Sztuczna inteligencja w ITSM – przegląd

Sztuczna Inteligencja (AI) szybko przekształca sposób, w jaki organizacje podchodzą do technologii informacyjnych (IT), nie tylko jako narzędzie, ale jako kluczową siłę w usprawnianiu operacji, wzmacnianiu procesu podejmowania decyzji i zapewnianiu wyjątkowych doświadczeń użytkowników. Ta transformacja jest szczególnie widoczna w Zarządzaniu Usługami IT (ITSM), dyscyplinie poświęconej strategii, projektowaniu, dostarczaniu, zarządzaniu, operowaniu i doskonaleniu usług IT w celu zaspokojenia potrzeb zarówno klientów, jak i organizacji.

Gdy firmy dostosowują się do coraz bardziej złożonych ekosystemów cyfrowych, AI wyłania się nie tylko jako trend, ale także jako fundamentalny element w modernizacji ITSM, obejmując organizację, ludzi, informacje, technologie, partnerów, dostawców, a także strumienie wartości i procesy.

AI postrzega, przetwarza i reaguje jak ludzki system nerwowy. Proaktywnie obserwuje i reaktywnie odpowiada w oparciu o wyuczone zachowania – nawyki lub reguły. Tradycyjne ITSM w dużej mierze opierało się na systemach opartych na regułach, deterministycznych. Chociaż skuteczne w ustrukturyzowanych środowiskach, systemy te często zawodzą w dynamicznych warunkach, gdzie kontekst, przewidywanie i uczenie się są niezbędne. AI wzbogaca ITSM, umożliwiając systemom:

• Rozumienie języka naturalnego (poprzez NLP)
• Przewidywanie problemów z usługami zanim wystąpią (analityka predykcyjna)
• Wykrywanie wzorców z masywnych zbiorów danych (uczenie maszynowe)
• Automatyzację złożonego podejmowania decyzji (obliczenia kognitywne)
• Personalizację doświadczeń usługowych (kontekstowe AI)

Od chatbotów rozwiązujących zgłoszenia pierwszego poziomu po silniki predykcyjne rekomendujące okna zmian, AI redefiniuje sposób projektowania, wykorzystywania, wspierania i dostarczania usług.

Sztuczna inteligencja jest różnorodna i składa się z różnych modeli i możliwości. Zrozumienie tych typów pomaga liderom IT w dostosowaniu ludzi, praktyk i narzędzi do celów ITSM.

• AI z Ograniczoną Pamięcią
  • Charakterystyka: Uczy się z przeszłych danych, aby podejmować decyzje.
  • Przykłady zastosowań w ITSM: Przewidywanie trendów incydentów, prognozowanie SLA, modelowanie zachowań użytkowników.
• Uczenie Maszynowe (ML) i Uczenie Głębokie
  • Charakterystyka: Uczy się z ogromnych zbiorów danych, identyfikuje wzorce i poprawia się z czasem.
  • Przykłady zastosowań w ITSM:
    • Zarządzanie Incydentami: Klasyfikacja incydentów na podstawie historycznych ścieżek rozwiązywania.
    • Zarządzanie Problemami: Techniki grupowania do identyfikacji przyczyn źródłowych.
    • Zarządzanie Zmianami: Analiza historycznych wyników do przewidywania sukcesu zmian.
• Przetwarzanie Języka Naturalnego (NLP)
  • Charakterystyka: Rozumie i generuje ludzki język.
  • Przykłady zastosowań w ITSM:
     
