Automaatioiden Ylittäminen: Mitä AI Muuttaa IT-toiminnoissa

Hälyn vähentäminen valvonnassa

Yksi alue, jossa olemme havainneet merkittävän parannuksen, on valvonta.

Suuret teknologiaympäristöt tuottavat huomattavan määrän hälytyksiä, eikä kaikilla niistä vaadita samaa huomiotasoa. Kakotetut hälytykset, tilapäiset poikkeamat ja matalan prioriteetin tapahtumat voivat aiheuttaa tarpeetonta melua, mikä vaikeuttaa tiimien tunnistaa ongelmia, joilla on todellinen operatiivinen vaikutus.

Sisällyttämällä AI-pohjainen poikkeamien havaitseminen ja melun vaimennus valvonta-ympäristöömme, olemme saavuttaneet 75 %:n vähennyksen valvonnan meluun.

Tiimille tämä tarkoittaa vähemmän aikaa turhien hälytysten läpikäymiseen ja enemmän aikaa niiden ongelmien tutkimiseen, jotka vaativat huomiota. Se auttaa meitä myös havaitsemaan epätavallisia kuvioita aikaisemmin ja antaa insinööreille parempaa tietoa, kun he aloittavat tapauksen tutkimisen.

Tämä on alue, jossa AI on erityisen hyödyllinen, koska se pystyy käsittelemään suuria tietomääriä nopeasti. Mutta kun jotain epätavallista on tunnistettu, syyn ja mahdollisen vaikutuksen ymmärtäminen vaatii yhä usein henkilön, joka tuntee ympäristön.

Rutiininomaisten IT-toimintojen parantaminen

Käytämme myös automaatiota hallitsemaan rutiininomaisia päätepiste-toimintoja AI-kykyisen etävalvonta- ja hallintaplatformin kautta.

Tämä sisältää alueita kuten päivitysten orkestrointi, terveystarkastukset, skriptattu korjaus ja etävirheenkorjaus.

Aikaisemmin päivitysten noudattaminen oli säännöllisesti alle 50 %, lähinnä manuaalisen työmäärän ja ympäristön laajuuden vuoksi. AI-tukea hyödyntävän RMM-viitekehyksen myötä noudattaminen on nyt 95. prosenttipisteessä.

Tämä parannus on auttanut meitä vahvistamaan päätepisteiden vakautta ja vähentämään altistumista tunnetuille haavoittuvuuksille, samalla kun se vähentää myös toistuvan työn määrää, jota insinöörien täytyy hallita manuaalisesti.

Se on hyvä esimerkki siitä, missä automaatio on järkevää. Prosessi on ennustettavissa; sen täytyy tapahtua johdonmukaisesti, ja sen on toimittava tuhansissa päätepisteissä.

Teknologia voi hallita suurimman osan tästä toiminnasta taustalla, kun tiimi keskittyy poikkeuksiin, eskalointeihin ja syvällisempää tutkimusta vaativiin ongelmiin.

Missä ihmiset edelleen vaikuttavat

Kaikki IT-ongelmat eivät noudata ennustettavaa mallia.

Tiimimme työskentelevät eri infrastruktuuriympäristöissä, verkoissa, järjestelmissä ja asiakasvaatimuksissa. Aluksi yksinkertaiselta vaikuttava ongelma voi joskus sisältää useita riippuvuuksia tai vaatia koordinointia eri tiimien välillä.

AI voi auttaa tunnistamaan poikkeavuuksia, analysoimaan tietoa ja esittelemään mahdollisia syitä, mutta tiimin täytyy silti ymmärtää, mitä laajemmassa ympäristössä tapahtuu.

Tämä on erityisen tärkeää, kun ongelma vaikuttaa useisiin järjestelmiin tai kun teknisesti ilmeinen ratkaisu voi aiheuttaa seurauksia muissa kohteissa.

Tässä kokemuksella on merkitystä.

Insinööri, joka ymmärtää ympäristön, voi tarkastella yksittäisen hälytyksen ulkopuolelle ja pohtia, mitä on muuttunut, mitkä järjestelmät ovat yhteydessä, onko samankaltaisia ongelmia aiemmin ilmennyt ja millainen vaikutus tietyn toimenpiteen voi olla laajempaan toimintaan.

Meille AI toimii parhaiten, kun se tarjoaa insinöörille parempaa tietoa työstettäväksi sen sijaan, että yritettäisiin poistaa heidät prosessista kokonaan.

Korkean kysynnän ympäristön tukeminen

Ympäristön laajuus tarkoittaa, että meidän on löydettävä tapoja lisätä kapasiteettia ilman, että manuaalisen työn määrä kasvaa.

Automaatio on auttanut tässä.

Rutiininomaiset päätepiste-toiminnot voivat tapahtua johdonmukaisesti taustalla. Valvontatyökalut voivat suodattaa ja yhdistää signaaleja ennen kuin ne saavuttavat insinöörit. Ennustavat ominaisuudet voivat auttaa tunnistamaan mahdollisia ongelmia aikaisemmin, samalla kun automatisoitu korjaus voi käsitellä tunnettuja ongelmia odottamatta, että joku puuttuu manuaalisesti.

