Когда вы выходите за рамки чисто технической сферы, искусственный интеллект перестает быть источником полезных инсайтов, и вам понадобятся люди, чтобы принимать решения, которые ИИ не может принять, пишет на портале The New Stack Прабз Саимбхи, директор по стратегии, инновациям и решениям компании Thirdera в регионе EMEA.

На первый взгляд, ИИ может показаться идеальным решением для оптимизации ИТ-сервисов — и в некоторых случаях так оно и есть. Быстро разбирая сложные наборы данных и генерируя на их основе инсайты, ИИ может помочь организациям выявить и использовать возможности для оптимизации ИТ-сервисов.

Но это не означает, что ИИ может оптимизировать каждый ИТ-сервис на каждом предприятии. Существуют существенные ограничения на то, в какой степени ИТ-команды могут применять ИИ в своей стратегии оптимизации сервисов.

Ниже мы обсудим, чего технология ИИ — включая, но не ограничиваясь инструментами генеративного ИИ, которые стали источником большого количества шумихи в последние месяцы — может реально достичь в контексте оптимизации сервисов, а также какие типы процессов всегда будут требовать человеческого участия.

Преимущества ИИ для оптимизации сервисов

Прежде чем рассмотреть примеры того, что ИИ может и чего не может сделать в сфере оптимизации сервисов, давайте обсудим, почему вы вообще хотите использовать ИИ для оптимизации своих сервисов.

Основная причина заключается в том, что оптимизация сервисов часто требует анализа больших объемов данных, а ИИ может выполнять эту работу гораздо быстрее и эффективнее, чем человек.

Чтобы рассмотреть это в контексте, представьте, что вы хотите оптимизировать ИТ-процессы в своей организации. Вы можете сделать это, поручив своей ИТ-команде вручную просматривать такие источники данных, как заявки в службу технической поддержки, определять, какие типы запросов требуют больше всего времени для выполнения, а затем вырабатывать рекомендации о том, как ускорить эти процессы. Это выполнимо, но займет много времени и будет отвлекать ИТ-команду от другой работы.

В качестве альтернативы можно внедрить инструмент ИИ, который автоматически анализирует все ваши заявки — наряду, возможно, с другими источниками данных, позволяющими понять, почему определенные запросы требуют длительного времени для выполнения, — а затем генерирует рекомендации о том, где и как оптимизировать сервисы. Такой подход даст результаты за малую долю того времени, которое потребовалось бы для получения тех же сведений вручную.

ИТ-сервисы, которые ИИ может помочь оптимизировать

Вы можете использовать подход к оптимизации сервисов на основе ИИ для любого типа ИТ-процессов, которые отвечают следующим критериям:

  • У вас есть значительный набор данных, которые инструмент ИИ может проанализировать, чтобы понять, как работает процесс, и определить возможности для его улучшения.
  • Процесс не связан со сложными человеческими взаимодействиями, для полного понимания которых требуется эмоциональный интеллект.

Множество основных ИТ-сервисов подходят под оба эти требования. Помимо использования ИИ для анализа обращений в службу поддержки с целью улучшения ИТ-услуг, предназначенных для конечных пользователей, другие сервисы, которые являются хорошими кандидатами на оптимизацию с помощью ИИ, включают:

  • Управление инфраструктурой. ИИ может проанализировать журналы, метрики и другие данные инфраструктуры, чтобы понять, каковы требования вашей организации к инфраструктуре, и предоставить рекомендации по оптимизации управления инфраструктурой. В свою очередь, это может помочь вам сократить расходы на ненужную инфраструктуру, спланировать процессы обновления оборудования и т. д.
  • Управление сетями. ИИ может проанализировать структуру сетевого трафика, чтобы помочь вам выявить узкие места или предсказать перебои в работе, что приведет к улучшению производительности сетей вашей организации.
  • Разработка ПО. Компании, создающие ПО, могут использовать преимущества ИИ для оптимизации процессов доставки ПО, например, прогнозируя, сколько времени должен длиться спринт или сколько изменений разумно реализовать в каждом цикле выпуска. Инструменты ИИ могут сделать это, анализируя журналы инструментов CI/CD, а также такие данные, как скорость и частота развертывания приложений.

Список можно продолжить, но суть достаточно проста: практически любой ИТ-сервис, генерирующий систематические данные и задействующий технические ресурсы или процессы, вероятно, может быть улучшен с помощью инсайтов, основанных на ИИ.

Когда не следует использовать ИИ для оптимизации сервисов

С другой стороны, сервисы, как правило, не являются хорошими кандидатами для оптимизации с помощью ИИ, если они обладают одной или несколькими из следующих характеристик:

  • Не связаны с источником данных и поэтому не могут быть оптимизированы с помощью инструментов ИИ, анализирующих данные.
  • Требуют принятия этических решений, с которыми ИИ, как правило, не справляется.
  • Требуют принятия творческих решений или идей, с чем ИИ не может справиться, поскольку он не способен генерировать совершенно новые концепции.
  • Требуют эмоционального интеллекта или установления доверия — задачи, которые ИИ не может выполнять хорошо.
  • Требуют адаптации к неструктурированной или непредсказуемой среде, например, к серверам, подвергшимся невиданному ранее типу кибератаки. В этом контексте ИИ малопригоден, поскольку он не может надежно предвидеть условия, в которых ему придется работать.

Управление проектами — пример реальной ситуации, в которой оптимизация сервисов на основе ИИ вряд ли принесет пользу. Вы, конечно, можете автоматизировать некоторые аспекты управления проектами, и вы можете регистрировать некоторые данные о работе проекта с помощью таких инструментов, как Jira. Но эти данные отражают лишь часть того, что происходит в проекте. Каждый проект имеет уникальные требования, поэтому сложно оптимизировать предстоящие проекты на основе данных о прошлых проектах.

Кроме того, большинство проектов предполагают интенсивное взаимодействие между людьми. Они также требуют доверия и подотчетности между заинтересованными сторонами. Это факторы, которые инструменты ИИ не умеют оценивать и оптимизировать.

Это означает, что для оптимизации процессов управления проектами недостаточно развертывания инструмента ИИ и просмотра его рекомендаций. Вам необходимо тонкое понимание требований каждого проекта, а также знание того, как строить доверительные и человеческие отношения.

Переговоры с поставщиками — еще один пример общего процесса, который очень сложно оптимизировать с помощью ИИ. Как и в случае с управлением проектами, в переговорах задействованы сложные человеческие компоненты. Хотя инструменты ИИ могут помочь в некоторых аспектах переговоров, например, могут помочь вам понять, как менялись тенденции ценообразования у поставщиков с течением времени, они не могут точно сказать вам, как взаимодействовать с поставщиком или какие именно условия ценообразования запрашивать. Они также не могут построить доверительные отношения, которые необходимы для того, чтобы вселить уверенность в то, что поставщик выполнит свои обещания.

Заключение

ИИ обладает огромным потенциалом для ускорения, повышения эффективности, масштабируемости и снижения затрат на различные распространенные ИТ- и бизнес-процессы. Но важно понимать ограничения ИИ как решения для оптимизации сервисов. Когда вы выходите за рамки чисто технической сферы, ИИ перестает быть источником полезных инсайтов, и вам понадобятся люди, чтобы принимать решения, которые ИИ не может принять.