利用 AI 解锁大型机专业知识
大型机系统仍不可或缺，但相关维护人才日益匮乏。大型机为全球近 70% 的生产 IT 工作量提供支持，涉及 70 多个国家或地区的 28 种行业。然而，优化其性能所需的专业知识越发稀缺。
随着资深大型机专业人员退休，知识差距正在不断扩大。虽然现代计算机科学课程往往强调 Java 和 Python 等语言（现在 IBM Z 等大型机平台支持这些语言），但真正的挑战其实是更深层次的。
技能短缺主要集中在理解与云和分布式环境中不同的大型机特定的术语、核心概念和复杂子系统。然而，企业培训预算通常优先考虑这些架构，而不是大型机概念和设计。
其结果如何？企业对大型机的持续依赖与掌握 IBM® Z 等大型机系统独特运行环境的专业人才库萎缩之间的鸿沟日益扩大。对于企业领导者来说，这一人才短缺现象威胁着运营连续性和创新能力。
辅以专家洞察分析的最新科技新闻
通过 Think 时事通讯，了解有关 AI、自动化、数据等方面最重要且最有趣的行业趋势。请参阅 IBM 隐私声明。
利用人工智能 (AI) 来弥补技能差距已成为颠覆性的解决方案。结合生成式 AI (gen AI) 与自动化可简化系统程序员、操作员和开发人员获取知识的方式，并且无论其经验水平如何，都能提高生产力、效率和工作质量。
对于许多全球行业领导者来说，采用这种方法可能会改变游戏规则。这种方法对于金融、医疗保健、政府和零售等行业的专业人士尤其重要，因为这些行业的大型机支持需要可靠性、安全性和可扩展性的大容量、高风险运营。
AI（尤其是生成式 AI）可通过提高大型机知识的易访问性，为解决这些问题提供独特的机遇。通过发挥大语言模型 (LLM)、检索增强生成 (RAG) 和自动化框架的能力，组织可以降低新晋专业人员的技能门槛。此外，这一方法还能确保经验丰富的用户专注于处理可创造业务价值的战略任务。
以下是 AI 如何为大型机教育和生产力做出贡献。
大型机新手往往面临着陡峭的学习曲线，因此难以完成复杂的任务。例如，设想一位开发人员投入数小时搜索文档后，仍无法确定自己是否已找到合适的解决方案。这一不确定性会拖慢工作流，并迫使其寻求主题专家 (SME) 的确认，因为即使是微小失误也可能在大型机环境中造成严重后果。
这位开发人员需要的是一位可靠且易于沟通的导师，而这正是 AI 发挥作用的地方。会话式 AI 为用户提供了自然语言界面，以访问经过整理的信息和分步指导。用户无需用问题打断 SME，而是可以与人工智能驱动的助手进行互动，从而：
- 了解大型机的基本概念
- 访问有关产品更新和新功能的信息
- 按照分步程序完成任务
- 获得有关错误消息和系统行为的清晰解释
在检索增强生成 (RAG) 框架的支持下，此类系统可以利用可信的知识源提供有根据且准确的响应。这种方法不仅可以提高答案的可靠性，还有助于降低错误信息等风险。
实施 RAG 系统的部分最佳实践包括确保其来自高质量、特定领域的来源，并定期更新 AI。RAG 的关键优势之余在于其规避幻觉的能力。这些保障措施可确保 AI 仍是大型机学习和支持过程中值得信赖的可靠资源。
AI 助手可帮助用户学习，自动化则赋予其行动能力。通过提供引导式工作流，自动化可以支持新用户高效执行任务，而无需深厚的专业知识。
自动化的优点不仅限于初学者，经验丰富的大型机专业人员也将从中受益。例如，考虑一位经验丰富的系统程序员需要配置很少使用的安全设置。虽然他们可能拥有基础知识，但距离他们上次执行此任务可能已经过去了很多年，需要重新学习系统的步骤、依赖关系和细微差别。
如果没有适当的指导和实践，这个过程可能会非常耗时，有可能导致关键更新延迟并增加出错的可能性。
自动化和 AI 驱动式工具通过提供逐步协助、自动执行重复工作流，以及基于会话式 AI 上下文生成实时建议来弥补这一差距。这类工具既可以帮助新晋开发人员解决新问题，又能支持资深专家重温生疏技能。通过减少错误、提高效率和最大限度地减轻挫败感，自动化可确保大型机专业人员专注于战略性高价值计划。
