Sztuczna inteligencja w ITSM – przegląd

Sztuczna inteligencja (AI) szybko zmienia podejście organizacji do technologii informacyjnych (IT) – nie tylko jako narzędzie, lecz jako kluczowa siła napędowa usprawniająca operacje, wspomagająca podejmowanie decyzji i zapewniająca wyjątkowe doświadczenia użytkowników. Ta transformacja jest szczególnie widoczna w zarządzaniu usługami IT (ITSM) – dziedzinie poświęconej strategii, projektowaniu, dostarczaniu, zarządzaniu, eksploatacji i doskonaleniu usług IT w celu zaspokojenia potrzeb zarówno klientów, jak i organizacji.

W miarę jak firmy dostosowują się do coraz bardziej złożonych ekosystemów cyfrowych, AI jawi się nie tylko jako trend, lecz także jako fundamentalny element modernizacji ITSM, obejmującego organizację, ludzi, informacje, technologię, partnerów, dostawców, a także strumienie wartości i procesy.

Sztuczna inteligencja wykrywa, przetwarza i reaguje podobnie jak ludzki układ nerwowy. Proaktywnie monitoruje sytuację i reaktywnie odpowiada na zdarzenia w oparciu o wyuczone wzorce zachowań – nawyki lub reguły. Tradycyjne podejście do ITSM w dużej mierze opierało się na deterministycznych systemach regułowych. Choć sprawdzają się one w uporządkowanych środowiskach, często zawodzą w dynamicznych warunkach, gdzie kluczowe znaczenie mają kontekst, przewidywanie i uczenie się. AI wzmacnia ITSM, umożliwiając systemom:

• Rozumienie języka naturalnego (za pośrednictwem NLP)
• Przewidywanie problemów z usługami, zanim jeszcze wystąpią (analityka predykcyjna)
• Wykrywanie wzorców w ogromnych zbiorach danych (uczenie maszynowe)
• Automatyzację złożonych procesów decyzyjnych (informatyka kognitywna)
• Personalizację doświadczeń związanych z usługami (kontekstowa AI)

Od chatbotów rozwiązujących zgłoszenia pierwszej linii wsparcia po silniki predykcyjne rekomendujące okna zmian – AI na nowo definiuje sposób projektowania, konsumowania, wspierania i dostarczania usług.

Sztuczna inteligencja jest różnorodna – składa się z wielu modeli i możliwości. Zrozumienie tych typów pomaga liderom IT dopasować ludzi, procesy i narzędzia do celów ITSM.

• AI z ograniczoną pamięcią
  • Charakterystyka: Uczy się na podstawie danych historycznych, aby podejmować decyzje.
  • Przykłady zastosowań w ITSM: Prognozowanie trendów w incydentach, prognozowanie SLA, modelowanie zachowań użytkowników.
• Machine Learning (ML) i Deep Learning
  • Charakterystyka: Uczy się na ogromnych zbiorach danych, identyfikuje wzorce i doskonali się z biegiem czasu.
  • Przykłady zastosowań w ITSM:
    • Zarządzanie incydentami: Klasyfikowanie incydentów na podstawie historycznych ścieżek rozwiązań.
    • Zarządzanie problemami: Techniki grupowania do identyfikacji przyczyn źródłowych.
    • Zarządzanie zmianami: Analiza historycznych wyników w celu prognozowania powodzenia zmian.
• Przetwarzanie języka naturalnego (NLP)
  • Charakterystyka: Rozumie i generuje język ludzki.
  • Przykłady zastosowań w ITSM:
     
