文章探讨了人工智能(AI)在提高工程效率方面的应用，包括嵌入式AI、生成式AI和AI代理，强调了AI如何帮助工程师节省时间、专注于高价值工作，并提出了衡量成功与风险控制的建议。
译自：The Engineer’s Guide to Breaking Up with Break-Fix Work
作者：Debora Cambe
每位工程师都知道这种感觉：他们原本可以用来构建下一个伟大事物的所有时间，实际上都被故障修复工作消耗殆尽。
许多团队仍然采用被动的、手动的方法来处理事件。他们争先恐后地寻找正确的操作手册，找到合适的人员，并从各种工具的拼凑中收集上下文信息。其代价是停机、糟糕的客户体验、团队士气和业务连续性。
于是，人工智能（AI）出现了，它被誉为提高工程效率的圣杯。
但它真的是一个颠覆者，还是只是增加了噪音？更重要的是，如何在不失去控制或上下文的情况下部署它？
随着技术的成熟，准确性、安全和合规性仍然是有效的担忧，这就是为什么重点不应该放在AI如何取代人类，而是如何帮助他们收回时间并将其重新部署到高价值工作上。
从内置的机器学习，可以自动化分类，到增强人类专业知识的生成式AI，以及自主解决工作的AI代理，以下是AI如何为工程师节省时间的三个例子。
1. 嵌入式AI：连接人类的各个点
在一个运营复杂性空前的时代，组织的数据分散在多个工具中。在关键事件期间，手动解析所有这些信息的成本会增加停机时间、糟糕的客户体验和收入损失。
先进的机器学习技术可以摄取并智能地关联跨系统的历史和系统上下文，从而自动化分类和修复，或者在需要人工干预时升级到正确的团队。
对于常见的事件，这可以避免团队重复执行任务，确保他们能够专注于更高价值的工作。在重大事件的背景下，这为团队提供了更快实现解决方案所需的先机。
- 优点： 更快的分类、准确的问题分类和优先级排序、加速解决问题和减少职业倦怠。
- 缺点： AI的质量取决于提供给它的数据。所选的AI解决方案必须与组织的整个技术栈无缝集成，才能全面了解其运营情况并有效地从中学习。
- 衡量成功： 跟踪平均修复时间（MTTR）的改进情况，以及在90天内升级到IT运营团队的事件数量。
2. 生成式AI：为人类创建内容
生成式AI可以通过将复杂的数据集转换为即时见解来增强人类的专业知识。它可以快速地呈现答案并推荐后续步骤，而无需手动操作和切换上下文。它还可以消除利益相关者沟通的负担，因为事件摘要和状态更新草稿可以自动生成并及时与合适的人员共享。
- 优点： 通过单一界面快速呈现关键数据和上下文。知识被自动捕获和共享。通过自动化的沟通工作流程增强了跨职能协作。协调事件的成本更低；解决速度更快。
- 缺点： 将AI生成的内容视为需要验证的起点。在采取行动之前，建立明确的流程来验证和评估AI输出。
- 衡量成功： 查看响应事件所花费的时间，并评估沟通任务的效率，按事件期间的状态更新请求量来衡量。
3. AI代理：代表人类执行操作
虽然代理是AI领域的新生事物，但它们正成为各处新闻的头条。原因如下：当在清晰的运营框架内部署时，AI代理可以通过自主解决日常工作来消除开销，并使团队能够专注于真正重要的事情。例如，智能的随叫随到时间表管理、自动化的根本原因调查，甚至可以完全解决常见的、重复出现的问题。
- 优点： 在影响客户之前解决常规事件。更高的效率和生产力可以节省时间并降低运营成本。
- 缺点： 如果没有适当的监督，自主系统可能会由于幻觉和知识差距而产生新的故障模式。从低风险的自动化开始，并通过强大的防护措施和AI行动的透明报告来建立信心。
- 衡量成功： 跟踪自主解决的事件百分比与平均部署时间，以评估团队是否正在将其工作负载比例从修复问题转变为构建。
AI革命不是即将到来。它已经到来。
明天蓬勃发展的工程师将是那些战略性地部署AI来消除平凡并增强其专业知识的人。无论是通过嵌入式AI加速分类和修复，从生成式AI获得情境支持，还是通过AI代理自动化日常工作，团队最终都可以摆脱对事件管理的被动应对方式。
这不仅仅是采用新技术。这是为了重新获得工程师所期望的体验，在这种体验中，创新优先于救火，并且他们的专业知识被引导到构建他们最初想要创造的未来。
