ما بعد الأتمتة: ما الذي تغيّره الذكاء الاصطناعي في عمليات تكنولوجيا المعلومات

تقليل الضوضاء في المراقبة

إحدى المجالات التي شهدنا فيها تحسينًا ملحوظًا هي المراقبة.

تولّد بيئات التكنولوجيا الكبيرة عددًا كبيرًا من التنبيهات، ولا تتطلب جميعها نفس مستوى الانتباه. يمكن للتنبيهات المكررة، والأنomalies المؤقتة، والفعاليات ذات الأولوية المنخفضة أن تخلق ضوضاء غير ضرورية، مما يصعّب على الفرق تحديد القضايا التي قد يكون لها تأثير تشغيلي حقيقي.

من خلال دمج الكشف عن الشذوذ المدعوم بالذكاء الاصطناعي وكبح الضوضاء في بيئة المراقبة لدينا، حققنا انخفاضًا بنسبة 75٪ في ضوضاء المراقبة.

بالنسبة للفريق، يعني ذلك قضاء وقت أقل في معالجة التنبيهات غير الضرورية ومزيدًا من الوقت في التحقيق في القضايا التي تتطلب الانتباه. كما يساعدنا ذلك على التعرف على الأنماط غير العادية مبكرًا ويزوّد المهندسين بمعلومات أفضل عندما يبدأون في التحقيق في حادث.

هذه منطقة يكون فيها الذكاء الاصطناعي مفيدًا بشكل خاص لأنه يستطيع معالجة كميات كبيرة من المعلومات بسرعة. ولكن بمجرد تحديد شيء غير عادي، لا يزال فهم السبب والتأثير المحتمل يتطلب غالبًا شخصًا يعرف البيئة.

تحسين عمليات تكنولوجيا المعلومات الروتينية

نحن أيضًا نستخدم الأتمتة لإدارة الأنشطة الروتينية للنقاط الطرفية عبر منصة مراقبة وإدارة عن بُعد مدعومة بالذكاء الاصطناعي.

يشمل ذلك مجالات مثل تنسيق التصحيحات، وفحوصات الصحة، وإصلاح الأخطاء عبر السكريبتات، واستكشاف الأخطاء عن بُعد.

سابقًا، كان الالتزام بالتصحيحات عادةً أقل من 50٪، وذلك إلى حد كبير بسبب عبء العمل اليدوي المتضمن وحجم البيئة. ومع وجود إطار عمل RMM المدعوم بالذكاء الاصطناعي، وصل الالتزام الآن إلى النسبة المئوية الـ95.

لقد ساعدنا هذا التحسن في تعزيز استقرار النقاط الطرفية وتقليل التعرض للثغرات المعروفة، مع تقليل كمية العمل المتكرر الذي يحتاج المهندسون إلى إدارته يدويًا.

إنه مثال جيد على مكان يكون فيه الأتمتة منطقيًا. العملية متوقعة؛ يجب أن تحدث باستمرار، ويجب أن تعمل عبر آلاف النقاط الطرفية.

يمكن للتكنولوجيا إدارة معظم تلك الأنشطة في الخلفية، بينما يركز الفريق على الاستثناءات، والتصعيد، والقضايا التي تحتاج إلى تحقيق أعمق.

حيث لا يزال الأشخاص يصنعون الفارق

ليس كل مشكلة في تكنولوجيا المعلومات تتبع نمطًا متوقعًا.

تعمل فرقنا عبر بيئات بنية تحتية مختلفة، وشبكات، وأنظمة، ومتطلبات العملاء. قد يبدو الأمر بسيطًا في البداية، لكن قد يتضمن ذلك عدة تبعيات أو يتطلب تنسيقًا بين فرق مختلفة.

يمكن للذكاء الاصطناعي المساعدة في تحديد الشذوذ، وتحليل المعلومات، وإظهار الأسباب المحتملة، لكن لا يزال الفريق بحاجة إلى فهم ما يحدث في بيئة أوسع.

يصبح ذلك مهمًا بشكل خاص عندما تؤثر مشكلة ما على أنظمة متعددة، أو عندما قد يكون للحل الواضح تقنيًا عواقب في أماكن أخرى.

هنا تكمن أهمية الخبرة.

المهندس الذي يفهم البيئة يمكنه النظر إلى ما وراء تنبيه فردي والنظر في ما تغير، وما الأنظمة المتصلة، وما إذا كانت مشاكل مماثلة حدثت من قبل، وما هو الأثر الذي قد يتركه إجراء معين على العملية الأوسع.

بالنسبة لنا، يعمل الذكاء الاصطناعي بأفضل شكل عندما يزوّد ذلك المهندس بمعلومات أفضل للعمل معها بدلاً من محاولة إزالته تمامًا من العملية.

دعم بيئة ذات طلب مرتفع

يعني حجم البيئة أننا بحاجة إلى إيجاد طرق لزيادة السعة دون زيادة كمية العمل اليدوي ببساطة.

لقد ساعد الأتمتة في ذلك.

يمكن أن تحدث الأنشطة الروتينية للنقاط الطرفية باستمرار في الخلفية. يمكن لأدوات المراقبة تصفية وتجميع الإشارات قبل وصولها إلى المهندسين. القدرات التنبؤية يمكن أن تساعد في تحديد المشكلات المحتملة مبكرًا، بينما يمكن للإصلاح الآلي معالجة القضايا المعروفة دون انتظار تدخل شخص يدويًا.

