在 InfoQ 举办的 AICon 全球人工智能开发与应用大会上腾讯云安灯、腾讯云顾问产品总经理许小川做了专题演讲“腾讯云顾问：从人到数智平台，用 AI 重塑 SRE”，演讲围绕腾讯云 SRE 组织变革展开。在主动服务体系遇瓶颈时，腾讯云依托 AI 和云计算推出「腾讯云顾问」可视化云上架构治理平台，涵盖架构梳理、卓越架构评估、一站式架构治理等功能。还分享了技术、组织等多方面经验，用 AI 重塑 SRE，助力 SRE 工作的数智化升级。
收获前沿行业认知，明晰云 SRE 组织发展趋势与 AI 重塑 SRE 的方向
更可借鉴多维经验，涵盖技术、组织、管理、协作、技能等方面，提升个人与团队竞争力
首先，我介绍一下 IT 服务领域的基本背景。所谓 IT 服务，简单来说就是为客户提供专业的 IT 服务的团队，它实际上是技术和业务之间的一座桥梁。在云计算领域，我们通常将其分为用户生命周期的三个阶段：上云前、上云中和上云后。在每个阶段，我们分别提供售前咨询、售中实施、售后服务等 IT 服务工作。
在 IT 服务领域，有许多成熟的方法论。其中，ITIL 是目前在 ToB 领域应用最为广泛的一套方法论。此外，还有 DevOps、精益、敏捷等方法论，这些方法论在实践中被广泛应用。实际上，现代企业中很少有组织不依赖 IT，也很少有组织是独立存在的。
以腾讯云为例，我们的上游是风、水、电、软硬件的服务提供商，它们向腾讯云提供 IT 服务；而腾讯云则向数百万企业客户和开发者提供 IT 服务。即便在企业内部，如果存在 IT 团队和业务团队的分工，那么 IT 团队也需要向业务团队提供 IT 服务。
只是服务的规模、类型和复杂度不同，一些企业可能没有系统地引入方法论或建立体系。对于我们而言，由于规模庞大、服务量大且内部组织复杂，我们必须进行系统化、标准化的建设与治理。
在海外，与我们规模相当的 ToB 企业通常会采用外采解决方案或 SaaS 服务。国外有许多比较成熟的 IT 服务管理 SaaS 平台，如 ServiceNow 和 JIRA 等。在国内的生态中，我们更多地依赖于自建平台。
我们也采用了这种模式，建立了两套平kaiyun体育全站 Kaiyun登录网页台。第一套是腾讯云安灯，主要用于解决被动式的响应性 Ikaiyun体育全站 Kaiyun登录网页T 服务。该平台已经运行了大约五年时间。第二套是腾讯云顾问平台，则专注于主动服务，旨在规避问题，我们将其称为“消防性”平台，通过主动解决隐患来提供服务。
尽管如此，我们仍然面临着诸多挑战。首先，尽管腾讯安灯平台已经运行了五年，并且实现了流程化、数字化、智能化，我们仍然面临着来自客户和内部管理的朴素诉求，比如希望服务能够更快、更好、更省。
但 IT 服务直到目前仍然是人力密集型和知识密集型的领域，需要大量的人力专家参与。无论是响应速度、解决质量还是成本控制，都难以线性的持续改进，这和客户预期是有 GAP 的。
在大模型出现之前，我们一直在使用深度学习、神经网络。但由于服务体系中存在大量非结构化数据，大模型的出现为我们带来了新的希望。
其次，除了被动式服务外，我们还有大量的主动式服务需求。例如，帮助客户梳理架构、进行稳定性治理，或者在即将到来的 618 大促期间，协助客户进行架构治理、重保和护航。
这些工作大多需要我们派遣专家到现场或通过远程会议完成，属于人力劳动密集型工作。此外，与被动式服务不同，主动式服务缺乏一套完整的、成熟的平台作为参考。
虽然我们可以借鉴一些质量管理、项目管理的方法论，但目前尚未形成体系化的工具平台来支撑其数字化升级。