Tämä antaa tiimille enemmän kapasiteettia keskittyä palvelun jatkuvuuteen, eskalointeihin ja monimutkaisempiin teknisiin ongelmiin.

Se muuttaa myös tapaamme ajatella tuottavuutta IT-toiminnoissa. Hyöty ei ole pelkästään se, että tehtävä suoritetaan nopeammin. Se on se, että insinööreillä on enemmän aikaa käytettävissään työhön, jossa heidän kokemuksensa voi vaikuttaa suurempaan.

Hallintoon liittyvät asiat ovat edelleen tärkeitä

Kun AI ja automaatio kehittyvät yhä kykenevämmiksi, hallinto nousee yhä tärkeämmäksi.

Tarvitaan selkeyttä siitä, mitkä toiminnot voidaan automatisoida, milloin insinöörin täytyy puuttua asiaan ja kuka on vastuussa, kun automatisoitu prosessi ei käyttäydy odotetusti.

Tämä on erityisen tärkeää suurissa teknologiaympäristöissä. Tuhansiin päätepisteisiin sovellettu automatisoitu toimenpide voi vaikuttaa paljon laajemmin kuin yksittäiseen koneeseen kohdistuva toimenpide.

Tästä syystä tarvitsemme edelleen selkeät eskalointipolut, määritellyt käyttöoikeustasot ja asianmukaiset hallintatoimet automatisoidun toiminnan ympärillä.

Tämä lähestymistapa on yhdenmukainen National Institute of Standards and Technology’s AI Risk Management Framework -kehyksen kanssa, joka korostaa jatkuvaa AI-järjestelmien valvontaa, selkeästi määriteltyjä vastuita ja prosesseja ihmisen valvonnalle ja puuttumiselle.

Meille hallinto ei ole AI:n käytön hidastamista, vaan varmistamista, että voimme käyttää sitä luottavaisesti ja vastuullisesti toimivassa operatiivisessa ympäristössä.

IT-insinöörin rooli kehittyy

Kun yhä useammat rutiinitehtävät automatisoituvat, myös insinöörin rooli muuttuu.

Tekninen osaaminen on edelleen olennaista, mutta yhä arvokkaampaa on kyky tulkita tietoa, ymmärtää riippuvuuksia ja tutkia ongelmia, joihin ei ole ilmeistä vastausta.

Insinöörien on myös ymmärrettävä käyttämänsä työkalut. Jos AI-pohjainen järjestelmä suosittelee toimenpidettä, vastuuhenkilön on hallittava ympäristö riittävän hyvin, jotta hän osaa arvioida, onko suositus järkevä.

Tämä tekee koulutuksesta tärkeän osan AI:n käyttöönottoa.

Tiimiemme on ymmärrettävä, mihin teknologia pystyy, missä sen rajoitukset ovat ja milloin jokin asia on eskaloitava tai tutkittava eri tavalla.

NIST suosittelee samalla tavalla selkeästi määritellä vastuuta AI-järjestelmiä operoivien ja valvovien henkilöiden kesken, sekä asianmukaiset koulutus- ja pätevyysstandardit.

Mitä olemme tähän mennessä oppineet

Kokemuksemme tähän mennessä on osoittanut, että AI:n hyödyllisimmät sovellukset IT-toiminnoissa ovat melko käytännönläheisiä.

75 % väheneminen valvontahälyssä tarkoittaa, että insinöörit käyttävät vähemmän aikaa turhien hälytysten käsittelyyn. Korjauspäivitysten noudattamisen siirtäminen alle 50 %:sta 95. prosenttipisteeseen on vahvistanut päätelaitteiden hallinnan johdonmukaisuutta. Automaatio yli 10 000 päätelaitteessa auttaa meitä hallitsemaan ympäristöä, joka muuten vaatisi merkittävän määrän toistuvaa manuaalista työtä.

Samaan aikaan IT-toimintojen monimutkaisemmat osat ovat yhä vahvasti riippuvaisia ihmisistä.

Teknologia voi tunnistaa epätavallisen mallin tai automatisoida tunnetun korjauksen. Kokenut insinööri ymmärtää laajemman ympäristön, siihen liittyvät riippuvuudet ja päätöksen mahdollisen vaikutuksen.

Tuo tasapaino korostuu yhä enemmän, kun AI tulee osaksi jokapäiväisiä IT-toimintoja.

Minulle AI:n arvo on hyvin käytännönläheinen. Se auttaa hallitsemaan mittakaavaa, tarjoaa tiimeillemme paremman näkyvyyden ja poistaa osan toistuvasta työstä, joka voi viedä aikaa tärkeämmiltä asioilta.

Teknologia kehittyy yhä kykenevämmäksi, mutta ympäristöä hallitsevien ihmisten kokemus on edelleen yhtä tärkeä.