在这篇博客中，SysAid Technologies公司现任首席执行官和客户关系副总裁Sarah Lahav分析了机器学习，并如何以更快捷的方式为IT服务管理中的“防火（fireproofing）”提供可能——用机器学习的方式预测并预防问题，而不是等待问题出现。Sarah Lahav是SysAid Technologies的第一名员工，自2003年以来，Sarah一直是SysAid技术与其客户之间的重要纽带。

　　在IT服务管理中，“救火（firefighting）”这个词经常用来比喻很多工作任务。有些人或某些事引发了“数字火（digital fire）”，我们负责把它灭掉。救火可以捕捉这种紧张的、计划外的事件。IT服务的本质，将使得这项工作非常辛苦。

　　这是因为如此，防火是系统管理员应该对机器学习欣喜若狂的原因。算法不会取代IT从业者。相反，机器学习开始将使得IT服务从“救火（firefighting）”转变为“防火（fireproofing）”。

　　“防火”听起来像是预测和预防问题，而不是等待他们出现。从IT历史的角度看，防火是不可能的，因为它需要人类来分析数据量非常大的数据。

　　如果机器学习算法可以摄取数万亿的数据点，同时找到有效的模式，与人类共享，我们有机会防止火灾。而且更厉害的是，直播，机器学习算法可以在没有任何人为干预的情况下解决问题。

　　机器学习将在以下场景出现：

　　资源利用

　　既然软件和基础设施要作为服务使用，那么资源利用就是动态的。以磁盘空间为例，IT知道根据需求，增加和减少多少磁盘空间是合算的。例如，对于电商网络来说，为了应对寒假，可能需要增加磁盘空间。但是，如果7月出现了一个意想不到的峰值，那么该网站可能就没有准备。

　　这就是机器学习可以产生重大差异的地方。通过分析流量、日志文件、交易数据和其他信息等大数据，算法可以假设决定出公司是否需要在火灾发生之前最大化磁盘空间。在这种情况下，IT可以预先增加磁盘空间，以应对意外峰值并防止救火情况发生。

　　IoT安全

　　举个例子，说明物联网（IoT）安全的重要性。我的汽车最近出现了一个软件bug，让我非常郁闷。前两天下雨，我汽车的挡风玻璃雨刷器坏了。当我把车带到经销商处时，他们发现有一个软件错误，直播，并更新了它。虽然这个错误很容易修复，但是如果是制动器、转向或者加速器有一个软件错误，那么后果不堪设想。

　　Gartner预计，到2020年，将有超过200亿个物联网设备在流通。大多数一般性IT问题只会造成不便，或者造成生产力流失，但IoT问题可能会危及生命。我们可以期待，算法将自动监测，并对连接的汽车、报警系统、医疗设备、工业设备和其他具有安全隐患的设备实时更新。

　　自助服务

　　大多数IT部门通过创建脚本来完成任务，并解决基本问题。举例来说，脚本可以自动创建新员工的电子邮件地址，同样，当这些员工在工作的第二天忘记密码时，脚本可以生成新密码。

　　问题是，脚本在自助服务中受到限制。访问知识库进行故障排除的用户通常必须手动找到解决方案，而不是一键修复。现在，机器学习将改变这一事件。

　　首先，算法将根据权证，搜索并使用数据将权证转换成文章，或者建议新的知识库条目。这样，IT可以在用户要求之前提供自助式故障排除步骤。最终，机器学习算法将持续监控应用程序并运行预编程脚本，以在问题影响用户之前解决问题。

　　只有人类才能做到的事

　　在2017年，机器学习算法将分析数据以预测和预防IT问题。他们将IT从“救火”转向“防火”，特别是在资源利用、物联网以及自助服务方面发挥作用。这种转变将降低成本，提高效率，减少错误，并增强用户体验。

　　因此，机器学习将释放系统管理员，使他们专注于需要创造力的问题。他们将成为机器的牧羊人。编程、校准和监视算法将成为IT服务技能组的一个组成部分。IT服务的“防火”时代将推动IT服务部门更有智慧。