    • Zarządzanie wiedzą (KM): Automatyczne generowanie artykułów na podstawie rozwiązanych zgłoszeń.
    • Service Desk: Chatboty rozumiejące intencje użytkownika i odpowiadające trafnie na zapytania.
    • CCaaS: Analiza rozmów głosowych i czatów w celu oceny nastrojów.
• AI kognitywna i generatywna
  • Charakterystyka: Syntetyzuje odpowiedzi i naśladuje ludzkie rozumowanie.
  • Przykłady zastosowań w ITSM:
    • Realizacja wniosków: Rozwiązania dopasowane do profili użytkowników.
    • Zarządzanie doświadczeniem: Generowanie proaktywnych wniosków na podstawie danych klientów.
    • Ciągłe doskonalenie: Dostarczanie praktycznych sugestii na podstawie analizy trendów.
• Agentowa AI (technologia wyłaniająca się i transformacyjna)
  • Charakterystyka: Autonomiczne działanie zorientowane na cel, dynamiczne dostosowywanie strategii, predykcyjne i proaktywne uczenie się.
  • Przykłady zastosowań w ITSM:
    • Service Desk: Agentowa AI autonomicznie monitoruje nierozwiązane zgłoszenia, korzysta z bazy wiedzy (KM) i inicjuje przepływy pracy naprawczej.
    • Zarządzanie zmianami: Ocenia zmienne środowiskowe, modeluje wyniki i sugeruje terminy przy minimalnym udziale człowieka.
    • Zarządzanie konfiguracją: Stale weryfikuje integralność danych CI i usuwa niespójności w środowiskach wielochmurowych.
    • CCaaS: Działa jako proaktywny agent cyfrowy, monitorując zmiany nastrojów i eskalując problemy, zanim zostaną zauważone przez człowieka.
    • Zarządzanie wiedzą: Samodzielnie zarządza bazami wiedzy, wykrywając jej dezaktualizację i automatyzując aktualizacje.

AI przekształca ITSM w podejście zorientowane na usługi i doświadczenia użytkownika, przechodząc od reaktywnego do proaktywnego modelu działania, co zwiększa wartość zarówno dla klientów, jak i dla organizacji. Oto kluczowe korzyści:

• Efektywność operacyjna - AI usprawnia przepływy pracy, automatyzuje powtarzalne zadania i obsługuje incydenty szybciej niż ludzie. Automatyzacja za pomocą AI redukuje błędy ludzkie, skraca czas rozwiązywania problemów i obniża koszty operacyjne.
• Lepsze doświadczenie użytkownika - Chatboty i wirtualni asystenci napędzani przez AI zapewniają wsparcie 24/7, natychmiast rozwiązują typowe problemy i personalizują komunikację na podstawie historii zachowań oraz analizy nastrojów.
• Inteligentniejsze podejmowanie decyzji - AI wzbogaca proces decyzyjny o analizę w czasie rzeczywistym i możliwości predykcyjne, umożliwiając podejmowanie bardziej świadomych decyzji.
• Proaktywne zarządzanie zdarzeniami i incydentami - Uczenie maszynowe potrafi wykrywać wczesne sygnały degradacji systemu i inicjować automatyczne działania naprawcze, przenosząc ITSM z reaktywnego gaszenia pożarów do proaktywnego zapobiegania.
• Lepsze zarządzanie wiedzą - AI doskonali artykuły w bazie wiedzy, analizując wzorce użytkowania, opinie użytkowników i trendy wyszukiwania, aby poprawić ich trafność, strukturę i dostępność.
• Lepsza alokacja zasobów - AI może prognozować wzorce zapotrzebowania i wspierać decyzje dotyczące obsady stanowisk oraz przydziału zasobów, poprawiając poziom usług w okresach wzmożonego ruchu.

AI wspiera i usprawnia procesy ITSM na różne, znaczące sposoby:

• Zarządzanie incydentami - AI może klasyfikować incydenty, nadawać im priorytety i kierować zgłoszenia na podstawie historycznych trendów i wzorców, co pozwala na efektywniejsze zarządzanie incydentami. Analityka predykcyjna umożliwia przewidywanie awarii na podstawie logów systemowych i innych danych. Wirtualni asystenci obsługują rutynowe zgłoszenia, dzięki czemu ludzcy agenci mogą skupić się na bardziej złożonych problemach.
• Zarządzanie problemami - AI przeprowadza analizę przyczyn źródłowych, wykorzystując rozpoznawanie wzorców i klastrowanie. Identyfikuje powtarzające się problemy, zanim przerodzą się w poważne awarie.
• Zarządzanie zmianami - Ocena ryzyka zmian wspierana przez AI umożliwia podejmowanie trafniejszych decyzji zatwierdzających. Modele AI oceniają wpływ zmian na systemy, uwzględniając zależności w CMDB.
• Zarządzanie zdarzeniami - AI filtruje szum z strumieni zdarzeń w czasie rzeczywistym, wyodrębniając jedynie te anomalie, które wymagają podjęcia działań. Koreluje zdarzenia między systemami w celu identyfikacji problemów systemowych.
• Realizacja wniosków - AI przewiduje typowe żądania użytkowników i automatycznie je realizuje na podstawie roli, lokalizacji i wcześniejszych zachowań. Konwersacyjna AI usprawnia interakcje z katalogiem usług oraz procesy zatwierdzania.
• Zarządzanie doświadczeniem - Analiza sentymentu pozwala uchwycić wydźwięk emocjonalny opinii użytkowników. AI personalizuje ścieżki użytkowników i przewiduje punkty tarcia w doświadczeniu związanym z korzystaniem z usług.
• Ciągłe doskonalenie usług (CSI) - AI dynamicznie analizuje KPI i wskazuje obszary wymagające usprawnień. Uczenie przez wzmacnianie dostosowuje modele na podstawie sukcesu lub niepowodzenia wcześniejszych zmian.

Różne role w ITSM odczuwają korzyści płynące ze sztucznej inteligencji na swój niepowtarzalny sposób. Zrozumienie tego jest kluczowe dla określenia zwrotu z inwestycji w AI.

• Agenci Service Desk - AI może pomóc w zmniejszeniu ich obciążenia pracą poprzez automatyczne rozwiązywanie zgłoszeń pierwszego poziomu. Inteligentne rekomendacje i dane kontekstowe umożliwiają agentom sprawniejsze radzenie sobie ze złożonymi problemami.
• Menedżerowie IT - AI może dostarczać menedżerom alertów predykcyjnych, prognoz pojemności oraz rekomendacji dotyczących optymalizacji.
• Menedżerowie ds. zmian - AI dostarcza historycznej analizy wpływu i profilowania ryzyka, wspierając podejmowanie bardziej świadomych decyzji zatwierdzających.
• Menedżerowie wiedzy - AI pomaga w gromadzeniu i porządkowaniu treści na podstawie rzeczywistego użytkowania. Chatboty i narzędzia NLP zwiększają zasięg i wartość baz wiedzy.
• Użytkownicy końcowi - Szybsze i dokładniejsze odpowiedzi udzielane przez wirtualnych agentów zwiększają satysfakcję. Spersonalizowane doświadczenia wsparcia budują zaufanie i ograniczają frustrację.
• Kadra kierownicza i CIO -  AI dostosowuje ITSM do wartości biznesowej, zapewniając wgląd w koszty usług, ryzyka oraz ROI inwestycji technologicznych i decyzji kadrowych.

Gdy AI przekształca krajobraz ITSM, znacząco wpływa na ludzką siłę roboczą, na nowo definiując role i umiejętności w zespołach. Organizacje, które dostrzegają tę zmianę, mogą przechodzić przez nią z empatią i strategicznym wyczuciem. Aby prosperować w tym nowym środowisku, pracownicy muszą rozwijać połączenie kompetencji technicznych, analitycznych i interpersonalnych.

Wbrew powszechnym obawom, AI nie dąży z natury do wyeliminowania ról w ITSM – wręcz przeciwnie, wzbogaca je, często przesuwając punkt ciężkości „w lewo": od powtarzalnych zadań operacyjnych ku obowiązkom o charakterze strategicznym i opartym na wiedzy.

Zespoły ITSM są w coraz większym stopniu odpowiedzialne za zarządzanie narzędziami opartymi na AI, w tym chatbotami, platformami AIOps, wirtualnymi agentami i silnikami decyzyjnymi. Biegłość w tym zakresie zapewnia właściwy nadzór, rozwiązywanie problemów i optymalizację. Ogólnie rzecz biorąc, rozwijane są nowe zestawy kompetencji służące budowaniu płynności i znajomości AI, co ułatwia interakcję z systemami sztucznej inteligencji i ich efektywne wykorzystanie.

