Jeffrey是一名“攻城狮”，他2016年应届毕业后加入联想全球IT的运维部门 - Command Center，主要工作是负责集团大小信息系统的运维，7*24小时支持联想全球6万余名员工的工作，保障业务系统的正常运行。

在集团数字化转型2.0的过程中，Jeffrey和Command Center团队向着智能化运维（AIOps）的道路前进，他逐渐由一名传统的运维工程师转型成了智能运维工程师。下面我们一起跟随他的自述，回溯他是如何一步步学习、探索、总结、落地，逐步把技术产品和方案应用到各个业务方向里的。

燃烧吧，小火苗

大家好，我是Jeffrey。入职以来的前三年，我是做数据仓库和报表系统运维的。报表种类各式各样，数据链路也是绵长复杂，一头扎进代码里复现、debug，不知不觉几个小时就过去了，有时还要半夜跟欧洲和美洲的同事开会确认业务逻辑。

几年下来，各种编程语言和人类语言水平都长进了不少。不过也看到了传统运维模式下存在的一些问题，这些问题在心中逐渐生了根，成为了激发我想要做点什么的小小火苗。

2019年中，部门想把各个团队的转型力量集中起来，新成立了团队，专门做运维智能化的探索，并开始做一些将AI技术赋能于运维领域的尝试。新团队新气象，拥有不同知识背景的伙伴们提了很多不同的点子和见解。

其中，我从自己数据运维的角度出发，提出了数据流检测和纠错、运维单据问题分析这些入手点，后来合并其它同事的想法，形成了几个智能运维探索的着力点：数据流监控、服务台工作流程自动化和智能化、IT运维用户画像和推荐系统。这几个方向后来都形成了一定的突破。

2020年，正逢集团IT启动了一个大项目，其中涉及混合云环境、数据中台、微服务等复杂的方案和环境，而在这个复杂的环境中，数据一致性，及时性及准确性等问题就越发凸显。我和小组的伙伴们敏锐地捕捉到了这个问题，刚好可以做一些AI新技术的应用，能够改变传统的数据链路监控模式，提升监控的效率。

于是，我们与系统负责人、开发团队、系统集成团队、监控团队合作，从项目初期就开始介入，了解系统设计逻辑、开发进度、数据流、集成方式、监控点等，再由此设计我们的监控告警方案。方案中很多环节对于我来说都是新的领域，这可以说是一个运维人的“创新第一步”。与此同时智能数据链路监控解决方案也逐渐诞生。

同一时间段，新成立的团队也向部门的其他团队征集工作中的痛点、难点问题。其中最痛的要数一线服务台的同事们了。一线服务台的同事们业务量大、线路多，很多问题重复性高而且单据量巨大。

因此服务台的同事们迫切需要更自动、更智能的方法，改变传统的“人拉肩扛”方式，提升工作的效率。在切身体验过一线的工作后，我们不禁思考，什么样的技术能够减轻他们的压力，什么样的服务能够提升他们的效率？

去年，随着我们这个算法小组逐渐在部门做出一些成果，开始有一些兄弟团队主动找到我们做一些智能化服务赋能的尝试，比如内部即时聊天应用团队和IT内部社区团队，希望我们做一些内容推荐的服务帮助他们产品运营，提升一些用户指标。

这又是一个未曾做过的人工智能领域，但我也认识到，我们团队做推荐系统是有巨大优势的，我们本身已经有成熟的、基于IT运维的用户画像数据了，再加上对端产品的数据，做内部运营的内容推荐功能，也成为了我们的另一朵小小火苗。

从火光中走来

我从运维中来，运维的经历点燃了心中创新的小小火苗，但在火势渐旺的过程中自己的内心也经受着煎熬，因为创新也不是一蹴而就的，太过乐观那有可能就“too young, too simple”，这是要吃亏的。光想出来不够厉害，能落地使用才是真的厉害。那么如何才能落地呢，以我看来分三步走：

1. 学习、调研已有的方案。2. 结合自身和业务的经验融合、调整，只会照猫画虎是不行的。3. 自己改进调整之后要根据业务方的反馈持续研发和优化。

比如，在做上文提到的服务台邮件自动分派服务的时候，由于一开始做AI模型需要标注训练数据，而服务台并没有空余人手做标注，所以我采用了IT运维报单数据的问题表述和单据问题分组作为训练数据，先做出一个初始模型后续进行迭代的形式。利用这个初版模型先上线，节省服务台的人工分派压力。

之后分派到手了如果发现分派错了，再处理时顺便进行人工标注，这样就在日常工作中完成了数据标注，为之后迭代模型提供了数据基础。后续根据标注数据，再结合一线同事的反馈，又将模型细化为区分语种的多模型，在模型后加入特定逻辑重新分派等调整方案。这样持续地收集意见，优化方案，最终这个邮件自动分派服务得以落地。

此服务在样本数据验证时分类准确率为90.5%，经一线服务台实际使用，分派的准确率达到90.4%，基本替代了服务台每日值班分单的工作，使得资深同事可以解放出来做更有意义的工作。

轻舟已过万重山

踏上这条智能化转型之路已经三年了。这三年里，我的心态可谓经历了“一波三折”的路程，从一开始智能转型的激动兴奋，到很多效果不好的实验、庞杂凌乱的业务和数据带给我的否定和迷茫，再到和不同团队同事的交流让我又开阔了视野，逐渐恢复了信心。

任何技术都没有那么好，也没有那么坏，它不是山珍海味也不是残羹冷炙。拿来主义不可取，全盘否定行不通。我们应该做的还是实事求是，具体问题具体分析。

过去一年多，我们针对这些技术服务成果，从自然语言文本分类，数据流性能评估，文本主题提取等几个维度分别总结提炼专利点，最终有两篇申请通过了公司内部的评审并提交到国家专利局。回过头看，一步一个脚印，踏踏实实去做，不仅产出了一些稳定、可用的产品服务，还能把创新点理论化，发布几篇专利。

轻舟已过万重山。当这些丰硕的果实捧在手里的时候，回头看确实是痛并快乐着的。以后再翻越重重山峦的时候，曾经在火中淬出的宝剑就是我最好的武器。

作为联想运维人，智能化转型的道路上不断创新，超越自我才是最好的答卷。