Le aziende si stanno affrettando ad affrontare le sfide IT e aziendali implementando strategie di AI. Ma le loro roadmap conducono in dozzine di direzioni, in mezzo a una marea di speranze e di annunci. Ci stiamo rapidamente rendendo conto che per mettere in pratica l'IA, compresi l'apprendimento automatico e l'IA generativa, in modo efficace ed efficiente dal punto di vista dei costi, è necessario diagnosticare con precisione i problemi aziendali più profondi.
Sebbene la profondità dei problemi possa variare da un'organizzazione all'altra, le aziende sperimentano un notevole attrito dovuto alle complicazioni della migrazione al cloud e alla costante evoluzione delle tecnologie di base, delle piattaforme e degli strumenti ITSM. Se si va più a fondo, le sfide aziendali includono anche un'ampia mancanza di maturità nell'adozione dell'automazione, del lavoro digitale, dei modelli operativi basati sui sistemi e degli stessi strumenti abilitati all'intelligenza artificiale. Tutto questo è spesso legato alla mancata comprensione dei problemi di processo fondamentali che hanno bloccato le iniziative di trasformazione e accelerazione digitale.
Le aziende possono sentirsi frustrate da scarsi successi misurabili, nonostante i grandi investimenti di tempo e denaro. Il futuro della gestione dei servizi IT dipende dall'esame accurato di questa impasse e dalla messa a punto dell'intelligenza artificiale, guidata dalla supervisione e dalla valutazione umana, per navigare meglio nei processi e ottenere risultati di qualità superiore più rapidamente di quanto non si faccia attualmente.
Le sfide si moltiplicano quando le aziende non riescono a comprendere i problemi dei processi
Quando le organizzazioni non riescono a identificare e comprendere appieno i problemi relativi ai processi aziendali e tecnici, sprecano anche tempo e risorse nel tentativo di identificare e implementare le soluzioni giuste per l'organizzazione, al momento giusto. Sebbene i dirigenti e la direzione abbiano spesso una solida consapevolezza dell'impatto dell'adozione della tecnologia e dei problemi di processo sull'azienda, in genere non hanno visibilità sulle cause alla radice, ad esempio l'aumento vertiginoso della spesa per il cloud, la scarsa gestione dei dati di o l'inefficienza dei flussi di lavoro e degli strumenti.
La mancanza di "pulizia" dei processi e delle procedure è responsabile di gran parte dell'inefficienza e del rumore. Questa cattiva igiene può manifestarsi come una mancanza di disciplina nelle organizzazioni per la registrazione dei ticket per ogni problema gestito, per l'acquisizione di dettagli adeguati relativi al problema nei ticket e per l'acquisizione di note di lavoro e note di risoluzione adeguate. Questi dettagli apparentemente piccoli possono compromettere la salute dei sistemi aziendali e gli obiettivi aziendali più ampi. Si tratta di una manifestazione dell'"effetto anguria" sul lavoro: tutto può sembrare verde all'esterno, ma i problemi emergono in rosso quando si taglia in profondità. Intenzionalmente o meno, una valutazione sana può essere trasmessa ai livelli superiori della gestione e al pubblico, mentre il marcio sta prendendo piede nel profondo del sistema.
Inoltre, molte organizzazioni si concentrano su KPI di livello operativo piuttosto che su KPI di livello aziendale, il che significa che l'ago della bilancia potrebbe non spostarsi verso una migliore performance aziendale. Le organizzazioni possono anche soffrire a causa di competenze tecniche, competenze di dominio e personale inadeguati rispetto alle capacità. Le conoscenze non documentate e "tribali" bloccate dagli addetti ai lavori all'interno dell'organizzazione contribuiscono a creare approcci e soluzioni informatiche che impediscono di raggiungere gli obiettivi aziendali.
Tra gli altri fattori che possono trascinare le aziende, ci sono le inefficienze dei modelli ibridi o di lavoro da casa, il continuo inasprimento degli standard di conformità e normativi e la mancanza di unità e chiarezza all'interno dell'organizzazione nella strategia di crescita e modernizzazione a lungo termine.
AI: estrarre l'intelligenza e risolvere i problemi per ottimizzare i servizi
L'IA generativa, l'apprendimento automatico, l'elaborazione del linguaggio naturale (NLP) e altre forme di IA possono essere di grande aiuto nel rivelare, semplificare e risolvere questi punti dolenti. L'IA può aiutare a estrarre l'intelligenza che può essere utilizzata per eliminare i problemi legati ai processi, all'adozione della tecnologia, al rispetto dei KPI aziendali e all'aumento della produttività dei team.
