BMC年度大型主机调查揭示了AI在大型主机环境中不断演变的角色。
根据2026年BMC大型主机调查，大型主机专业人员正越来越多地从实验性探索转向实际应用，对利用AI获取系统洞察、接受操作建议的接受度持续提升。生成式AI工具的使用率明显上升，45%的受访者将AI技术落地列为首要任务。本次调查面向全球超过1300名大型主机从业者和决策者。
BMC智能Z优化与转型业务高级副总裁兼总经理约翰·麦肯尼表示："我们正目睹一个重大转变——各组织已从'如何使用AI'转向'在哪里可以信任AI、如何治理AI，以及AI在哪里能带来可量化的价值'。越来越清晰的是，AI在大型主机上获得更大自主权的道路，将依靠信任来铺就，同时保留人工监督和执行AI建议的选项。"
报告指出，经过大量讨论、规划和投入，大型主机领域正在从"AI热情"迈向"务实落地"：AI已从试验阶段进入战略规划阶段，各组织的态度趋于实用主义。这种务实态度体现在组织当前愿意赋予AI的职责范围——在最初的兴奋与热炒之后，大型主机领域的管理层正逐渐转向谨慎的现实主义，将AI定位为顾问而非执行者。简言之，AI尚未赢得大型主机世界的全面信任，"人工介入"模式因此成为主流。
在大型主机上应用AI时，实施AI驱动解决方案的四大顾虑依次为：高昂的实施成本（41%）、安全与隐私问题（39%）、数据集成挑战（37%）以及监管与合规方面的担忧（22%）。
数字证书管理是许多组织仍有较大提升空间的领域。报告指出，随着AI工具和智能体的应用持续增加，对数字证书的需求量将急剧攀升，续期频率也将更高，人工管理方式难以应对这一规模，自研自动化方案的局限性也将逐渐暴露。
报告还披露了以下几项值得关注的发现：
数据安全保障
各组织高度重视将AI安全有效地连接至其数据，"数据集成问题"在AI落地顾虑中高居第三，"现代化数据管理"则是第三大重要的AIOps能力需求。数据恢复是唯一出现明显变化的优先事项，有35%的受访者将其列出，较上年上升4个百分点。
智能体AI加速布局
领先企业计划在未来两年将AI投资重点集中于AIOps、应用开发和知识传承。智能体化大型主机管理同样跻身核心投资方向，40%的领先企业计划投资构建用于主机管理的智能体，36%计划引入第三方智能体。
AIOps的价值兑现周期
在已部署AIOps的受访者中，68%（在AIOps用户中这一比例达74%）表示在一年内即可看到投资回报。故障根因定位与解决方案制定仍是大型主机运维的首要挑战，而生成式AI的应用恰好能直接应对这些难题。在优先布局AI技术的领先企业中，58%将部署生成式AI解决方案列为最重要的AIOps能力。
生成式AI辅助工具的应用
基于规则的逻辑结合AI与机器学习已改善了问题检测能力，甚至实现了服务影响前的主动修复，但运维团队仍需自行判断根本原因并寻找解决方案。生成式AI辅助工具的引入为运维人员提供了情境化建议，明确指引下一步行动。这类工具通过整合历史问题解决方案、技术文档及组织知识，以自然语言给出操作建议，无论运维人员经验深浅，均能获得清晰的指导。
AI助力知识传承
AI并非取代师徒传承或实践经验，而是让两者都变得更加高效。结合导师制和自动化，AI帮助经验较少的主机工程师建立行动信心，并积累历史解决方案作为参考。40%的受访者已将AI用于文档整理与知识传承，而在优先关注人才培养、正在积极招聘和培训员工的受访者中，49%选择借助AI助手来满足相关需求。
Q&A
Q1：BMC大型主机调查显示，企业目前最信任AI做哪些事情？
A：根据2026年BMC大型主机调查，企业目前主要将AI定位为"顾问"而非"执行者"。AI被用于提供系统洞察、推荐操作步骤，以及辅助故障根因分析。组织普遍采用"人工介入"模式，即AI给出建议，由人工审核后再决定是否执行，AI尚未获得全面的自主执行权限。
Q2：实施大型主机AI方案时，企业最担心哪些问题？
A：调查显示，企业在落地大型主机AI解决方案时面临四大顾虑：一是高昂的实施成本，有41%的受访者提及；二是安全与隐私问题，占39%；三是数据集成挑战，占37%；四是监管与合规方面的担忧，占22%。其中成本和安全是最主要的障碍，企业在推进AI部署时需在收益与这些风险之间做出权衡。
Q3：AIOps在大型主机上的投资回报周期通常是多久？
A：根据报告，在已部署AIOps的受访者中，68%表示能在一年内看到投资价值；若聚焦于实际使用AIOps的用户群体，这一比例更高达74%。这表明大型主机AIOps的价值兑现相对较快，尤其在提升故障排查效率、缩短问题解决时间方面效果显著。
