SolarWinds发布的一份新报告显示,人工智能正在重塑IT职能角色,80%的从业者表示,其工作重心已逐渐从亲手操作转向监督自动化系统与工作流程。
根据《2026年SolarWinds IT趋势报告:自主IT的人性化面》,随着企业持续扩大AI驱动工具与自动化技术的应用,IT从业人员正越来越多地承担起协调统筹的职责。该报告基于对1048名IT专业人员的调查,重点探讨了企业环境中AI应用所带来的机遇与挑战。
报告指出:"十分之八的IT从业者认同,技术人员正在从执行者转型为协调者——花费在直接执行任务上的时间减少,而用于管理系统、工作流程及AI工具的时间显著增加。"
报告揭示层级认知差距
报告发现,企业高层管理者与一线技术人员在AI准备程度上存在明显认知落差。约47%的C级高管认为所在组织已"极为充分"地准备好应对AI带来的变革,而持相同看法的一线技术人员仅占13%。
与此同时,受访者也反映了AI在日常IT运营中带来的可量化收益:
65%的受访者表示手动工作量有所降低;61%的受访者表示根因分析速度加快;49%的受访者表示AI提升了决策信心。
然而,收益的背后也伴随着更高的工作要求。71%的受访者表示AI使其工作变得更具挑战性,部分原因在于需要核验AI生成的输出内容并管理相关风险。信任问题同样不容忽视——71%的IT专业人员表示需要对AI输出结果进行二次核查,62%的人表示难以完全信赖AI的建议。
在AI采用率方面,各组织情况不尽相同。50%的受访者表示所在组织已接受AI(其中34%表示"较为接受",16%表示"完全接受"),而37%的受访者反映组织内部存在阻力,主要原因涉及基础设施、预算限制或实施复杂度等方面的挑战。
IT角色走向战略化与跨职能化
报告指出,IT职能正朝着更具战略性和自动化驱动的方向演进,52%的受访者表示这两方面均有所提升。与此同时,岗位职责也日趋跨职能化(47%)和复杂化(41%),反映出AI正深度融入更广泛的业务流程之中。
AI还在改变IT团队的时间分配方式。受访者表示,用于制定战略和分析系统性能等主动性工作的时间有所增加,而故障排查等被动响应类任务的占比则有所下降。
构建AI采用的支撑体系
报告重点指出了企业在推动AI采用时需要重点解决的若干领域。超过半数的受访者(56%)表示,更清晰的AI政策与管控规范将有助于他们适应变革,50%的受访者则指出正规化培训的必要性。
数据质量同样是关键因素之一。83%的受访者认为,AI的效能取决于其所能获取的数据的广度与质量。受访者还提到,工具碎片化和缺乏系统集成是有效使用AI的主要障碍。
受访者预计,AI与自动化在IT运营中将扮演越来越重要的角色。超过四分之三的受访者(77%)表示,在自动化水平提升和数据洞察深化的支撑下,所在组织将在未来两到三年内变得更具前瞻性。与此同时,技能缺口、治理合规要求,以及确保AI驱动系统的准确性与可靠性,也将是企业需要持续应对的挑战。
SolarWinds首席技术官Krishna Sai在声明中表示:"AI并没有让IT工作变得更简单,而是让它变得更加举足轻重。在这一环境中表现出色的团队,往往不是拥有最多AI工具的那些,而是那些已建立起完善治理机制与管理框架、真正做到信任并用好AI的团队。"
Q&A
Q1:SolarWinds报告中提到IT角色转变具体指什么?
A:根据报告,IT从业者正从直接执行任务的"操作者"转变为监督和管理自动化系统及AI工具的"协调者"。80%的IT专业人员确认了这一趋势,他们花在手动执行任务上的时间减少,更多精力用于治理系统、管理工作流程和监督AI工具的运行结果。
Q2:企业高管和一线技术人员对AI准备程度的看法为何差距这么大?
A:报告显示,47%的C级高管认为组织已"极为充分"地准备好应对AI变革,而持相同看法的一线技术人员仅有13%。这种认知落差可能源于高管更关注战略层面的AI部署,而技术人员则直面AI输出核验、数据质量、工具碎片化等实际操作层面的挑战,感受到的压力和复杂程度更高。
Q3:IT团队在使用AI时面临的主要障碍有哪些?
A:根据报告,主要障碍包括以下几个方面:一是信任问题,71%的IT人员需要对AI输出进行二次核查,62%难以信赖AI建议;二是数据质量不足,83%的受访者认为AI效能高度依赖数据的广度与质量;三是工具碎片化和缺乏系统集成;四是基础设施、预算限制及实施复杂度方面的挑战;五是正规培训不足,50%的受访者认为需要更系统的培训支持。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。