现代 IT 运营仍建立在一个有缺陷的假设之上,即问题将由用户报告。当工单被提交时,性能已经下降,工作已经中断,团队只能被动响应。
这种运营模式在今天的数字化工作环境中难以维持。环境现在跨越云、网络、设备和第三方服务,创造了问题可能随时间悄然积累的条件。当检测依赖用户报告的事件时,问题浮现得太晚,无法防止影响。
隐形 IT 正作为对这种不匹配的响应而出现。它不是等待问题被报告,而是将运营转向预测和预防,在用户受到影响之前在后台解决许多问题。联想的最新研究显示,遥测驱动的支持模式如何通过识别降级的早期信号并主动采取行动来实现这种转变。
随着 IT 环境的持续增长,这种变化变得至关重要。没有它,问题更难发现,也更难解决。
为什么传统支持模式跟不上节奏
最近的行业研究突出了挑战的规模。MuleSoft 的研究显示,企业平均使用 897 个应用程序,但 Salesforce 报告只有 28% 是集成的。由于数据分散在孤立的系统中,早期预警信号经常被遗漏。
传统支持模式是围绕用户报告的可预测问题(停机、性能下降等)构建的。问题发生,用户报告,工程师响应。在今天的分布式环境中,这种序列会造成延迟,因为问题通常在工单创建之前很久就开始发展。用户报告的事件无法提供防止中断所需的早期信号。
联想研究显示,只有 19% 的组织手动检测问题,65% 的组织表示只有在问题发生后才检测到问题。只有 16% 的组织提前识别中断。
解决方案遵循相同的模式,大多数问题在事件发生后手动或自动修复,只有 24% 得到主动解决。这些时间线导致重复事件,因为根本原因通常被发现得太晚。
另一个限制是缺乏个性化支持。只有 27% 的组织根据员工实际使用工具的方式或工作负载的行为来调整支持。由于使用模式在团队、设备或应用程序之间有所不同,通用工作流无法捕获早期和准确干预所需的细微差别。
结果对大多数运营团队来说都很熟悉:
更高的平均解决时间
更多的重复案例
不断升级的运营负荷
这些约束使得随着环境的持续扩展,扩展支持变得越来越困难。
隐形 IT 的模样
隐形 IT 代表了从响应式、工单驱动的支持模式的转变。在这里,IT 团队花更少的时间响应事件,更多时间预防问题,而不是衡量工单关闭的速度,而是朝着更稳定的体验和更少的中断发展。
在实践中,AI 使用来自整个环境的数据来早期发现问题,并为团队提供更清晰的洞察和更多时间在性能下降之前进行干预。
通过试点验证的运营影响:联想的试点项目显示了 AI 增强主动方法的实际好处。40% 的问题在创建工单之前得到解决,支持成本下降 30%,新员工的入职时间改善 50%。
这些收益表明预测性工作流如何减少手动工作负载并改善整体稳定性。
与实际行为一致的支持:隐形 IT 还根据人们实际使用设备和应用程序的方式调整支持。AI 根据工作负载类型、协作模式、设备负载和使用频率构建角色。然后支持自动调整,提高团队间的一致性。
IT 超越可观察性
将隐形 IT 与传统可观察性方法区分开来很重要。可观察性专注于解释问题发生后发生了什么。隐形 IT 旨在改变是否发生中断,将运营从事后分析转向持续预防和稳定。
IT 领导者现在如何领先
解决分散的系统和响应式支持需要的不仅仅是渐进式改进。它需要一套关于 IT 在环境扩展时如何执行的深思熟虑的运营决策。
1. 决定哪些中断时刻是不可接受的
并非每个事件都承担相同的风险。定义稳定性最重要的位置有助于团队将预防努力集中在具有最大影响的系统和工作流上。
2. 决定哪些数据应该首先统一
结合应用程序、端点和支持数据为运营团队提供了依赖关系的更清晰视图。当数据汇集在一起时,AI 可以更早发现问题。
3. 决定自动化在哪里被允许在没有人工批准的情况下行动
随着环境变得更加分布式,自动化必须被信任以快速稳定已知条件,而工程师专注于更高价值的预防和优化。
4. 专业合作伙伴可以帮助加速这些决策
合作伙伴可以帮助标准化数据、测试预测性工作流并在团队转向预防主导的运营时降低风险。
随着数字化工作场所在规模和复杂性方面的持续增长,响应式 IT 的局限性变得更难忽视。隐形 IT 提供了一条通往设计上更稳定、可预测和有韧性的运营路径,而不是依赖中断后的恢复。对于领导者来说,问题不再是是否需要这种转变,而是他们选择如何深思熟虑地进行这种转变。要探索完整的发现和运营建议,请阅读联想的《工作重塑》报告《实现隐形 IT》。
Q&A
Q1:隐形 IT 是什么?它与传统 IT 支持有什么不同?
A:隐形 IT 是一种新的 IT 运营模式,它从响应式支持转向预测和预防。不同于传统模式等待用户报告问题再解决,隐形 IT 使用遥测数据和 AI 技术在问题影响用户之前就主动识别和解决问题,在后台默默维护系统稳定性。
Q2:隐形 IT 能带来什么实际好处?
A:联想的试点项目显示,隐形 IT 可以在创建工单之前解决 40% 的问题,支持成本下降 30%,新员工入职时间改善 50%。同时还能降低平均解决时间,减少重复案例,降低运营负荷,提供更个性化的支持服务。
Q3:如何开始实施隐形 IT?
A:IT 领导者需要做出四个关键决策:确定哪些中断时刻不可接受、决定优先统一哪些数据、确定自动化的权限范围、选择合适的专业合作伙伴。这需要将应用程序、端点和支持数据统一,并使用 AI 技术实现预测性工作流。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。