    • Zarządzanie Wiedzą (KM): Automatyczne generowanie artykułów z rozwiązanych zgłoszeń.
    • Service Desk: Chatboty rozumiejące intencje użytkowników i odpowiadające trafnie.
    • CCaaS: Analiza wsparcia głosowego i czatowego do oceny nastrojów.
• AI Kognitywna i Generatywna
  • Charakterystyka: Syntetyzuje odpowiedzi i naśladuje ludzkie rozumowanie.
  • Przykłady zastosowań w ITSM:
    • Realizacja Żądań: Dopasowane rozwiązania oparte na profilach użytkowników.
    • Zarządzanie Doświadczeniem: Generowanie proaktywnych spostrzeżeń z danych klientów.
    • Ciągłe Doskonalenie: Oferowanie praktycznych sugestii opartych na analizie trendów.
• AI Agentyczne (Nowe i transformacyjne)
  • Charakterystyka: Autonomiczne zachowanie zorientowane na cele, dynamiczne dostosowywanie strategii, wykazuje predykcyjne/proaktywne uczenie się.
  • Przykłady zastosowań w ITSM:
    • Service Desk: AI agentyczne autonomicznie monitoruje nierozwiązane zgłoszenia, konsultuje się z KM i inicjuje przepływy naprawcze.
    • Zarządzanie Zmianami: Ocenia zmienne środowiskowe, modeluje wyniki i sugeruje terminy przy minimalnym wkładzie człowieka.
    • Zarządzanie Konfiguracją: Stale waliduje integralność danych CI i naprawia niespójności w środowiskach wielochmurowych.
    • CCaaS: Działa jako proaktywny agent cyfrowy, monitorujący zmiany nastrojów i eskalujący problemy przed świadomością człowieka.
    • Zarządzanie Wiedzą: Samokuratoruje bazy wiedzy poprzez wykrywanie degradacji wiedzy i automatyzację aktualizacji.

AI przekształca ITSM w podejście skoncentrowane na usługach i doświadczeniach, przechodząc z reaktywnego na proaktywne, tym samym zwiększając wartość zarówno dla klienta, jak i organizacji. Oto główne korzyści:

• Efektywność operacyjna - AI usprawnia przepływy pracy, automatyzuje powtarzalne zadania i obsługuje incydenty szybciej niż ludzie. Automatyzacja za pomocą AI redukuje błąd ludzki, skraca czas rozwiązywania problemów i obniża koszty operacyjne.
• Ulepszone doświadczenie użytkownika - Chatboty i wirtualni agenci napędzani przez AI zapewniają wsparcie 24/7, rozwiązują typowe problemy natychmiast i personalizują komunikację na podstawie zachowań historycznych i analizy nastrojów.
• Bardziej inteligentne podejmowanie decyzji - AI usprawnia podejmowanie decyzji dzięki analityce czasu rzeczywistego i możliwościom predykcyjnym, umożliwiając bardziej świadome wybory.
• Proaktywne zarządzanie zdarzeniami i incydentami - Uczenie maszynowe może wykrywać wczesne sygnały degradacji systemu i inicjować automatyczne naprawy, przesuwając ITSM od reaktywnego gaszenia pożarów w stronę proaktywnej prewencji.
• Ulepszone zarządzanie wiedzą - AI udoskonala artykuły wiedzy poprzez analizę wzorców użytkowania, opinii użytkowników i trendów wyszukiwania, aby poprawić trafność, strukturę i dostępność.
• Lepsze alokowanie zasobów - AI może prognozować wzorce popytu i kierować decyzjami dotyczącymi obsady lub przydziału zasobów, poprawiając poziom usług w okresach wysokiego ruchu.

AI wspiera i wzmacnia procesy ITSM w wyrazisty i efektywny sposób:

• Zarządzanie incydentami - AI może klasyfikować incydenty, przypisywać priorytety i kierować zgłoszenia na podstawie historycznych trendów i wzorców, umożliwiając bardziej efektywne zarządzanie incydentami. Analityka predykcyjna może przewidywać awarie na podstawie logów systemowych i innych danych. Wirtualni agenci obsługują rutynowe zgłoszenia, pozwalając ludzkim agentom skupić się na bardziej złożonych problemach.
• Zarządzanie problemami - AI przeprowadza analizę przyczyn źródłowych wykorzystując rozpoznawanie wzorców i grupowanie. Identyfikuje powtarzające się problemy zanim staną się poważnymi kwestiami.
• Zarządzanie zmianami - Ocenianie zmian oparte na ryzyku i wspierane przez AI umożliwia mądrzejsze decyzje zatwierdzające. Modele AI oceniają wpływ zmian na systemy, uwzględniając zależności CMDB.
• Zarządzanie zdarzeniami - AI filtruje szum z strumieni zdarzeń w czasie rzeczywistym, wydobywając tylko anomalie wymagające działania. Koreluje zdarzenia między systemami w celu identyfikacji problemów systemowych.
• Realizacja żądań - AI przewiduje typowe żądania użytkowników i automatycznie je realizuje na podstawie roli, lokalizacji i wcześniejszego zachowania. Konwersacyjne AI usprawnia interakcje z katalogiem i procesy zatwierdzania.
• Zarządzanie doświadczeniem - Analiza sentymentu wychwytuje emocjonalny ton w opiniach użytkowników. AI personalizuje ścieżki użytkowników i przewiduje punkty tarcia w doświadczeniu usługowym.
• Ciągłe doskonalenie usług (CSI) - AI dynamicznie analizuje KPI i rekomenduje obszary do usprawnienia usług. Uczenie ze wzmocnieniem dostosowuje modele na podstawie sukcesu lub porażki poprzednich zmian.

Różne role w ITSM doświadczają korzyści z AI na unikalne sposoby. Zrozumienie tego jest kluczowe dla określenia ROI inwestycji w AI. 

• Agenci Service Desk - AI może pomóc zmniejszyć ich obciążenie pracą poprzez automatyczne rozwiązywanie zgłoszeń pierwszego poziomu. Inteligentne rekomendacje i dane kontekstowe umożliwiają agentom bardziej efektywne rozwiązywanie złożonych problemów.
• Menedżerowie IT - AI może dostarczać menedżerom predykcyjne alerty, prognozy wydajności oraz rekomendacje dotyczące optymalizacji.
• Menedżerowie Zmian - AI dostarcza historyczną analizę wpływu i profilowanie ryzyka dla bardziej świadomych decyzji zatwierdzenia.
• Menedżerowie Wiedzy - AI pomaga kuratorować i organizować treści w oparciu o rzeczywiste użytkowanie. Chatboty i narzędzia NLP zwiększają zasięg i wartość baz wiedzy.
• Użytkownicy końcowi - Szybsze, bardziej precyzyjne odpowiedzi poprzez wirtualnych agentów zwiększają satysfakcję. Dostosowane doświadczenia wsparcia budują zaufanie i łagodzą frustrację.
• Kierownictwo i CIO -  AI dopasowuje ITSM do wartości biznesowej poprzez zapewnienie wglądu w koszty usług, ryzyko oraz ROI dla inwestycji technologicznych i decyzji kadrowych.

W miarę jak AI przekształca krajobraz ITSM, znacząco wpływa na siłę roboczą, redefiniując role i umiejętności w zespołach. Organizacje rozpoznające tę zmianę mogą nawigować przez zmiany z empatią i strategicznym wglądem. Aby prosperować w tym nowym środowisku, siła robocza musi kultywować połączenie umiejętności technicznych, analitycznych i interpersonalnych.

Wbrew powszechnym obawom, AI nie ma z natury na celu eliminacji ról ITSM; przeciwnie, wzmacnia je, często przesuwając fokus „w lewo" od powtarzalnych zadań operacyjnych ku strategicznym i opartym na wiedzy obowiązkom.

Zespoły ITSM są w coraz większym stopniu odpowiedzialne za zarządzanie narzędziami zasilanymi AI, w tym chatbotami, platformami AIOps, agentami wirtualnymi i silnikami decyzyjnymi. Płynność zapewnia właściwy nadzór, rozwiązywanie problemów i optymalizację. Ogólnie rzecz biorąc, rozwijane są nowe zestawy umiejętności w celu zwiększenia płynności i wiedzy AI, ułatwiając interakcję i efektywne wykorzystanie systemów AI.