• Zespoły ITSM
  • Analitycy Service Desk będą przechodzić w rolę nadzorców AI – monitorując zachowanie botów, dopracowując odpowiedzi NLP oraz zarządzając eskalacjami wymagającymi inteligencji emocjonalnej i trafnej oceny sytuacji.
  • Menedżerowie ds. incydentów powinni przejść od triażu do nadzorowania automatycznej klasyfikacji opartej na AI, z naciskiem na korelację doświadczeń i analizę wyników.
  • Menedżerowie ds. problemów współpracują z AI w celu identyfikowania wzorców i redukcji zaległości w obszarze problemów za pomocą modelowania predykcyjnego.
  • Menedżerowie ds. wiedzy ewoluują w liderów kuracji treści, umożliwiając AI uczenie się na podstawie zbiorowej wiedzy i usystematyzowanych zasobów.
• Przykłady nowych zestawów kompetencji
  • Inżynieria promptów i projektowanie konwersacji – Tworzenie precyzyjnych, uwzględniających kontekst promptów oraz struktur dialogowych dla systemów AI.
  • Interpretacja danych i intelligence usługowy – Zdolność do analizowania danych analitycznych, raportów AI i wzorców usługowych w celu wspierania podejmowania decyzji.
  • Kuracja wiedzy i nadzór nad treściami AI – Wzbogacanie i zarządzanie wiedzą zasilającą systemy AI, w szczególności w obszarze zarządzania wiedzą i automatyzacji.
  • Automatyzacja procesów i orkiestracja – Projektowanie, wdrażanie i doskonalenie przepływów automatyzacji opartych na AI i robotycznej automatyzacji procesów (RPA).
  • Etyczny nadzór nad AI i ład korporacyjny – Rozumienie, w jaki sposób systemy AI wymagają nadzoru w celu zapewnienia sprawiedliwości, przejrzystości i odpowiedzialności.
  • Inteligencja emocjonalna i współpraca człowieka z AI – Zapewnienie świadczenia usług skoncentrowanych na człowieku w miarę jak AI przejmuje coraz więcej zadań.
• Zestawy kompetencji zagrożone
  • Rutynowe rozwiązywanie problemów poziomu 1
    • Zadania obejmują resetowanie haseł, problemy z drukarkami, diagnostykę sieci i odblokowywanie kont.
    • Wirtualni agenci oparci na AI, skrypty samoleczące, portale samoobsługowe wykorzystujące przetwarzanie języka naturalnego (NLP) oraz platformy automatyzacji sprawnie obsługują te zadania na dużą skalę.
    • Zmiana kompetencji: Przejście od naprawiania problemów do szkolenia AI i zarządzania wyjątkami.
  • Ręczny triaż i routing zgłoszeń
    • Agenci ludzcy ręcznie kategoryzują i priorytetyzują zgłoszenia.
    • Modele AI potrafią automatycznie kategoryzować, priorytetyzować i kierować zgłoszenia na podstawie danych historycznych, słów kluczowych, sentymentu i kontekstu. Klasyfikatory incydentów AI, silnik korelacji AIOps.
    • Zmiana kompetencji: Skupienie się na doskonaleniu procesów AI i obsłudze wyjątków.
  • Statyczne zadania zarządzania wiedzą
    • Obejmuje tagowanie artykułów i tworzenie treści do bazy wiedzy (KB) od podstaw.
    • Generatywna AI i platformy KM wzbogacone o AI tworzą teraz szkice artykułów, kategoryzują tematy i rekomendują treści użytkownikom w czasie rzeczywistym. Szkice artykułów generowane przez AI, automatyczne tagowanie za pomocą NLP i wyszukiwarki semantycznej.
    • Zmiana kompetencji: Przejście do kuracji i zatwierdzania treści zamiast ich tworzenia.
  • Reaktywna identyfikacja problemów
    • Obecnie polega na oczekiwaniu, aż incydenty lub zdarzenia zasygnalizują problemy, oraz na ręcznej analizie.
    • AI może proaktywnie identyfikować wzorce i anomalie w logach, metrykach i zgłoszeniach – nawet zanim ludzie zdążą je zauważyć. Platformy AIOps, silniki analityki predykcyjnej.
    • Zmiana kompetencji: Przejście do walidacji hipotez i modelowania problemów.
  • Monitorowanie zgodności procesów
    • Ręczne kontrole naruszeń SLA i przestrzegania procesów.
    • AI może monitorować przepływy pracy w czasie rzeczywistym, wyzwalać wyjątki i analizować wąskie gardła procesów szybciej i dokładniej. Silniki przepływów pracy oparte na AI i boty zgodności.
    • Zmiana kompetencji: Przejście do projektowania adaptacyjnych procesów i zarządzania ładem korporacyjnym.
  • Skrypty centrum obsługi pierwszej linii
    • Zadania obejmują czytanie skryptów i odpowiadanie na podstawowe zapytania.
    • Konwersacyjna AI może obsługiwać coraz bardziej złożone interakcje z użytkownikami w różnych kanałach. Chatboty i voice boty AI, platformy orkiestracji omnichannel.
    • Zmiana kompetencji: Skupienie się na wsparciu wyższego rzędu i zarządzaniu sytuacjami kryzysowymi.
  • Ręczne audyty konfiguracji (CMDB)
    • Ręczne porównywanie stanów CI, ręczne uzgadnianie inwentarza.
    • Automatyczne wykrywanie, AIOps i CMDBs z obsługą technologii kwantowych mogą walidować i audytować konfiguracje niemal w czasie rzeczywistym. Agenci CMDB działający w czasie rzeczywistym, wykrywanie driftu przez AI i alerty.
    • Zmiana kompetencji: Przejście do analizy wyjątków, modelowania usług/CI oraz ról związanych z symulacją stanu docelowego.