我们一直在思考如何利用 AI 重塑我们的服务体系。这一体系已经建立五年，经历了三个发展阶段。最初，我们没有这样的平台，大家通过拉群来解决问题。这种方式虽然简单，但随着人数不断增加，事情却越来越难以落实。在云服务体系中，这种问题同样存在。
因此，我们在 2019 年迅速构建了一套平台，将所有流程从群聊转移到标准化的线上流程中，实现了流程的标准化和线 年，我们Kaiyun平台 开云体育官方入口进一步将所有流程全面 AI 化，逐步用 AI 替代人工，以提高效率。
未来，我们看到了清晰的发展路径，即不断提升 AI 的提效比例，最终实现类似汽车自动驾驶的全自动化，从 L2 逐步迭代到 L3、L4 级别。
在这个过程中，我们总结了许多经验。首先，我们发现 IT 团队在组织内部的角色已经发生了变化。过去，IT 团队更多是支撑型的，但现在我们已经成为一个驱动型团队。
这是因为 IT 已经成为企业的核心生产力，而这种核心生产力掌握在 IT 团队手中。如何通过 IT 驱动组织变革？有时需要 IT 人员主动站出来，像 CEO 一样思考问题。组织变革的方法论有很多，经典的理论从文化、人才、组织流程等多个维度进行体系化推进。
对于我们这样拥有数千名员工和数百万客户的庞大组织来说，每一套方法论都有适用的场景。我想分享一些个人体会，尤其是我认为最重要的三点。
聚焦干系人价值。我们不能为了变革而变革。变革的目的是什么？谁会从变革中受益？谁又会受到损失？这些问题必须首先弄清楚。同时，要找到变革真正解决的痛点是什么。
找到变革的主线。变革不能一蹴而就，不能一开始就全面推翻重来，否则组织可能在变革的上半场就宣告夭折。我们强调要找到变革中始终贯穿的那条主线，然后沿着这条线循序渐进的推进。
将干系人和主线用价值链串联起来，形成一个循环，我们称之为“变革飞轮”。这个飞轮首先从业务切入，通过将业务流程 IT 化获取数据，然后对数据进行治理，用数据驱动业务改进，从而形成一个循环。
如果深入展开，这里面的内容其实非常丰富，短短几句话就涉及了精益生产、系统论、控制论等方法。但我更想回到我们自己的实践，希望能给大家一些启发。
在被动支持领域，我们首先找到干系人，包括客户服务的一线、二线、三线及其管理者，明确他们的痛点是什么。客户希望得到快速、优质的服务，而我们内部则需要降低成本、提高效率，减少客户投诉。
从客户提出问题到问题解决，始终围绕客户的问题展开。在业界，通常会用工单（work order）这种电子流程来串联整个过程。我们也采用了工单的方式，但不同的是，我们将人工流程通过变革飞轮串联起来，找到第一个突破口，利用 ITIL 方法中的事件管理流程，从客户提出问题到最终的解决，实现整个过程的线上化。
这个过程看似简单，但其实包含了咨询、故障处理、原因分析、变更解决等多个层次。我们不是简单地照搬 ITIL 的 30 多个最佳实践和流程，而是根据业务需求逐步迭代。
在 AI 方面，我们过去三年的做法也是类似的。AI 的干系人和痛点与之前是一样的，但轴线变成了 ITSM。我们在 ITSM 中找到可以 AI 化的点，插入相应的 AI 代理。
最初，我们发现服务一线最担心客户投诉，因为一旦被投诉，内部就会启动复盘流程，可能还会影响绩效考核。于是，我们首先帮助一线人员进行客户情绪分析，一旦客户催单、不满，就加快升级到更专业的二线处理。经过这一轮改进，大家发现 AI 并不是来取代他们的，而是来帮助他们的。于是，一些一线人员从观望甚至抵触，逐渐转变为接纳、拥抱 AI。
一旦接纳，后续的改进就越来越顺利。我们逐步将 AI 应用于智能客服、事务流程优化以及共性问题分析等方面，全部用 AI 替代。
从客户提出问题到最终解决的整个流程，是一个最具挑战性的流程，尤其是当问题升级到三线时。
