在未來十年，IT領域將經歷重大變化，并且，IT管理員的角色將不斷演變，他們將承擔新的職責。未來十年的重大變化包括完全依賴虛擬化自動化和混合云平臺–這些已經成為現(xiàn)代IT領域服務提供商和大型企業(yè)的標準操作程序。

[[312903]]

并不是說管理員完全不通過自動化完成IT任務，也不是說數(shù)據(jù)中心應該完全遷移到公共云或完全留在企業(yè)內部。虛擬化自動化和混合云已經開始影響管理員的日常生活，這些管理員必須開始關注如何部署這些技術來成功實現(xiàn)系統(tǒng)現(xiàn)代化。管理員還必須了解，自動化并不是系統(tǒng)部署和管理的最終目標。

機器人

虛擬化自動化的主要好處之一是消除每個系統(tǒng)中的人工干預和手動編寫腳本。管理員可以集中創(chuàng)建自動化策略并將其推送到設備組。即使是Puppet和Ansible等配置管理供應商也使用自動化技術來完成很多IT操作。

這樣做的結果是，管理員將其網絡的很多管理和自動化操作移交給AI工作者-這通常是管理應用程序的形式。有些AI工作者基于云，例如Microsoft Intune，而其他不是，例如VMware的vSphere平臺。

即使是小型企業(yè)網絡，也依賴某種形式的自動化，盡管它們通常使用管理員精心整理的腳本集。大多數(shù)中小企業(yè)尚未超越Microsoft Active Directory強制執(zhí)行的組策略對象(GPO)范疇，并且他們通常采用VMware的分布式資源調度程序(DRS)來自動執(zhí)行任務。

在較大型企業(yè)中，使用GPO和DRS通常不會削減成本。很多人選擇用Turbonomic(以前稱為VMTurbo)來代替DRS，或選擇競爭對手的產品，這些產品可提供改進的資源調度以及資源規(guī)劃和超額配置分析。但是某些端點管理應用程序(例如Intune)會增強GPO，而端點保護應用程序提供了一種實現(xiàn)自動化策略的方法。

自動化策略減少負載，但沒有減少工作量

基于模板和配置文件的策略管理是先前管理方法的邏輯演進。它是一種自動化形式，這種管理使現(xiàn)有管理員能夠解決其業(yè)務范圍內不斷增長的系統(tǒng)數(shù)量，從而減少了可用作業(yè)的數(shù)量。

管理員通常會利用他們可用的工具在規(guī)定的時間范圍內完成任務。但是，基于工具可用性來選擇所采取的方法非常費力?；谂渲梦募突谀０宓牟呗圆渴鹗构芾韱T可擺脫繁瑣的單獨管理系統(tǒng)工作，不過，由于企業(yè)內部系統(tǒng)的增加，這會引入與定義策略相關的任務。

新型的自動化甚至可以接管管理員的策略定義工作，使這些管理員可以自由地監(jiān)督其他任務。

超越AI和機器學習的炒作

人工智能和機器學習可以為很多管理員減輕定義策略的負擔。端點保護產品越來越多地利用AI和機器學習-不僅有助于檢測安全風險，而且還可以自動確定應采取的策略。

基于云的AI工作者可以關聯(lián)有關策略實施的遙測數(shù)據(jù)，直到系統(tǒng)對安全默認值有了新的認識。此外，自動事件響應不僅有助于標記潛在的安全漏洞，而且還有助于連接安全系統(tǒng)到基礎架構，從而自動隔離高風險系統(tǒng)。

但是部署AI和機器學習技術可能會給某些管理員帶來麻煩。由于策略執(zhí)行自動化是零散的，機器學習革命也是如此-現(xiàn)在需要額外的云管理。

例如，Wi-Fi接入點和相關管理軟件比某些管理員認為的更難部署。也許沒想到的是，這些系統(tǒng)需要極少的發(fā)射功率。否則，這些設備都將無法相互通信，因為周圍區(qū)域中的每個設備都要傳輸自己的信號。

即使部署所有正確的工具，管理員也可能會遇到這樣的麻煩。Wi-Fi環(huán)境是動態(tài)的，如果管理員未正確配置其訪問點，WiFi環(huán)境很容易崩潰。Wi-Fi產品可不斷掃描無線電環(huán)境中的Wi-Fi和藍牙，然后優(yōu)化接入點以服務相關客戶。

就個人而言，人工智能和機器學習并不是改變生活的技術。它們各自都有其優(yōu)勢和用例，特別是對于大型組織。但是AI和機器學習可幫助更好地應對常見痛點問題。

大數(shù)據(jù)計算分析工具并不是新鮮事物，無論是機器學習還是AI。但是，機器學習和AI已從業(yè)務分析轉向提高IT運營效率?；诨旌显频腁I工作者進入數(shù)據(jù)中心，是為了幫助企業(yè)利用相同人數(shù)管理更多系統(tǒng)。

在未來十年中，管理員使用的工具將繼續(xù)演變。最終，能力更強的AI工作者將管理其他AI工作者，而人類管理員將繼續(xù)前進。企業(yè)將在管理員和工作負載之間增加更多的抽象層，每層都有新的管理級別。某些人可能認為這種效率低下，因為該系統(tǒng)投入了額外的周期、存儲和網絡帶寬來保持工作負載運行。

但是，某些應用程序(例如Netflix)需要這些抽象和自動化層。在某些時候，人類管理員根本無法將系統(tǒng)擴展到與AI和機器學習相同的程度。