「用 Excel 管 Alert、出事再去翻 Kibana」——如果這聽起來很熟悉，這場演講就是為你準備的。

即時 AI on-call 門檻高、控制困難，事後分析才是導入 AI 的務實第一步。

本場演講分享我如何用 6 個月時間，從這樣的原始狀態，逐步打造出 AI 驅動的 Alert 事後分析系統。但真正耗時的，往往不是技術——而是團隊協作。

不同團隊維護的服務性質不同，對 Alert 該呈現哪些資訊、怎麼分類，想法截然不同——太少沒有判斷依據，太多等於沒有過濾，只能反覆收斂，逐步定案。

每次迭代都不是事先規劃好的，而是在日常使用中發現痛點後的自然演進。

演講中會分享每次改了什麼、為什麼改、踩過什麼坑，以及從「工程師不看的報告」如何進化成「每天必看的洞察」。

聽眾收穫：

適合對 AIOps、AI 輔助開發流程有興趣的工程師與技術主管。

聽眾將學到：

• 導入 AI 分析不需要從即時處理開始，事後批次分析是低風險、高回報的起點
• 如何用迭代的方式演進工具設計，而非一次到位
• 讓 AI 產出的報告從「沒人看」變成「每天必看」的關鍵設計決策
• 跨團隊的共識與資訊定義，如何在多方需求不同、甚至尚未明確的情況下收斂決策
• 多 Agent 協作系統的實務經驗：跨群組路由、重複檢測、會議模式