在智能客服的辅助下，目前 70% 以上的问题已经能够由客户自行解决。如果客户无法解决，转人工后，AI 能力已经能够替代一线% 的效率。三线处理的问题相对复杂，目前 AI 的替代比例在 5% 到 10% 之间。虽然已经取得了一定进展，但 AI 化的空间仍然非常广阔。
主动服务对我们来说无疑是一个极具挑战性的领域，它需要我们创造性地去解决问题。
然而，我们的方法论始终如一：首先，找到干系人和痛点；其次，明确变革的主线；最后，形成一个价值闭环。对于主动服务而言，无论是上云前、上云中还是上云后，我们发现一个贯穿始终的现象——技术人员总是需要绘制架构图。过去，这些架构图要么在白板上画，要么在白纸上画，要么写进项目文档里，它们是分散的、零碎的，往往也是一次性的，缺乏重复利用的价值。
于是，我们思考，是否可以像曾经将群聊中散落的消息整合成工单那样，找到一种新的方式，将这些架构图信息化，从而实现更高效的管理？这便是我们思考这一问题的原始突破口。
在业界，数字化改造架构图的方式还相对初级，无非是将线下白板变成电子白板，但这种方式并未从根本上解决问题，依然是人工的、临时性的，与 IT 系统的工作负载缺乏真实的对应关系。
然而，作为云服务提供商，我们拥有得天独厚的优势：业务系统运行在云端，强大的工程师团队和丰富的经验积累，同时还有 AI 技术的加持，以及产品化思维。基于这些优势，我们经过一年多的建设，开发出了腾讯云顾问平台。
目前，该平台的核心价值定位是可视化一站式架构治理平台，它是一个云原生的 SaaS 平台，可供内部和外部客户自行使用。
平台分为四大板块：首先是云端软件架构图；其次是卓越架构指标（我们有一套名为“卓越架构”的方法论体系，就像人们每年需要体检一样，通过这套体系对架构进行全面评估）；第三是一站式 SRE Agents 工具；第四是云原生的 IaaS、PaaS、MaaS 底座。
这套系统的核心目标并非仅仅是 IT 手段的应用，而是通过 IT 手段实现业务目标。我们希望将过去全人工提供的主动服务模式，转变为未来由平台主导的模式，让人员更多地负责目标设定、指挥、监督和赋能。目前，我们正处于这一转变的中间阶段。
我们对腾讯的产品化能力充满信心。尽管 IT 服务管理或 IT 运维领域给人的印象可能较为传统，但我们依然努力将 B 端复杂逻辑和 C 端用户体验完美融合。
目前，该系统的主要界面左侧是一个架构图，有 2D 和 3D 展示，视觉效果较为炫酷。第二个重要部分是卓越架构指数，它会从不同维度评估云上软件系统的健康状况。第三个部分是治理 Agents，而第四个价值在于它正在改变组织内部和跨组织之间的沟通模式，它是一个在线互动白板，帮助我们将复杂的想法转化为一线人员易于理解和操作的形式。
首先是架构图。如果架构图不够智能，使用者仍需手动绘制云上系统的架构图，这不仅需要专业知识，还需要大量时间，违背了我们减少人力投入的初衷。
因此，我们投入了一年时间，基于云上业务系统的调用关系链、网络拓扑结构以及风险巡检等得到的资源清单，实现了自动绘图功能，同时也支持用户手动修改和补充。目前，这一功能在业界属于比较创新的产品和体验。
其次是卓越架构理念。我们认为云上架构就像一栋房子，需要分层和支柱。我们提出了三层×六支柱的架构模型，并且正在与相关行业组织合作，即将发布相应的标准，用于评估客户在云上使用云服务的合理性。
该标准从性能、成本、可靠性、安全性等多个维度进行评估，例如，如果某个架构的健康度为 70 分，那么安全、成本、可靠性可能是其短板，接下来就需要进行治理。传统运维人员需要每天制作报表、分析日志，而我们的平台通过自然语言处理，让这一过程变得简单高效。
此外，根因分析功能可以从现象直接追溯到根因，这得益于我们整体的产品设计理念——按图索骥。因为平台旁边有一张架构图，所有分析都基于图的上下游关系进行，有目的地定位问题，而不是像传统运维那样在海量日志中大海捞针。
