你可以想象欣快感会多么快地变成绝望。为了防止这种情况，我们建议采用分步方法，从简单场景开始到复杂场景：
间件组件 - 例如，这包括应用程序服务器。通常，大型、昂贵的软件可以被更精简、系统开放性更强的解决方案所取代，从而带来许多优势。
中等：基于 EASY 版本构建或根据定义的 DevOps 承诺，还可以替换多个中间件组件。顺便说一句，这也可以想象为直接场景。
复杂：在此变体中，整个应用程序都转移到 DevOps 平台。例如，在此阶段，除了提到的组件之外，还迁移数据库。
DevOps 关键信息
迄今为止在 DevOps 背景下所做的陈述可以总结为几个关键信息。每家公司都必须在转型之前（甚至在使用 DevOps 之前）制定并定义自己的 DevOps 策略。 DevOps 未来不会取代传统 IT，但会在某些领域提供额外的替代方案。
只有真正理解这种综合方法并在所有管理层中实际实施和永久支持，DevOps 才能显着提高 IT 的创新能力。公司管理层可以利用这种额外的创新优势更好、更快地满足核心业务领域不断增长和变化的需求。
DevOps@工作 第 1 部分建筑师建造房屋，工程师建造机器，IT 专家 牙科电子邮件列表 建造软件。这种软件构建的理念包含了很多IT专家的自我形象。专家们依赖于已经建立了数年或数十年的程序、模板或蓝图。久经考验的标准与项目组织经验的结合确保了过程的可靠性。软件项目有时也会失控并超出指定的预算或时间限制。在极端情况下，它们根本不会产生预期的结果。但这更多的是证明规则的例外。
人工智能应用程序现在正在进入公司的 IT 领域。负责人启动项目来测试新的可能性。与经典解决方案相比的关键区别：专家基于数据开发应用程序。无论是个人数据、使用数据、环境数据、销售数据、生产数据还是机器数据：这些都是人工智能应用程序的来源。目的是识别数据中的联系或自动对大量数据进行分类。
与媒体中的一些描述相反，这些解决方案并不是自行开发的，它们是精心设计和实施的项目的结果。与传统 IT 解决方案相比，开发基于数据的应用程序需要不同的项目结构和相关人员不同的专业知识。注意这些差异对于成功至关重要。
所有关于人工智能潜力的欣喜——这在很大程度上当然是合理的——绝不能掩盖我们对它的看法。专家还需要开发、构建、测试、实施和调整此类系统。为了让人工智能发挥作用，我们人类必须继续使用我们自己的思想——我们必须工作。
“构建基于人工智能的系统”是我们对人工智能开发过程的这些特殊性的回答。这背后是一个包含角色、阶段和职责的流程模型。这种方法可以确保相关人员尽早了解人工智能应用程序是否合适。他构建了整个流程，并支持团队将人工智能系统集成到经典信息和网络物理系统的背景中。
AI应用蓝图
流程模型将开发过程最多分为六个流程步骤：从一开始对现有数据的详细检查，到需求的制定和模型开发集成，再到持续运行。使用线性序列以便于可视化和描述。在项目实践中，开发团队不会选择直线路径，而是选择适合其项目的路径。