腾讯云顾问:从人工到数智平台,用 AI 重塑 IT 服务
如果无法正常显示,请先停止浏览器的去广告插件。
1. 演讲人:许小川@腾讯云顾问
2. 01 云 IT 服务组织面临哪些挑战?
02 如何用 AI 重塑 IT 服务?
03 我们有哪些思考和经验?
3.
4. 01
云IT服务组织面临哪些挑战?
5. IT 服务是指
云计算的 IT 服务
IT 咨询服务 IT 实施服务 IT 售后服务
需求分析
概要设计
详细设计
... 部署资源
迁移数据
割接业务
… 技术支持
运营治理
升级换代
…
6.
7. IT 是现代企业不可或缺的生产力,已经渗透到企业经营的方方面面
以云计算服务提供商为例,其上中下游间,乃至组织内部都存在 IT 服务
上游
供应商
中游
云服务提供商
IT
部
门
业务
部门
下游
客户
百万级客户数
IT 部门
业务部门
8. 海外企业以租用 SaaS 为主
•
•
•
•
•
国内企业以自研为主,
腾讯云自研了 2 个平台
•
•
支持服务
即解决问题/ “救火”
主动服务
即避免问题/ “消防”
9. 客户和业务需求
已达到较高水平后,如何进一步提升?存在现实的挑战
更快 •
• •
更好 •
•
更省
•
• 边际成本
分钟级
复杂度
熟练度
10. 架构优化 主动巡检 问题分析
稳定性治理 风险治理 故障应急
高可用建设 护航报障 需求对接
容量规划 实施协助 服务报告
混沌演练 赋能交流 ….
11. 02
如何用AI重塑IT服务?
12. 阶段一
2019 前
阶段二
2019 后
腾
讯
云
安
灯
阶段三
2023 后
腾
讯
云
安
灯
后续
腾
讯
云
安
灯
13. 构建变革飞轮
经典变革方法
聚焦干系人价值
找到变革轴线
业务
挖掘
运营
流程
治理
数据
IT
14. 客服
服管
挖掘
服务
工单
数据
安灯
事件
管理流程
故障 *
管理流程
问题
管理流程
变更
管理流程
…
15. 客服
挖掘
智能客情
服管
服务
各种单
数据
安灯
智能辅助
智能客服
智能派单
智能转单
智能结单
智能质检
智能分析
智能报告
智能画像
…
16. 提单
客户
智能客服
一线
结单
二线
三线
智能辅助 智能客情 智能分析
智能派单 智能质检 智能总结
智能转单 智能画像 智能报告
智能结单 … …
70%+ ~20% ~10% ~5%
客户自助
立即响应&解答 赋能一线
专业度提升 辅助二线
提升效率 辅助三线
总结输出
持续
赋能
17. 需求分析
概要设计
详细设计
部署资源
迁移数据
割接业务
软件系统架构图就是主动服务流程数智化的主线
持续迭代
运营治理
升级换代
18. 线下工具
•
电子白板
•
•
腾讯云顾问
•
•
•
•
架构
图 AI
云 IT 服
务经
验
19. 云架构
云上治理 Agents
卓越架
构指数
业务工作流管理
RAG 与提示工程
大数据平台/ETL
基础设施及云服务
3rd 扩展
模型Hub/MLOps
基础大模型
20. 过去:人
现在:人+平台
未来:平台+人
• • •
• • •
• •
腾
讯
云
安
灯
腾
讯
云
顾
问
腾
讯
云
安
灯
腾
讯
云
顾
问
腾
讯
云
安
灯
21. 以架构图为主线
•
以卓越架构指数为指导
•
以治理Agents为工具
•
以在线互动看板为协作方式
•
22. 链路生图
•
网络生图
•
风险生图
•
自如绘图
•
23. 应用层
架构层
性能
安全
成本
可靠
卓越指数
资源层
卓越运营
可持续
24. 图表分析需求大
•
•
传统方式成本高
•
•
智能取数DIY
•
•
25. 垂直大模型
•
•
•
“按图索骥”
•
26. 混沌演练
•
•
技术、心理门槛高
•
•
智能方案、演练
•
•
27. 过去
通过云顾问
•
•
•
•
•
工单
邮件
客户
在线会议
云顾问
IM 群
线下会议
客户
…
云上系统
技术
顾问
云上系统
技术
顾问
28. 护航
流程
人工
过程
基于
云顾
问的
过程
成效
从 1 周到 1 天内 从手忙脚乱到井然有序 从纯人工到全自动
护航前准备 护航中 护航后
29. 传统的故障定位方式
基于云顾问的故障定位方式
• •
• •
•
30. 03
我们有哪些思考和经验?
31. 以 LLM 为代表的 AI 技术呈现井喷式发展
社会越来越成为更加不确定、脆弱的复杂系统
•
•
•
VUCA
BANI
• •
• •
• •
• •
SHIVA
TACI
RUPT
…
32. 沿引 Microsoft 的观点,AI Agent 正逐
步深入企业日常工作,提升生产效率
• 我们的经验
无论是安灯在支持服务,还是云顾问在主
动服务板块,都正在用 AI 重塑 IT 服务
• •
•
•
33. 随着 VUCA 时代来临,敏捷开发相对瀑
布流模式具有显著的优势,进入 BANI
时代后,敏捷的节奏变得更加紧凑
我们的经验
AI 研发周期更短:从“Feature 级” 到“Case级”
•
•
产品经理 - 开发工程师边界在融合
•
•
开发工程师 - 测试工程师边界在融合
•
•
34. 数据可视化的 5 个层次 我们的经验,可视化管理可以
L0:原始数据 •
•
L1:简单统计(如Excel)
•
•
L2:复杂分析(交叉、回归等)
L3:交互式可视化
L4:数据驱动业务
35. PUSH和PULL是价值链管理的两种经典
策略,在软件工程领域也有对应的实践 我们的经验:相比传统方式,云顾问PULL式治理
• •
•
•
Biz
Ops
跟踪
云顾问
PULL式
需求
架构
Dev
指标
日志
治理
传统
PUSH式
36. DIKW 模型
数智飞轮
扩大冰棍投放
业务
温度和冰棍销量成正比
挖掘
运营
流程
治理
高温
我们的经验
•
•
•
39°C
数据
IT
•
37. 小结
01 云的 IT 服务组织面临的挑战
02 用AI重塑 IT 服务
03 我们的思考和经验
38.
39. 探索 AI 应用边界
Explore the limits of AI applications