以混沌演练为例，虽然混沌工程的理念很好，但在实际应用中却面临两个困难。首先，混沌工程需要专家设计演练方案，有技术门槛；其次，如果演练导致系统故障并造成真实损失，责任难以界定，有心理门槛。
因此，混沌工程虽然备受好评，但实际应用不广。为此，我们利用大模型设计了一套安全护栏逻辑，通过 AI 控制演练参数，确保注入的破坏恰到好处、点到为止，从而降低了用户的技术门槛和心理门槛。目前，已有数百家客户在使用这一功能。
同时，我们希望改变传统的沟通模式。过去，客户与云厂商沟通时，虽然每个通道都保证得很好，但沟通渠道分散，难以将信息串联起来。未来，我们将基于云顾问体系，在统一的平台、统一的话术和统一的语言下进行沟通，从而提高沟通效率和效果。
在实际工作中，两个案例充分证明了我们协作机制的有效性。以“618”护航为例，许多重要客户会邀请我们的专家协助他们进行护航工作。过去，护航前的准备工作全靠人工完成，往往需要一周时间。
然而，自从有了我们这套完善的体系，仅需一天时间，甚至当天就能交付护航方案。在护航过程中，由于采用了在线可视化的操作界面，各方协作变得井然有序，不再像以往那样在群里混乱地沟通。护航结束后，总结工作也变得顺理成章，因为 AI 大模型在这方面有着独特优势，数据都已整合好，项目总结报告可以迅速生成。
另一个案例发生在去年年初。当时，一位客户遇到了一个问题，他们自己的团队，从前端到网络，再到存储和逻辑的工程师，花了整整一个多小时都没能定位问题。
后来，他们也向我们的一线工程师求助。在一线工程师的建议下，客户开通了云顾问，很快便发现问题所在。原来，他们一直专注于前端和后端的排查，却忽略了整个链路中间有一个环节——弹性 IP。由于业务增长，弹性 IP 的容量不足，导致概率性丢包。客户将容量调大后，问题便迎刃而解。
在当今时代，我们身处一个充满变数的环境，技术的飞速发展带来了前所未有的机遇与挑战。我想借此机会与大家分享一些我们的经验和思考，希望能够引发更多交流与启发。
正如前面几位提到的，世界似乎被分成了两部分：一边是硅基生物（人工智能）大步向前，另一边是碳基生物（人类）焦虑难眠。它们的发展节奏并不一致，而面对这样的现实，我们作为当下的组织，应该如何思考和应对呢？
经验 1，在技术层面，我们坚决拥抱人工智能（AI）。尽管并非所有人都能立刻接受 AI，但在大规模的组织中，这种差异是不可避免的。从 CEO 的急切期望到基层团队的不同反应，我们看到有人热情拥抱，有人表示疑虑，有人选择观望，人们的态度并不一致。
但我们坚信，我们需要塑造一种拥抱 AI 的文化和信念。AI 并非要取代人类，而是帮助人们提升效率。正如前面提到的两个案例，我们正是沿着这一思路不断推进的。
经验 2，在组织架构上，我们需要变得更加敏捷。敏捷思想其实已经推广了 20 多年，腾讯从一开始就倡导敏捷开发，但在过去三年 AI 浪潮的冲击下，我们意识到自己还得更加敏捷。
以软件开发为例，过去我们采用的是基于“feature”的迭代，即产品团队和业务团队提出需求，然后经过策划、开发、测试、发布、验收和使用等一系列流程。然而，现在我们已经进入到了基于“Case”的迭代。使用方直接向聊天机器人提问，如果回答不够理想，问题就会直接反馈给算法工程师，工程师迅速调整后，使用方再次验收，看是否有所改善。
整个流程大大缩短，这也导致了内部研发团队角色的微妙变化。产品经理和开发工程师的界限逐渐模糊，开发工程师需要具备更多元的技能，不仅要懂技术，还要懂产品和业务。未来的产品经理可能直接由开发工程师担任，开发和测试的角色也在不断融合。
