隨著Wi-Fi6、5G技術與物聯網技術的不斷相結合，預計將在未來幾年為網絡帶來數十億額外的設備。這將顯著影響未來的工作場所，超越遠程工作者和混合勞動力的明顯趨勢。

隨著工作場所變得越來越復雜，遠程成為常態，世界正在接近這樣一個時代，即許多人可以在任何地點與同事進行虛擬交流。此外，虛擬現實和物聯網傳感器將可以通過遠程，將專業知識帶到世界上任何地方。

AIops實施的難點

人工智能和人工智能操作是可與人類專家所執行的工作，相媲美的自動化進程的下一個也是最后一個步驟。因此，人工智能的優勢是眾所周知的，并越來越受到商業領袖的追捧。許多企業阻礙了在協助成功實施人工智能方面取得的進展。通常情況下，在三大障礙中，他們至少有一個是達不到要求的：構建技術堆棧、為人員做好準備以及建立AI治理。

許多公司在成功實施人工智能方面進展緩慢。通常情況下，他們至少會在以下三個主要領域中遇到一個達不到要求：構建技術棧、準備人員和建立人工智能治理。

人工智能技術堆棧

人工智能的好壞取決于它需要學習的數據，生成、清理和管理數據集以及特征工程仍然是人工智能主流應用的最大技術障礙。無論是由于缺乏數據質量專家還是計算資源不足等原因，讓數據準備好機器學習準備是一項艱巨的任務。

這些數據來源于持續的網絡性能、健康和安全監控。獲取適當的數據而不僅僅是大量數據是一個關鍵的準備困難。數據量可能是巨大的，比如網絡用戶狀態的每一次變化。人工智能項目經常在沒有明確定義什么是必要的，什么是需要自動化的情況下失敗。

準備工作

人工智能時代的到來帶來了三個獨特的勞動力挑戰。換句話說，企業必須對現有員工進行培訓，并從競爭激烈且數量有限的高技能數據科學家和數據工程師中招聘。

為了克服前兩個障礙，有必要在培訓和企業文化方面進行適當的投資。高技能技術工作的機會總是比人多，特別是在AI/ML領域。然而，如果企業建立適當的基礎并定期培訓員工，他們將會驚訝于自己可以建立多少。人工智能是為了補充和改善勞動力，而不是取代人類的一種手段。

實施工具為所有員工提供，在日常工作流程中使用新獲得的AI技能的機會，有助于鞏固人們的信念，即AI可以增強他們的日常體驗。雖然不是每個員工都需要要求學習編碼，但重要的是表達有效參與和利用AIops的能力可以為許多職業帶來巨大的好處。

人工智能管理

數據困境超出了如何識別適當數據的問題。同樣具有挑戰性的是如何處理所有數據，特別是關于風險、遵從性和安全性的數據。人工智能涉及到各種聲譽、運營和財務風險，但由于許多項目的離散性和封閉性，這些風險通常沒有被考慮到。

目前公司存在治理缺口，這是人工智能項目面臨的最大風險之一。盡管大多數管理人員承認他們有責任實施合規標準，但實施此類治理和程序通常是他們最低優先級之一。企業可以通過整合行政領導和跨職能利益相關者來克服這一差距，以確保從公司范圍的角度評估具有廣泛影響的項目，而不僅僅是通過單個部門的視角。此外，聘用專門針對人工智能的領導者并建立內部人工智能中心，以確保治理得到適當程度的關注和投資，并促進在整個業務中創建一致的標準，這是非常有價值的。