• Zespoły ITSM
  • Analitycy Service Desk przejdą do roli nadzorców AI, nadzorowaniu zachowania botów, udoskonalaniu odpowiedzi NLP i zarządzaniu eskalacjami wymagającymi inteligencji emocjonalnej i osądu.
  • Menedżerowie incydentów powinni przejść od triażu do nadzorowania automatycznej klasyfikacji opartej na AI, kładąc nacisk na korelację doświadczeń i analizę wyników.
  • Menedżerowie problemów współpracują z AI w identyfikacji wzorców i zmniejszaniu zaległości problemów poprzez modelowanie predykcyjne.
  • Menedżerowie wiedzy ewoluują w liderów kuracji, pozwalając AI uczyć się z zbiorowej wiedzy i zorganizowanych treści.
• Przykłady nowych zestawów umiejętności
  • Inżynieria promptów i projektowanie konwersacyjne - Tworzenie precyzyjnych, uwzględniających kontekst promptów i struktur dialogowych dla systemów AI.
  • Interpretacja danych i inteligencja serwisowa - Umiejętność analizowania analityki danych, raportów AI i wzorców serwisowych w celu wspierania podejmowania decyzji.
  • Kuracja wiedzy i nadzór treści AI - Wzbogacanie i zarządzanie wiedzą, która informuje systemy AI, szczególnie w zarządzaniu wiedzą i automatyzacji.
  • Automatyzacja przepływu pracy i orkiestracja - Projektowanie, wdrażanie i ulepszanie przepływów automatyzacji napędzanych przez AI i robotyczną automatyzację procesów (RPA).
  • Etyczny nadzór AI i zarządzanie - Zrozumienie, w jaki sposób systemy AI wymagają nadzoru w celu zapewnienia sprawiedliwości, przejrzystości i odpowiedzialności.
  • Inteligencja emocjonalna i współpraca człowiek-AI - Zapewnienie świadczenia usług zorientowanych na człowieka w miarę jak AI w coraz większym stopniu przejmuje obciążenie pracą.
• Zagrożone zestawy umiejętności
  • Rutynowe rozwiązywanie problemów Tier 1
    • Zadania obejmują resetowanie haseł, problemy z drukarkami, diagnostykę sieci i odblokowywanie kont.
    • Wirtualni agenci zasilani AI, skrypty samoleczące, portale samoobsługowe wykorzystujące przetwarzanie języka naturalnego (NLP) i platformy automatyzacji efektywnie obsługują te zadania na dużą skalę.
    • Przesunięcie umiejętności: Przejście od naprawiania problemów do szkolenia AI i zarządzania wyjątkami.
  • Ręczny triaż i routing biletów
    • Agenci ludzie ręcznie kategoryzują i priorytetyzują bilety.
    • Modele AI mogą automatycznie kategoryzować, priorytetyzować i kierować na podstawie danych historycznych, słów kluczowych, sentymentu i kontekstu. Klasyfikatory incydentów AI, silnik korelacji AIOps
    • Przesunięcie umiejętności: Skupienie na udoskonalaniu procesów AI i obsłudze wyjątków.
  • Statyczne zadania zarządzania wiedzą
    • Obejmuje tagowanie artykułów i pisanie treści bazy wiedzy (KB) od podstaw.
    • Generatywna AI i platformy KM wzbogacone AI teraz tworzą szkice artykułów, kategoryzują tematy i polecają treści użytkownikom w czasie rzeczywistym. Szkice artykułów autorstwa AI, auto-tagowanie przez NLP i semantyczna wyszukiwarka.
    • Przesunięcie umiejętności: Przejście do kuracji i zatwierdzania treści zamiast jej pisania.
  • Reaktywna identyfikacja problemów
    • Obecnie obejmuje to oczekiwanie na incydenty lub zdarzenia sygnalizujące problemy oraz ręczną analizę.
    • AI może proaktywnie identyfikować wzorce i anomalie w logach, metrykach i biletach, nawet zanim ludzie są tego świadomi. Platformy AIOps, silniki analityki predykcyjnej
    • Przesunięcie umiejętności: Przejście do walidacji hipotez i modelowania problemów.
  • Monitorowanie zgodności procesów
    • Ręczne sprawdzanie naruszeń SLA i przestrzegania przepływu pracy.
    • AI może monitorować przepływy pracy w czasie rzeczywistym, wyzwalać wyjątki i analizować wąskie gardła procesów szybciej i dokładniej. Silniki przepływu pracy napędzane AI i boty zgodności
    • Przesunięcie umiejętności: Przejście do projektowania adaptacyjnych procesów i zarządzania governance.
  • Skrypty call center pierwszej linii
    • Zadania obejmują czytanie skryptów i odpowiadanie na podstawowe zapytania.
    • Konwersacyjna AI może zarządzać coraz bardziej złożonymi interakcjami użytkowników w różnych kanałach. Chatboty AI i voice boty, platformy orkiestracji omnichannel.
    • Przesunięcie umiejętności: Skupienie na wsparciu wyższego rzędu i odzyskiwaniu emocjonalnym
  • Ręczne audyty konfiguracji (CMDB)
    • Ręczne porównywanie stanów CI, uzgadnianie inwentarza ręcznie
    • Automatyczne odkrywanie, AIOps i CMDB oparte na technologii kwantowej mogą walidować i auditować konfiguracje w niemal czasie rzeczywistym. Agenci CMDB w czasie rzeczywistym, wykrywanie dryfu AI i alerty
    • Przesunięcie umiejętności: Przejście do analizy wyjątków, modelowania serwisów/CI i ról symulacji stanu przyszłego.