过去的测试主要是功能测试，结果非黑即白，但现在测试变得更加复杂，需要评估结果的好坏程度，功能的边界也难以穷举。AI 的泛化能力使得我们无法穷尽其边界条件，这对测试人员来说无疑是一个巨大的挑战。
经验 3，对于管理者而言，我们建议采用可视化管理。如果大家对精益生产有所了解，就会知道看板管理是精益生产中一种重要的拉动管理理念。
在当前这种复杂、混沌且脆弱的环境下，可视化管理是一种简单而有效的管理方式。它可以帮助我们更好地了解团队的工作进展和成果。我们将数据可视化管理分为五个层次，从 L0 的原始数据到 L4 的数据去掉业务，我们基本进入了交互式可视化和局部的数据驱动业务阶段。
例如，在技术研讨会上，用腾讯云顾问的开会时长会减少一半；同时，因为所有事情都是可视化的， 70% 的问题都能提前发现和规避；还有一个隐含的收益：一线员工的工作被上级领导看到，本身就是一种激励和成就感的来源，能推动整个组织更加良性地发展。
经验 4，在协作方面，我们建议采用以业务为中心的需求拉动模式。如果大家对供应链管理有所了解，就会知道推动式（push）和拉动式（pull）两种模式。我们在腾讯云顾问的产品化过程中也参考了这两种模式。
传统的运维体系通常是技术主导的，由开发运维团队发起，要求所有系统上报日志，然后制定指标、配置监控告警，等待问题发生时通知。在这个过程中，业务团队往往不参与，即使将监控告警的内容推送给业务团队，他们也难以理解。而我们的模式正好相反，我们从业务出发。
例如，业务团队告诉我们“618”即将到来，预计用户量将增加 5 倍，运维团队就会根据这一需求进行扩容评估，并在平台上完成评估和扩容。在某些情况下，基于现有资源和过往经验，我们可能会发现实际上扩容 3 倍就能满足需求。这种模式大大缩短了交付时间（lead time），从过去可能需要几周甚至几个月，到现在基本可以实现当天交付。
经验 5，在个人技能方面，数字化升级是工业 4.0 的核心，每个人都需要具备数字敏感度。过去，我们对数据的处理仅停留在统计层面，认为只要能进行数据分析就足够了。
但如今，我们需要将数据提升到更高的层次。这里我引用了一个模型叫 DIKW。数据 Data 本身并没有意义，我们需要建立数据之间的关联，找到趋势，将其转化为信息 Info；再将信息与业务场景结合，转化为知识 Knowledge；最终用知识指导业务，形成洞察 Wisdom 并付诸行动。这才是数据驱动的高层次体现。
当然，这一切也与我们一直强调的变革飞轮密切相关。我们需要不断推动这个飞轮，从我们主动驱动，到组织能够自我驱动，最终实现变革的逐步深化。
许小川，腾讯云安灯和腾讯云顾问产品总经理。曾先后负责过近 10 年的 C 端社交平台软件的研发管理、 B 端云计算解决方案咨询，当前负责腾讯云安灯 ITSM 平台和腾讯云顾问可视化云上治理平台的产品及研发管理工作，关注 Gen AI 在企业应用中的落地。
6 月 27～28 日的 AICon 北京站将继续聚焦 AI 技术的前沿突破与产业落地，围绕 AI Agent 构建、多模态应用、大模型推理性能优化、数据智能实践、AI 产品创新等热门议题，深入探讨技术与应用融合的最新趋势。欢迎持续关注，和我们一起探索 AI 应用的无限可能！
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
草帽姐确诊肝病后续：北京301求医，女儿痛哭，前夫要伺候左右
媒体人：宫指导此番出山的使命仍是推动国家队换血，得罪人的活儿又得让他来干
谁家游戏开试玩会，还要在台上搭一个可动的巨型机器人？/
主站 商城 论坛 自运营 登录 注册 谁家游戏开试玩会，还要在台上搭一个可动的巨型机器人？ ...