对于大多数数据中心管理者来说，最优先考虑的是优化运营以满足峰值需求。然而，无论他们计划和准备得多么仔细，需求的高峰和低谷往往仍在他们的控制之外。商业咨询和咨询公司凯捷北美公司(CapgeminiNorthAmerica)的人工智能工程副总裁古瑟姆·贝利亚帕(Gouthambelliaappa)表示：“人工智能能带来的独特改进在于，它能理解工作量模式，并将这些需求与数据中心的容量匹配起来。”

　　人工智能管理承诺将数据中心团队从一系列平凡、重复的任务中解放出来，包括服务器管理；安全设置；计算、内存和存储优化；负载平衡；还有电力和冷却分配。科技市场咨询公司ABIResearch分析师LianJyeSu表示：“所有这些工作都可以通过人工智能实现自动化或增强。”

　　IT管理软件开发公司ManageEngine的人工智能和机器学习产品总监RamprakashRamamoorthy表示，人工智能可以帮助分析从单个机器收集的数据，并发现被监控参数中的异常。他补充说：“人工智能还可以帮助更早地预测故障和中断，这可以帮助数据中心管理团队减少停机时间，并使集群保持良好的运行状态。”“人工智能还可以实现更好的温度和电压管理，从而直接降低运营成本，并有助于减少碳足迹。”

　　Ramamoorthy说，虽然可以使用各种人工智能方法，但工作负荷管理工具应该始终确保模型预测是完全可解释的。他解释说：“与其他领域相比，数据中心工作量管理中的人工智能系统做出的决定往往由一个或多个团队共同作出。”因此，AI模型决策应该是可解释的，允许IT团队更好地理解模型决策的意图并相应地采取行动。他指出：“人工智能模型的准确率最多可以达到80%到85%，所以这也有助于人类团队通过正确解释人工智能模型的决策来做出明智的决策。”如果人工智能模型能够给它所给出的决策一个信心评分，那么它对于有效的工作量管理也将是有用的。

　　人工智能和机器学习开发公司Tanjo的联合创始人兼执行官理查德•博伊德(RichardBoyd)表示，随着人工智能和机器学习工具的普及，各组织都认识到，只有当人类智能与这些技术合作而不是竞争时，才能取得最好的结果。他表示：“机器在很多方面都无法取代人类，但在某些领域，机器肯定比人类好得多。”“一旦人工智能和机器学习流行起来，工人们适应了这种新的合作关系，人们的看法就会改变。”

　　DellTechnologies的AI战略主管BronsLarson表示，数据中心可以利用AI/ML来提高性能，并优化配置和部署。“AI/ML支持动态编排资源与工作负载，以优化资源利用，更好地管理成本，”他说。拉尔森补充说，所有的人工智能解决方案，无论是应用程序还是供应商，都需要专业知识来正确配置和优化价值。“首先要正确捕获和评估数据，以便训练和测试，并管理部署的模型，防止漂移和偏差。”

　　此外，基于规则的AI可以通过智能策略控制和预定义配置帮助自动化资源优化和遵从。Su指出：“通过从日常运营中收集的数据，基于机器学习的人工智能可以进一步增强数据中心运营的其他方面，这些方面以前需要深入的领域专业知识。”他说：“例如，数据中心的安全可以通过自我学习的威胁检测和监控算法来加强。”“通过将所需资源引导到正确的方向，可以优化负载平衡、电力和冷却分配功能。”

　　人工智能还可以简化数据管理。卡瓦诺说：“企业越来越多地发现自己被与关键利益相关者有关的大量数据所包围。”“使用人工智能，组织可以确保这些大量数据得到有效和准确的管理。”在人工智能的帮助下，团队可以比以往任何时候都更快、更准确地执行任务，比如数据质量分析或提取数据以进行预测。卡瓦诺说：“这对组织来说至关重要，因为他们需要最准确的数据来做出明智的决定。”