Kadra zarządzania usługami IT (ITSM) ewoluuje, zamiast znikać. Od początków technologii informacyjnej, ta kadra nieustannie dostosowywała się do zmian.

Tak jak rewolucja przemysłowa stworzyła nowe role dzięki automatyzacji mechanicznej, era cyfrowa przekształciła branżę dzięki postępom w oprogramowaniu, przetwarzaniu w chmurze i internecie.

AI nie jest zagrożeniem, lecz katalizatorem wzrostu. Specjaliści ITSM przechodzą od roli operatorów do roli orkiestratorów inteligentnych systemów. Ich wartość będzie definiowana nie przez zamykanie zgłoszeń, ale przez spostrzeżenia, empatię i orkiestrację, które wnoszą do ekosystemu opartego na AI.

Organizacje powinny inwestować w edukację AI, promować praktyczne eksperymenty i postrzegać AI jako partnera strategicznego. Tak jak firmy przyjęły strategię „cloud-first", teraz muszą przyjąć podejście „AI-first", które skupia się na innowacjach, wzroście, operacjach i obsłudze klientów.

W tej erze napędzanej przez AI automatyzacja przekształci role, a specjaliści staną się technologami, analitykami i etykami. Zamiast eliminować miejsca pracy, automatyzacja usunie powtarzalne zadania, podkreślając potrzebę dostosowania umiejętności przez osoby i organizacje. Jako partner strategiczny, AI umożliwia.

Wprowadzenie AI do ITSM wymaga czegoś więcej niż tylko zakupu narzędzia. Wymaga strategicznej zmiany sposobu myślenia, zarządzania i działania. Oto jak się przygotować:

• Ustaw wysokopoziomowe priorytety na podstawie potrzeb biznesowych i opracuj strategiczną mapę drogową, która koncentruje się na zmianach organizacyjnych i kadrowych: informacje i technologie, partnerzy i dostawcy, a także strumienie wartości i praktyki/procesy.
• Zrozumienie Wizji, Misji, Celów, Zadań, Krytycznych Czynników Sukcesu i Kluczowych Wskaźników Wydajności jest niezbędne, wraz z przewodnimi zasadami i wartościami.
• Zrozum luki w możliwościach i zasobach, przeprowadź analizę SWOT i określ wymagania dotyczące czasu wprowadzenia na rynek dla decyzji typu buduj lub kup.