Siła robocza w obszarze zarządzania usługami IT (ITSM) ewoluuje, a nie zanika. Od początków informatyki pracownicy tej branży nieustannie dostosowywali się do zmian.

Podobnie jak rewolucja przemysłowa stworzyła nowe role dzięki automatyzacji mechanicznej, era cyfrowa przekształciła branżę za sprawą postępów w dziedzinie oprogramowania, chmury obliczeniowej i internetu.

Sztuczna inteligencja nie jest zagrożeniem, lecz katalizatorem wzrostu. Specjaliści ITSM przechodzą od roli operatorów do roli orkiestratorów inteligentnych systemów. Ich wartość nie będzie mierzona liczbą zamkniętych zgłoszeń, lecz spostrzeżeniami, empatią i zdolnością do koordynowania działań w ekosystemie napędzanym przez AI.

Organizacje powinny inwestować w edukację z zakresu AI, promować praktyczne eksperymenty i postrzegać sztuczną inteligencję jako strategicznego partnera. Podobnie jak firmy przyjęły strategię cloud-first, muszą teraz wdrożyć podejście AI-first, skupione na innowacji, wzroście, operacjach i obsłudze klienta.

W tej napędzanej przez AI erze automatyzacja przekształci role zawodowe – specjaliści staną się technologami, analitykami i etykami. Zamiast likwidować miejsca pracy, automatyzacja wyeliminuje powtarzalne zadania, co podkreśla potrzebę rozwijania kompetencji zarówno przez jednostki, jak i organizacje. Jako strategiczny partner, AI umożliwia.

Wprowadzenie AI do ITSM wymaga czegoś więcej niż tylko zakupu narzędzia. Wiąże się ze strategiczną zmianą sposobu myślenia, zarządzania i operacji. Oto jak się do tego przygotować:

• Ustalaj priorytety wysokiego poziomu w oparciu o potrzeby biznesowe i opracowuj strategiczny plan działania, który koncentruje się na zmianach organizacyjnych i personalnych: informacji i technologii, partnerach i dostawcach, a także strumieniach wartości oraz praktykach/procesach.
• Niezbędne jest zrozumienie wizji, misji, celów, założeń, kluczowych czynników sukcesu i kluczowych wskaźników efektywności, a także zasad przewodnich i wartości.
• Identyfikuj luki w kompetencjach i zasobach, przeprowadzaj analizę SWOT oraz określaj wymagania dotyczące czasu wprowadzenia na rynek w kontekście decyzji o samodzielnym budowaniu lub zakupie rozwiązań.

