BMC
年度大型主機調查揭示了AI在大型主機環境中不斷演變的角色。
根據2026年BMC大型主機調查，大型主機專業人員正越來越多地從實驗性探索轉向實際應用，對利用AI獲取系統洞察、接受操作建議的接受度持續提升。生成式AI工具的使用率明顯上升，45%的受訪者將AI技術落地列為首要任務。本次調查面向全球超過1300名大型主機從業者和決策者。
BMC智能Z優化與轉型業務高級副總裁兼總經理約翰·麥肯尼表示："我們正目睹一個重大轉變——各組織已從'如何使用AI'轉向'在哪裡可以信任AI、如何治理AI，以及AI在哪裡能帶來可量化的價值'。越來越清晰的是，AI在大型主機上獲得更大自主權的道路，將依靠信任來鋪就，同時保留人工監督和執行AI建議的選項。"
報告指出，經過大量討論、規劃和投入，大型主機領域正在從"AI熱情"邁向"務實落地"：AI已從試驗階段進入戰略規劃階段，各組織的態度趨於實用主義。這種務實態度體現在組織當前願意賦予AI的職責範圍——在最初的興奮與熱炒之後，大型主機領域的管理層正逐漸轉向謹慎的現實主義，將AI定位為顧問而非執行者。簡言之，AI尚未贏得大型主機世界的全面信任，"人工介入"模式因此成為主流。
在大型主機上應用AI時，實施AI驅動解決方案的四大顧慮依次為：高昂的實施成本（41%）、安全與隱私問題（39%）、數據集成挑戰（37%）以及監管與合規方面的擔憂（22%）。
數字證書管理是許多組織仍有較大提升空間的領域。報告指出，隨著AI工具和智能體的應用持續增加，對數字證書的需求量將急劇攀升，續期頻率也將更高，人工管理方式難以應對這一規模，自研自動化方案的局限性也將逐漸暴露。
報告還披露了以下幾項值得關注的發現：
數據安全保障
各組織高度重視將AI安全有效地連接至其數據，"數據集成問題"在AI落地顧慮中高居第三，"現代化數據管理"則是第三大重要的AIOps能力需求。數據恢復是唯一出現明顯變化的優先事項，有35%的受訪者將其列出，較上年上升4個百分點。
智能體AI加速布局
領先企業計劃在未來兩年將AI投資重點集中於AIOps、應用開發和知識傳承。智能體化大型主機管理同樣躋身核心投資方向，40%的領先企業計劃投資構建用於主機管理的智能體，36%計劃引入第三方智能體。
AIOps的價值兌現周期
在已部署AIOps的受訪者中，68%（在AIOps用戶中這一比例達74%）表示在一年內即可看到投資回報。故障根因定位與解決方案制定仍是大型主機運維的首要挑戰，而生成式AI的應用恰好能直接應對這些難題。在優先布局AI技術的領先企業中，58%將部署生成式AI解決方案列為最重要的AIOps能力。
生成式AI輔助工具的應用
基於規則的邏輯結合AI與機器學習已改善了問題檢測能力，甚至實現了服務影響前的主動修復，但運維團隊仍需自行判斷根本原因並尋找解決方案。生成式AI輔助工具的引入為運維人員提供了情境化建議，明確指引下一步行動。這類工具通過整合歷史問題解決方案、技術文檔及組織知識，以自然語言給出操作建議，無論運維人員經驗深淺，均能獲得清晰的指導。
AI助力知識傳承
AI並非取代師徒傳承或實踐經驗，而是讓兩者都變得更加高效。結合導師制和自動化，AI幫助經驗較少的主機工程師建立行動信心，並積累歷史解決方案作為參考。40%的受訪者已將AI用於文檔整理與知識傳承，而在優先關注人才培養、正在積極招聘和培訓員工的受訪者中，49%選擇藉助AI助手來滿足相關需求。
Q&A
Q1：BMC大型主機調查顯示，企業目前最信任AI做哪些事情？
A：根據2026年BMC大型主機調查，企業目前主要將AI定位為"顧問"而非"執行者"。AI被用於提供系統洞察、推薦操作步驟，以及輔助故障根因分析。組織普遍採用"人工介入"模式，即AI給出建議，由人工審核後再決定是否執行，AI尚未獲得全面的自主執行權限。
Q2：實施大型主機AI方案時，企業最擔心哪些問題？
A：調查顯示，企業在落地大型主機AI解決方案時面臨四大顧慮：一是高昂的實施成本，有41%的受訪者提及；二是安全與隱私問題，占39%；三是數據集成挑戰，占37%；四是監管與合規方面的擔憂，占22%。其中成本和安全是最主要的障礙，企業在推進AI部署時需在收益與這些風險之間做出權衡。
Q3：AIOps在大型主機上的投資回報周期通常是多久？
A：根據報告，在已部署AIOps的受訪者中，68%表示能在一年內看到投資價值；若聚焦於實際使用AIOps的用戶群體，這一比例更高達74%。這表明大型主機AIOps的價值兌現相對較快，尤其在提升故障排查效率、縮短問題解決時間方面效果顯著。