In particolare, nell'ambito dell'ITSM, l'intelligenza artificiale generativa può portare a risultati positivi affrontando contesti storici e problemi in tempo reale. Può aiutare gli umani a identificare tendenze e schemi, a formulare intuizioni, a determinare fasi di processo migliori e persino a generare riepiloghi di incidenti ed eventi in relazione alle esigenze dell'infrastruttura e dei clienti. L'intelligenza artificiale è in grado di riassumere rapidamente il triage degli incidenti e di generare risoluzioni generali implementate recuperando direttamente gli input dalle catene di posta elettronica, se necessario. Gli esseri umani possono quindi esaminare i riepiloghi generati dall'intelligenza artificiale e intraprendere azioni correttive che fanno risparmiare tempo e denaro all'organizzazione. Queste informazioni complete sui ticket e sui problemi dei sistemi possono fornire chiarezza sulla natura, l'impatto e il volume dei problemi che l'organizzazione deve affrontare. Questi dati aiutano a dare priorità agli sforzi di automazione e risoluzione.
Migliore configurazione, previsione proattiva e riduzione del gap di competenze
Inoltre, l'IA predittiva, l'IA di piattaforma, l'NLP e l'IA nella Site Reliability Engineering (SRE) possono essere utilizzate per assistere un'ampia gamma di attività ITSM per definire i processi e la metodologia delle operazioni. Ad esempio, consumando metriche, log e tracce, l'AI può migliorare le sue capacità predittive, aiutando un'organizzazione a prevenire gli incidenti prima che si verifichino. Con i dati unici di un'organizzazione, l'intelligenza artificiale può essere addestrata a distinguere tra positivi, falsi positivi e negativi. Può aiutare nella correlazione degli eventi tra gli incidenti storici e scoprire modelli, volumi e metriche di impatto, che in seguito saranno abbinati a metriche in tempo reale per prevedere in modo proattivo gli incidenti.
L'IaC (infrastructure-as-code) e il CasC (configuration-as-code) guidati dall'intelligenza artificiale possono contribuire a semplificare e standardizzare il provisioning e la manutenzione dell'infrastruttura, riducendo l'onere per l'uomo. L'intelligenza artificiale può anche aiutare a prevedere l'impatto delle modifiche alla configurazione e ad automatizzare l'ottimizzazione della configurazione, riducendo così gli sforzi di gestione. Inoltre, gli strumenti di intelligenza artificiale possono aggregare il miglior materiale di riferimento e fornirlo ai team giusti, riducendo le lacune di competenze laddove è più necessario.
Non da ultimo, l'intelligenza artificiale può aiutare a riunire le persone che lavorano sullo stesso problema in diversi silos organizzativi. Può far emergere i problemi legati ai processi in questi silos e nei team. Può unire “artificialmente” servizi isolati tra i vari team per ottenere una visione più completa dello stato di salute generale dei servizi e dei sistemi IT, contribuendo al contempo a ridurre i costi eliminando le risorse inattive, il lavoro duplicato e l'over-provisioning
Guardare avanti
Nell'ITSM, l'AI avrà un impatto profondo e a lungo termine. Contribuirà a colmare le lacune di talento nella forza lavoro globale e, nei prossimi cinque-dieci anni, assisteremo a un uso crescente del lavoro digitale e a un cambiamento significativo nel modo in cui il lavoro umano viene riscosso.
Con la maturazione dell'IA, diventerà in grado di risolvere problemi sempre più complessi e di identificare in modo più completo e indipendente le cause alla radice dei problemi tecnici e di processo nelle aziende. L'analisi predittiva faciliterà la manutenzione proattiva e preventiva dei sistemi. I motori di intelligenza artificiale specifici per il settore, addestrati per domini particolari, avranno sempre più la capacità di apprendere e adattarsi rapidamente o quasi istantaneamente alle esigenze delle organizzazioni in cui vengono impiegati, riducendo al minimo la curva di maturità. Tutto questo ridurrà i tempi di inattività dei sistemi, migliorando al contempo la stabilità e la sicurezza del panorama IT aziendale.
Anche la prossima generazione di professionisti IT sarà interessata e, per rafforzare la propria carriera, dovrà prepararsi a un periodo di transizione. Lo sviluppo di una comprensione del panorama IT e di come utilizzare, confermare, misurare e migliorare l'efficacia dei motori AI all'interno delle organizzazioni diventerà fondamentale. Una parte fondamentale del loro lavoro consisterà nell'addestrare i motori di IA e nel tenere conto degli ultimi miglioramenti, mentre strategizzano i risultati dell'IA per il business.
In questo momento, i leader aziendali che cercano di capire l'intersezione tra l'IA e la gestione dei servizi IT devono definire le strategie e le tempistiche più efficaci sul perché e sul come implementare l'IA. Avere le giuste soluzioni di IA, sapere come i motori di IA possono essere adottati in modo efficace in tutta l'organizzazione per ottenere il miglior ROI e assicurarsi i giusti talenti e partner per costruire e gestire l'IA sono tutti compiti in salita. A lungo termine ne vale la pena, grazie all'efficienza dei costi e ai miglioramenti delle prestazioni che l'IA può garantire su scala.