• 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 dojrzałością zarządzania usługami IT (ITSM). Jeśli poziom dojrzałości ITSM jest „niski", organizacja może nie być gotowa na wdrożenie AI w niektórych obszarach.
• Zainicjuj program zarządzania zmianą organizacyjną (OCM).

• AI działa najlepiej w oparciu o wysokiej jakości dane, informacje i wiedzę, umożliwiające świadome podejmowanie decyzji. Inwestuj w przejrzyste, ustrukturyzowane i bezpieczne potoki oraz magazyny danych.
• Zadbaj o dokładność zarządzania wiedzą oraz CMDB/CMS, spójną kategoryzację incydentów i metryki użytkowania.

• Podziel złożony projekt na zarządzalne, kolejne etapy, z których każdy ma określone cele, rezultaty i kryteria oceny.
• Takie podejście poprawia przejrzystość, kontrolę, zarządzanie ryzykiem oraz zgodność oczekiwań interesariuszy przez cały cykl życia projektu.

• Wybierz projekt pilotażowy zgodny z celami i możliwościami Twojej organizacji.
• Do wyboru są pilotaże o wysokim wpływie, ukierunkowane na złożone procesy w celu przeprowadzenia gruntownej transformacji organizacyjnej, lub pilotaże przynoszące szybkie korzyści, skupiające się na konkretnych przypadkach użycia w celu uzyskania natychmiastowych, obarczonych niskim ryzykiem rezultatów.
• Każde podejście ma swoje wyraźne zalety, a oba mogą być wartościowe na różnych etapach procesu transformacji.

• Wdrażaj środki mające na celu ograniczanie stronniczości, zapewnianie przejrzystości i promowanie odpowiedzialności, w tym stosowanie nadzoru ludzkiego.

• Integruj zespoły w ramach całościowej inicjatywy OCM.
• Szkol pracowników w zakresie interakcji z AI i jej wdrażania. Zapewniaj ciągłe podnoszenie kompetencji w zakresie AI literacy i angażuj pracowników pierwszej linii w optymalizację procesów, podkreślając wartość ludzkiego osądu.
• Aby przygotować swój zespół na przyszłość z AI w ITSM:
  • Stale podnoś kompetencje: Oferuj kursy z zakresu AI literacy, interpretacji danych i etycznej automatyzacji.
  • Współtwórz rozwiązania: Angażuj pracowników pierwszej linii we wdrażanie AI i optymalizację procesów.
  • Doceniaj ludzką wartość: Podkreślaj przypadki, w których empatia, osąd i doświadczenie przewyższają możliwości AI.
  • Wbuduj pętle informacji zwrotnej dla AI: Umożliwiaj pracownikom zgłaszanie fałszywych alarmów, sugerowanie ulepszeń i wpływanie na zachowanie AI.

• Wybieraj platformy z natywnymi możliwościami AI lub dostępnymi API, upewniając się, że dostawcy stawiają na pierwszym miejscu wyjaśnialność i bezpieczeństwo w zarządzaniu modelami uczenia maszynowego.

Sztuczna inteligencja to nie tylko przyszłość zarządzania usługami IT (ITSM) – ona już jest obecna. Organizacje, które zdecydują się na wdrożenie AI, zyskają przewagę w zakresie obsługi klienta, elastyczności operacyjnej i doskonałości usług. Wiele koncepcji omawianych w tym miejscu jest już aktualnie wdrażanych.

W miarę jak ITSM ewoluuje od sztywnych ram zarządzania ku dynamicznym ekosystemom opartym na danych i wiedzy, AI łączy ludzi, procesy i platformy. Dzięki wyznaczaniu jasnych celów i standardów etycznych oraz budowaniu kultury ciągłego uczenia się organizacje każdej wielkości mogą wykorzystać transformacyjny potencjał AI w obszarze ITSM. Era inteligentnych usług już nadeszła i będzie się nieustannie rozwijać.