資訊中心管理
2024年 Dynatrace 效能監控對於可觀察性、 安全性和人工智慧趨勢發展的展望
2023年,全球企業面臨通膨飆升、供應鏈中斷等挑戰,因此更加重視效率和成本削減。在2024年,企業將面臨在更少的資源下完成更多工作,以加快創新,並掌控現代雲環境日益增加的複雜性。

2023年面對通脹飆升之際, 企業優先考慮效率和成本削減。今年,企業將面臨在更少的資源下完成更多工作,以加快創 新,並掌控現代雲環境日益增加的複雜性。實現這些目標需要新的方法,因此,許多企業正轉向生成式人工智慧 (使用其訓練數據創建文本、圖像、代碼 或其他類型的內容,反映其用戶的自然 語言查詢)和平台工程,以創建新的效 率和創新機會。

根據 Dynatrace 最新的調查,83% 的技術領袖表示人工智慧已成為一種必需 品。而來自 DevOps Digest 最新一期的調查,顯示 83% 的受訪者計劃採用或已經採用平台工程。

本篇文章中, 我們分享 Dynatrace 對 2024 年可觀察性未來、人工智慧趨勢以及將推動全球企業企業下一波變革的技術預測。

技術預測第一點: 複合式AI將成為成功的核心

在 2022 年生成式人工智慧解決方案湧現包括 OpenAI 的 ChatGPT,當這些技術逐漸邁向技術成熟時,企業意識到這 些技術雖具有變革性,但無法單獨提供有意義的價值。因此,企業將朝向複合式 AI 邁進。

複合式 AI 將生成式人工智慧與其他類型 的人工智慧結合,以實現更高品質的推論,並為生成式人工智慧產出帶來效能 監控上的精確性、上下文連貫和意義。 例如,DevOps 團隊將生成式人工智慧與 基於事實的因果和預測性人工智慧相結 合,透過效能監控來預測和防止問題發生,生成新的工作流程以自動化軟體交付生命週期,進而推動數位創新。

tukfutkfk

技術預測第二點: 由AI生成的程式碼 將引發對數位免疫系統的需求

 2024 年,許多企業將因品質低劣和監 管不足的軟體程式碼導致數位服務中 斷。隨著開發人員使用生成式人工智慧 驅動的自主代理來編寫程式碼,企業將 面臨更大的風險,這些風險將對客戶和 使用者的體驗造成意外的問題。因為維 護由代理生成的程式碼非常困難,這情 況類似於維護已離職的開發人員所創建 的程式碼。沒有人能夠迅速解決程式碼 中的問題。試圖使用生成式人工智慧來檢查和解決由生成式人工智慧創建的程 式碼中問題,將面臨遞迴問題,因為他 們缺乏有效的效能監控管理所需的基本知識和理解。

這些挑戰將促使企業企業發展數位免疫系統,透過預設確保程式碼的彈性,從內部保護其軟體。為實現此目標,企業 將利用效能監控中的預測性人工智慧, 自動感知程式碼或應用程式中出現的問 題,並觸發即時自動回應,以保障用戶體驗。

jsbcdsiw

技術預測第三點: 企業將設置AI長來監督AI的安全和責任

根據 Dynatrace 研究,有近四分之三的 IT 營運、開發和安全團隊計劃使用人工智 慧更主動地執行其工作。因此,在 2024 年,越來越多企業將任命高階主管,以確 保能夠應對 AI 所涉及的安全、合規性和 治理問題。

隨著員工在個人生活中越來越習慣使用 AI,如 ChatGPT 等工具,他們越來越希 望利用 AI 提高工作效率。因此,企業將 任命人工智慧長(CAIO)來監督員工對 這些技術的使用,就像企業設置資安長 (CISO)一樣。 AI 長的角色將集中於制定政策,確保員工 接受教育並被賦予安全使用 AI 的權限, 以及保護企業免受意外不合規、知識產權 泄露或安全威脅。

技術預測第四點: 數據可觀性將變得不可或缺

根據 Dynatrace 研究,隨著企業在 2024 年尋求推動更智能的自動化和更快的決策,數據可觀性(或過去所認知的:效能 監控)將變得不可或缺。 隨著數據量不斷增長,企業急於更快速、 更大規模地獲取數據和分析。調查顯示, 57% 的 DevOps 業者表示缺乏數據可觀性使得以合規的方式推動自動化難度大幅 提升。

企業需要數據可觀性解決方案,以迅速且安全地獲取高品質且可靠的數據,滿足所需的分析需求。提升數據可觀性將使 ITO 營運和業務分析團隊能夠了解數據的 可用性以及該數據在分佈式混合和多雲環 境中的所有來源,包括不同平台的結構、 分佈、關係和譜系。這對於生成用戶可以信任的見解至關重要,透過確保數據的新鮮度,識別異常並消除可能導致錯誤的重複。

技術預測第五點: 對於C級主管來說 可觀察性將成為支持企業可持續性 和金融營運 (FinOps) 目標的關鍵

在 2024 年,企業因採用更具環保性的業 務實踐和應對措施而不斷增加的雲端成本 壓力,將使可觀察性從 IT 優先事項躍升 到業務需求。

企業對 AI 的需求提升是鍵驅動因素,因 為它增加了雲資源的消耗,導致範疇三排放的擴大。然而,從雲端環境的可觀察 性數據中獲得情報的 AI 驅動分析將有助 於企業應對不斷擴大的排放,並發展其 FinOps 和實踐永續發展。此外,增加使 用 AI 驅動的可觀察性、效能監控將使企 業能夠自動編排其系統以實現最佳的資源 利用,減少排放和運行雲端環境的成本。 因此,我們將看到可觀察性在 IT 部門之 外的更廣泛業務應用。

技術預測第六點: 平台工程將變得不可或缺

企業開始意識到,無縫運作和安全的軟體交付管道對業務連續性同樣重要,如 數位服務的品質和安全性,因此企業將驅動 DevOps、效能監控、安全和站點可靠性工程最佳實踐的工具轉向產品化。 這將使平台工程成為焦點,因為企業將專業知識和能力編碼化,以自動化安全軟體交付管道。

隨著這一趨勢的發展,軟體交付、安全和 營運流程將透過應用程序編程界面觸發, 這些界面根據可觀察性數據的實時見解自 動執行這些任務。

技術預測第七點: 隨著安全團隊轉向智能威脅分析 SIEM將變得不再重要

今年,下一代威脅情報和分析解決方案將 淘汰安全資訊和事件管理(SIEM)系統。 這些現代化解決方案使安全團隊將能力擴 展到日誌分析之外,以獲得更多數據模式 和不同類型 AI 共同提供的數據、效能監 控等的上下文,包括生成、因果和預測技 術。企業將獲得更深入、更準確、更智能 且自動化的威脅分析,有助於保護其應用 程序和數據免受日益複雜的威脅。