يوفر هذا للفرق مزيدًا من السعة للتركيز على استمرارية الخدمة، والتصعيد، والمسائل التقنية الأكثر تعقيدًا.

كما يغيّر ذلك الطريقة التي نفكر بها في الإنتاجية في عمليات تكنولوجيا المعلومات. الفائدة ليست مجرد إتمام المهمة بشكل أسرع. بل إن المهندسين يحصلون على مزيد من الوقت المتاح للعمل الذي يمكن لخبرتهم أن تُحدث فيه تأثيرًا أكبر.

لا يزال الحوكمة مهمة

مع تزايد قدرة الذكاء الاصطناعي والأتمتة، تصبح الحوكمة أكثر أهمية.

يجب أن تكون هناك وضوح بشأن الأنشطة التي يمكن أتمتتها، ومتى يحتاج المهندس إلى التدخل، ومن المسؤول عندما لا يتصرف عملية آلية كما هو متوقع.

هذا أمر مهم بشكل خاص في بيئات التكنولوجيا الكبيرة. يمكن أن يكون للإجراء الآلي المطبق عبر آلاف النقاط الطرفية تأثير أوسع بكثير من إجراء يُتخذ على جهاز واحد.

لهذا السبب، ما زلنا بحاجة إلى مسارات تصعيد واضحة، ومستويات وصول محددة، وضوابط مناسبة حول النشاط الآلي.

هذا النهج يتسق مع إطار إدارة مخاطر الذكاء الاصطناعي للمعهد الوطني للمعايير والتكنولوجيا، الذي يبرز المراقبة المستمرة لأنظمة الذكاء الاصطناعي، والمسؤوليات والعمليات المحددة بوضوح للإشراف البشري والتدخل.

بالنسبة لنا، لا تتعلق الحوكمة بإبطاء استخدام الذكاء الاصطناعي. بل تتعلق بضمان قدرتنا على استخدامه بثقة ومسؤولية داخل بيئة تشغيلية حية.

دور مهندس تكنولوجيا المعلومات يتطور

مع أتمتة المزيد من الأنشطة الروتينية، يتغير دور المهندس أيضًا.

تظل المعرفة التقنية أساسية، لكن القيمة تزداد في القدرة على تفسير المعلومات، وفهم التبعيات، والتحقق من القضايا التي لا يوجد لها إجابة واضحة.

يحتاج المهندسون أيضًا إلى فهم الأدوات التي يعملون معها. إذا أوصى نظام مدعوم بالذكاء الاصطناعي بإجراء ما، يجب أن يكون الشخص المسؤول على دراية كافية بالبيئة ليعرف ما إذا كان هذا التوصية منطقية.

هذا يجعل التدريب جزءًا مهمًا من تبني الذكاء الاصطناعي.

تحتاج فرقنا إلى فهم ما يمكن للتكنولوجيا القيام به، وأين تكمن حدودها، ومتى يجب تصعيد شيء أو التحقيق فيه بطريقة مختلفة.

يوصي NIST بالمثل بتحديد المسؤوليات بوضوح للأشخاص الذين يشغلون ويشرفون على أنظمة الذكاء الاصطناعي، جنبًا إلى جنب مع التدريب المناسب ومعايير الكفاءة.

ما تعلمناه حتى الآن

لقد أظهرت تجربتنا حتى الآن أن بعض أكثر تطبيقات الذكاء الاصطناعي فائدة في عمليات تكنولوجيا المعلومات عملية إلى حد ما.

إن الانخفاض بنسبة 75٪ في ضوضاء المراقبة يعني أن المهندسين يقضون وقتًا أقل في معالجة التنبيهات غير الضرورية. نقل الامتثال للتصحيحات من أقل من 50٪ إلى النسبة المئوية الـ95 قد عزز اتساق إدارة نقاط النهاية. الأتمتة عبر أكثر من 10,000 نقطة نهاية تساعدنا في إدارة بيئة كانت تتطلب خلاف ذلك كمية كبيرة من النشاط اليدوي المتكرر.

في الوقت نفسه، لا تزال الأجزاء الأكثر تعقيدًا من عمليات تكنولوجيا المعلومات تعتمد بشكل كبير على الأشخاص.

يمكن للتكنولوجيا تحديد نمط غير عادي أو أتمتة إصلاح معروف. يفهم المهندس ذو الخبرة البيئة الأوسع، والتبعيات المعنية، والتأثير المحتمل للقرار المتخذ.

هذا التوازن يصبح أكثر أهمية مع تحول الذكاء الاصطناعي إلى جزء من عمليات تكنولوجيا المعلومات اليومية.

بالنسبة لي، قيمة الذكاء الاصطناعي عملية إلى حد كبير. فهو يساعدنا على إدارة الحجم، ويمنح فرقنا رؤية أفضل، ويزيل بعض الأعمال المتكررة التي قد تستغرق وقتًا بعيدًا عن القضايا الأكثر أهمية.

تصبح التكنولوجيا أكثر قدرة، لكن خبرة الأشخاص الذين يديرون البيئة تظل مهمة بنفس القدر.