洞见优维「全面可观测」：从85%的AI项目败率说起

一直以来，优维都坚信AI有潜力改变运维行业并促进创新，这是我们的A面。但从行业和客户那里，我们所看到的B面也不容忽视。

自从去年底发布优维全面可观测以来（点击回顾），我们的团队在服务客户的进程中常常感慨：对于企业IT运维业务来说，AI项目是一个恒定的光源，但失败是企业追逐光源投下来的阴影——当你离光源越近，阴影面积也会越大——AI部署之路步履维艰，这在很长时间内让很多组织对AI项目的失败耿耿于怀。

根据Gartner的一份报告，在企业所部署的AI项目中，失败率高达85%，毫不夸张地说，这一令人发指的数据是近两年企业在做AI项目的部署决策时最大的心理屏障之一。从行业愈发普遍的讨论结果来看，造成这一高失败率的因素有很多，包括数据质量差、缺乏相关数据以及对AI的功能和要求了解不足等等，不一而足。

但优维更关心的是，这些问题的存在，其实凸显了强大的数据管理和精确的战略规划对于AI项目（包括基于云的模型和 LLM）的重要性。这种重要性常常在优维内部作为重点关照的对象被反复讨论，以至于成为优维全面可观测需要“集中力量办大事”的核心目标。

数据是AI和机器学习 (ML) 项目的命脉。

如果没有可靠的数据，AI模型就很难产生准确可靠的结果。

优维团队曾在今年上半年发起过一项针对客户群体的“田野调查”，从得到的反馈看，“数据”这一问题高频凸显——超过90%的IT高管认为数据是成功实施AI项目的最大障碍。

如果你觉得优维的调查不那么具备权威性和说服力，那么无独有偶，国外机构Vanson Bourne的一项专业调查结果或许更让你大跌眼镜——调查报告显示，99%的人工智能和机器学习项目都遇到了数据质量问题。这些统计数据凸显了对有效数据管理和监控解决方案的迫切需求。

优维的全面可观测有7大核心场景：架构可观测、故障可观测、变更可观测、用户可观测、应用服务可观测、资源可观测、运维状态可观测，但我们通常不将数据可观测性直接归类于其中的任何一个特定类目，但它与所有这些类目都有交集。数据可观测性主要关注于数据的健康、质量和完整性，它确保数据在整个“全面可观测”的体系中是可靠和可用的。