同样重要的是，自动化解决方案需要能够与组织的现有投资相结合。企业通常依赖成熟的自动化框架和技术，如作业控制语言 (JCL)、重构扩展执行器 (REXX) 和 Ansible，多年来在这些系统上投入了大量资金。为了实现价值最大化并确保采用，自动化必须支持这些基础工具，提供兼容性和无缝集成，而不是要求昂贵的替代品。
AI 解决方案的设计应满足不同用户群体的独特需求，确保每个群体都能从符合其技能水平和目标的定制体验中获得益处。例如：
- 新晋专业人员可以从 AI 引导式实践体验中受益，这些体验侧重于通过执行手动任务来巩固所学知识，确保其在掌握基础概念时建立自信。
- 中级用户可依靠 AI 驱动式自动化来高效处理日常任务，以节省时间并最大限度降低失误风险，同时腾出时间来专注开展更复杂的活动。
- 资深专家可以充分利用 AI 来深入了解高级功能、简化复杂运营，或将其专业知识转化为可复用的自动化资产，赋能整个团队。
创建角色特定的助手可确保 AI 体验与用户的职责和技能水平保持一致。这些专门构建的助手可以解决问题并满足特定的自动化要求，使用户能够通过引人入胜的会话式 AI 体验无缝完成任务，并驾驭复杂流程。
组织可设计不同的 AI 助手，满足各种用户类型的需求。
这些助手通过对任何与大型机相关的问题提供精确的答案来加快入职流程。他们不提供自动化技能，而是提供逐步式指导，使新员工能够手动执行任务、获得实践经验并熟悉大型机。
组织还可以开发一个助手，其中包括与日常任务相关的技能，例如添加用户或更新证书。这些助手可以提高生产力，最大限度地减少错误并减少对经验丰富的专家的依赖。
经验丰富的 IT 专业人员可借助高级助手实现多维度效能提升。该助手可用于澄清有关新产品版本的问题，并掌握相关技能以管理复杂任务。例如，升级到更新的硬件之前，您可以运行报告以确定大型机缺失的维护级别。
通过加速推进这类流程，主题专家可以将更多时间投入于创意任务，包括将其领域专业知识和最佳实践转化为可访问的自动化惠及其他用户，而无需开展大量培训。这种方法可基于其集体经验培育真正的技术“遗产”。
制定 AI 解决方案时，简化开发与维护流程至关重要。随着 AI 系统的持续演进，此类系统应致力于提供支持，同时尽量减少部署中的新增复杂性。实现这一目标需要 AI 系统具备直观性、与现有工具的互操作性，以及适应不同用例的灵活性。因此，自动化优势可覆盖所有用户群体并实现持续受益。
下面介绍几种方法。
用于楼宇自动化的低代码平台
低代码平台允许领域专家创建、修改和发布自动化资产，而无需丰富的编程知识。然后，可以将这些资产整合到 AI 助手中，提供给更广泛的用户群。
例如，Ansible、JCL 或 REXX 中现有的自动化脚本可以转化为可重复使用的技能。
可复用的自动化目录
集中式资源库可确保自动化资产易于发掘，同时实现跨团队复用。这种方法不仅可以加速任务执行，还可以促进知识共享和标准化。
由于组织面临的挑战是如何利用日益减少的专业人才库维护关键系统，因此针对大型机环境的 AI 解决方案提供了一条充满希望的前进道路。IBM 通过 IBM® z17 将这一愿景变为现实；IBM z17 是专为企业级 AI 设计的下一代大型机。
z17 配备由 Telum II 处理器和全新 Spyre AI 加速器提供支持的内置 AI 功能，可直接在系统上执行实时 AI 推理。watsonx Code Assistant for Z 和 watsonx Assistant for Z 等 AI 助手和智能体工具则可为开发人员及 IT 团队提供智能支持。此外，与 IBM® Z Operations Unite 的整合可以通过人工智能驱动式事件检测和解决简化运营。
这些工具旨在满足经验丰富的专业人士和平台新用户的需求，有助于弥合技能差距、提高生产力并激发创新。通过将 AI 直接嵌入大型机，IBM 正在帮助实现大型机专业知识的民主化，使其成为一种可再生资源，确保这些系统在未来继续提供价值。