当技术领导者将在现实世界中启用人工智能的数字计划时，了解最大价值所在将会提供帮助。某些主题在各个行业组织不断出现。以下研究一下人工智能领域中功能最强大的一些用例：从机器学习(ML)和自然语言处理(NLP)到边缘人工智能和AIOps。
IT组织需要考虑Ops这个主题。IDC公司指出，IT自动化是2020年人工智能增长最快的用例之一(以及药物研发和人力资源自动化)。正如DevOps研究所的首席研究总监Eveline Oehrlich在最近的一篇文章中指出的那样，AIOps可以证明IT组织具有变革性，因为在IT组织中，运营环境所生成的数据太多了，使领导者的决策受到了影响。
IT组织需要考虑Ops这个主题。IDC公司指出，IT自动化是2020年人工智能增长最快的用例之一(以及药物研发和人力资源自动化)。正如DevOps研究所的首席研究总监Eveline Oehrlich在最近的一篇文章中指出的那样，AIOps可以证明IT组织具有变革性，因为在IT组织中，运营环境所生成的数据太多了，使领导者的决策受到了影响。在混合云时代，这是不断增长的IT功能队列。机器学习可以解决大量经常冗余的警报，以更加实时或主动的方式帮助管理系统性能，并提供更大的端到端可见性，从而为IT团队节省时间。
为此有充分的理由将人工智能行动列入2021年十大人工智能趋势的名单。而孤立的监控系统无法跟上当今多样化的环境。Gartner公司认为AIOps有五个主要用例：性能分析、异常检测、事件关联、分析，以及IT服务管理。
Perfecto by Perforce公司首席技术官兼产品经理Eran Kinsbruner在最近发表的一篇文章中写道：“这些工具共同构建了一个全面的生产和运营洞察力分析层，可以在大数据和先进的现代软件架构上运行。借助基于人工智能的操作功能，团队可以专注于确定其应用程序的服务运行状况，并获得对其生产数据的控制和可视性。”
能够预测突然变化(供应或需求、医疗保健成果、销售或客户行为)的价值越来越清晰。
在基本层面上，有监督的机器学习(特别是回归)使组织能够建立数学模型，根据一系列预测变量或输入来预测未来的结果。Perkins说，“这种方法在各个行业的商业应用非常广泛，其共同点是能够事半功倍。无论是人力资源、清单资源还是谨慎流程，机器学习都使人们能够观察和定义模式以获取以前无法获得的见解。”
世上没有免费的午餐，微服务技术让 IT 系统变得更敏捷、更健壮、更高性能的同时，也带来了架构复杂度的提升。对于开发者而言，要想更好的驾驭微服务架构，需要解决持续集成、服务发现、应用通信、配置管理、流量防护等一系列难题。
在应用生命周期管理以及服务治理方面， Kubernetes 提供了比较完善的实现机制，通过构建 Deployment 资源，配合 proStop 和 postStart 脚本，能比较方便的实现滚动发布以及应用的优雅上下线。虽然在灰度发布的过程中，依然没有办法直接对流量进行精细粒度控制（引入 Service Mesh 技术能增强流量控制力，不在本文讨论范围），但相比简单的发布脚本，已经有了飞跃性的提升。
当微服务应用需要扩容的时候，就可以快速获得计算资源，不需要再经过购买服务器这个步骤了，可以帮助开发者降低计算成本，减少闲置资源浪费，平滑应对突发流量高峰。阿里云的 Serverless Kubernetes （ASK）就是 Serverless 化容器技术的代表产品。
Serverless 技术无缝是云计算和云原生应用架构的发展方向，但对于微服务应用的开发者而言，不管是 FaaS 形态，还是 Serverless Kubernetes ，都存在一定的局限性。
