简单来说，AI 炒作是指公司或组织夸大或虚假宣称其产品、服务或运维中使用了人工智能 (AI)，以便让自身或技术看起来更具创新性或先进性。企业炒作 AI 的原因多种多样，其中不乏吸引投资、提振股价、增加产品吸引力或获得竞争优势等考量。
AI 炒作会对客户、投资者和市场产生误导，因为其暗示了某种产品或解决方案利用了机器学习 (ML) 或深度学习等 AI 功能，而实际上可能只是使用了简单的算法，或者根本没有使用任何相关技术。这是一个事关透明度和真实性的问题，引发了人们对于技术在商业实践中的道德表现的关注。
那为什么还会出现这种炒作呢？当然是受到了金钱的驱动。即使是受到认可的 AI 参与也是为了刺激新投资和新业务并提高公司估值。 AI 相关投资和提高估值充满了诱惑力，这也促使企业匆忙重塑技术品牌，导致市场上充斥着各种误导性的宣传。
打击 AI 炒作
幸运的是，AI 炒作并非发生在真空中。美国证券交易委员会 (SEC) 主席 Gary Gensler 曾警告公司不要进行 AI 炒作和虚假宣传，并暗示如果公司虚假宣传其产品组合包含 AI 资产，甚至可能会被冻结资金。无独有偶，美国联邦贸易委员会 (FTC) 也一直在关注 AI 虚假宣传，并表示必要时会展开调查。
尽管有这些警告，但 AI 炒作现象在网络行业仍然屡见不鲜。各大供应商都在以“AI 就绪”、“AI 技术支持”和“AI 驱动”等字眼推销自己的解决方案，但大多数产品却没有提供真正的 AI 功能。他们确实缺乏兑现 AI 承诺所需的健全度和成熟度。
辨伪去妄
通过利用成熟的 AI for IT (AIOps) 技术，IT 和网络团队可以减少错误，简化操作，并为最终用户提供安全、可靠的体验。那么，如何区分所谓的 AI 解决方案和真正有利于 IT 组织及其最终用户的解决方案呢？
首先需要明确，AI 并不是一项全新的技术。任何公司，只要真正专注于将 AI 应用于自身领域，都应该深耕这项技术很多年了。如果您已将搜索范围缩小为几家供应商，那么一定要让他们回答一些基本的技术和操作问题。与任何尽职调查和采购工作一样，答案的详细程度可以提供重要的洞见。回答可能需要辅以技术解释，但我们仍然建议供应商提供详尽回答，以确保供应商的声明是切实可行的。
下面是可以询问的一些关键问题，其中包括：
- AIOps 解决方案能否预测整个网络的用户体验？
- 供应商的客户支持团队是否使用他们自己的 AIOps 解决方案？
- 他们的数据科学团队和客户支持团队是否协同合作？
- 他们是否有客户案例可以证明 AIOps 减少了支持工单的数量并改善了用户体验？
- AIOps 解决方案是否具有微服务云架构支持，该架构可否支持频繁、敏捷的生产推进，而不会造成服务中断？
此外，在评估任何 AIOps 解决方案时，应考虑三个关键因素：
正确的数据：我们都知道，酿造葡萄佳酿需要选对葡萄，同样地，打造出色的 AI 也需要正确的数据。正确的数据（无论是数量还是质量）是 AI 提供正确答案的必要前提。否则，AI 提供的响应不是无效，就是不够准确。“可解释的”AI 可以就如何利用数据提供洞见，并为其输出的内容提供佐证。
正确的实时响应：成熟的 AI 应能通过正确的数据和数据科学算法提供正确的实时响应。 而炒作 AI 的解决方案往往会导致响应延迟或误报，对于时刻需要解决网络问题的 IT 团队来说，这会带来限制生产力和撤销 AI 投资的意外风险。
合适的基础架构：想要构建 AIOps 解决方案，使其能够实时解决问题并运行能够准确预测用户体验的大型深度学习模型，您需要正确的云原生架构。如果 AI 解决方案不是在云中构建，那么很可能无法跟随业务进行扩展。
瞻博网络 Mist 构建于真正的 AI 之上
早在 2015 年，我们的 Mist AI™ 引擎就已经在综合利用 AI、ML 和数据科学技术来构建解决方案，这种解决方案可以像 IT 领域的人类专家一样快速部署和运维网络（甚至可以更快），并为全球客户提供体验至上的网络。例如，ServiceNow 利用 Mist AI 将网络故障工单减少了 90%。服装制造商 Gap, Inc. 通过利用 Mist AI 自行解决 IT 问题，将其门店的到店维修减少了 85%。
凭借业内首款人工智能原生网络平台，我们正在将 AI 扩展到整个产品组合中，确保为最终用户和运维人员提供最佳体验，并简化每个网域的端到端运维。
如需进一步了解人工智能原生的含义并厘清 AI 炒作概念，请阅读瞻博网络首席执行官 Rami Rahim 近期发布的这篇博文，并参加我们最近举办的 AI-Native Now 点播虚拟活动。
