断问题：25%
提高发布速度：22%
编码知识：22%
防止缺陷：19%
AI 增强型 DevOps 的早期采用者往往来自较大的组织。 这并不奇怪，因为更大的关注点将有更发达的 DevOps 团队和更多地访问 AI 等高级解决方案。
Techstrong 和 Tricentis 的作者指出：“在 DevOps 方面，这些成熟的公司的标志是他们在过去五到七年中在简化软件开发能力方面取得的进步，以及他们成熟和完善的管道和流程。” “这些 DevOps 组织是云原生的，并使用 DevOps 工作流管道、工具链、自动化和云技术。”
从长远来看，注入 AI 来协助 DevOps 的重要方面是一个明智的想法。 DevOps 流程，就其所有协作和自动化而言，只会变得更加疲惫，因为预计软件会以更快的速度飞出门外。 让机器来处理许多繁重的方面，比如测试和监控。
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。商机网仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 tenspace2022@163.com 举报，一经查实，本站将立刻删除。 本文链接：https://www.315965.com/n/66779.html