• Przeprowadź ocenę dojrzałości AI, aby zrozumieć obecne możliwości w zakresie automatyzacji, zarządzania danymi, zarządzania wiedzą oraz dojrzałości praktyk/procesów ITSM.
• Ocena dojrzałości powinna być zgodna z Twoją dojrzałością IT Service Management (ITSM). Jeśli masz "niską" dojrzałość ITSM, możesz nie być gotowy na adopcję AI w niektórych obszarach.
• Rozpocznij inicjatywę Organisational Change Management (OCM).

• AI rozwija się dzięki wysokiej jakości danym, informacjom i wiedzy niezbędnym do podejmowania świadomych decyzji. Inwestuj w czyste, uporządkowane i bezpieczne potoki danych oraz hurtownie danych.
• Zapewnij dokładność zarządzania wiedzą i CMDB/CMS, konsekwentną kategoryzację incydentów oraz metryki użytkowania.

• Podziel złożony projekt na możliwe do zarządzania, kolejne etapy, z których każdy ma określone cele, rezultaty i kryteria oceny.
• To podejście poprawia jasność, kontrolę, zarządzanie ryzykiem i zgodność interesariuszy w całym cyklu życia projektu.

• Wybierz projekt pilotażowy, który jest zgodny z celami i gotowością Twojej organizacji.
• Opcje obejmują pilotaże o wysokim wpływie, które skupiają się na złożonych procesach w celu znaczącej transformacji organizacyjnej, lub pilotaże typu „szybkie zwycięstwo", które koncentrują się na konkretnych przypadkach użycia w celu uzyskania natychmiastowych rezultatów o niskim ryzyku.
• Każde podejście oferuje wyraźne korzyści i oba mogą być wartościowe na różnych etapach procesu transformacji.

• Wdrożyć środki mające na celu ograniczenie stronniczości, zapewnienie przejrzystości i promowanie odpowiedzialności, w tym wykorzystanie nadzoru ludzkiego.

• Zintegruj zespoły z ogólną inicjatywą OCM.
• Szkol pracowników w zakresie interakcji z AI i jego wdrażania. Zapewnij ciągłe podnoszenie kwalifikacji w zakresie znajomości AI i zaangażuj pracowników pierwszej linii w optymalizację przepływów pracy, jednocześnie podkreślając wartość ludzkiego osądu.
• Aby przygotować swój zespół na AI w ITSM na przyszłość:
  • Ciągle podnoś kwalifikacje: Zapewnij kursy z zakresu znajomości AI, interpretacji danych i etycznej automatyzacji.
  • Współprojektuj rozwiązania: Zaangażuj pracowników pierwszej linii we wdrażanie AI i optymalizację przepływów pracy.
  • Doceniaj wartość człowieka: Podkreślaj przypadki, w których empatia, osąd i doświadczenie przewyższają AI.
  • Wbuduj pętle sprzężenia zwrotnego AI: Umożliw personelowi zgłaszanie fałszywych alarmów, sugerowanie ulepszeń i wpływanie na zachowanie AI.

• Wybieraj platformy z natywnymi możliwościami AI lub dostępnymi API, zapewniając, że dostawcy priorytetowo traktują wyjaśnialność i bezpieczeństwo w zarządzaniu modelami uczenia maszynowego.

Sztuczna inteligencja to nie tylko przyszłość zarządzania usługami IT (ITSM); jest już obecna. Organizacje, które przyjmą AI, będą przewodzić w doświadczeniu klienta, zwinności operacyjnej i doskonałości usług. Wiele koncepcji omawianych tutaj jest obecnie wdrażanych.

Gdy ITSM ewoluuje od sztywnego zarządzania do dynamicznych ekosystemów opartych na wglądzie, AI łączy ludzi, procesy i platformy. Poprzez wyznaczanie jasnych celów i standardów etycznych oraz wspieranie kultury ciągłego uczenia się, organizacje każdej wielkości mogą wykorzystać transformacyjną moc AI w ITSM. Era inteligentnych usług już nadeszła i będzie się dalej rozwijać.