讽刺的是，为了缓解 DevOps 技能问题，我们需要更多的 AI 技能

据报道，人工智能正在增强企业内部的智能，对信息技术商店也有同样的作用。 例如，AIOps（IT 运营人工智能）将人工智能和机器学习应用于 IT 流程的数据流，筛选噪音以检测、聚焦和阻止问题。 

人工智能和机器学习也在 IT 的另一个新兴领域找到了用武之地：协助 DevOps 团队确保软件的可行性和质量，这些软件正在以越来越快的速度通过系统传递给用户。 

GitHub 最近的一项调查发现，开发和运营团队正在大力转向人工智能，以平滑软件审查和测试阶段的代码流程，31% 的团队积极使用人工智能和机器学习算法进行代码审查——是去年数字的两倍多。 调查还发现，37% 的团队在软件测试中使用 AI/ML（高于 25%），另有 20% 的团队计划今年引入它。

除此之外： 了解微软构建下一代产品的宏伟愿景 apps

额外的 Techstrong Research 和 Tricentis 的研究证实了这一趋势。 对 2,600 名 DevOps 从业者和领导者的调查发现，90% 的人赞成在 DevOps 流程的测试阶段注入更多人工智能，并将其视为解决他们面临的技能短缺的一种方法。 （Tricentis 是一家软件测试供应商，​​对结果有着明显的利害关系。但该数据很重要，因为它反映了不断增长的 shift 转向更自主的 DevOps 方法。）

Techstrong 和 Tricentis 的研究甚至还出现了一个悖论：企业需要专门技能来缓解对专门技能的需求。 至少 47% 的受访者表示，注入 AI 的 DevOps 的主要好处是缩小技能差距，并“让员工更容易执行更复杂的任务”。 

除此之外： 调查显示，DevOps 涅槃对于许多人来说仍然是一个遥远的目标

与此同时，44% 的管理者将缺乏开发和运行人工智能软件测试所需的技能视为注入人工智能的 DevOps 的主要障碍之一。 这是一个恶性循环，随着更多专业人士参与以人工智能和机器学习为重点的培训和教育项目，这一恶性循环有望得到纠正。  

一旦人工智能开始在 IT 站点中应用，它将有助于削弱流程密集型的 DevOps 工作流程。 调查中近三分之二的管理者 (65%) 表示功能软件测试非常适合人工智能增强的 DevOps，并将从中受益匪浅。 “DevOps 的成功需要大规模的测试自动化，这会生成大量复杂的测试数据，并需要频繁更改测试用例，”该调查的作者指出。 “这与人工智能识别大数据集中模式并提供可用于改进和加速测试过程的见解的能力完美契合。”

除此之外： 调查显示，人工智能项目在过去一年增长了十倍

除了可能降低技能要求外，调查还发现将更多人工智能融入 DevOps 具有以下好处：

• 改善客户体验：48%
• 降低成本：45%
• 提高开发团队的效率：43%
• 提高代码质量：35%
• 诊断问题：25%
• 提高发布速度：22%
• 整理知识：22%
• 预防缺陷：19% 

人工智能增强型 DevOps 的早期采用者往往来自较大的组织。 这并不奇怪，因为更大的关注点需要更发达的 DevOps 团队以及更多获得人工智能等先进解决方案的机会。 

除此之外： 是时候让技术团队在客户体验中找到自己的声音了

Techstrong 和 Tricentis 的作者指出，“在 DevOps 方面，这些成熟的公司的特点是过去五到七年在简化软件开发能力方面取得的进展以及成熟和完善的管道和流程。” “这些 DevOps 组织是云原生的，并使用 DevOps 工作流程管道、工具链、自动化和云技术。”

从长远来看，注入人工智能来协助 DevOps 的重要方面是一个明智的想法。 DevOps 流程尽管需要协作和自动化，但随着软件预计会以更快的速度飞出大门，它只会变得更加疲惫。 让机器来处理许多繁重的工作，例如测试和监控。