Autonome agenten zijn de volgende pijnstiller voor IT

In de AI-goudkoorts zie ik twee duidelijke categorieën van oplossingen: vitamines en pijnstillers. Een vitamine is iets dat je helpt om beter te schrijven of een presentatie te polijsten, wat je productiviteit alleen maar een beetje verhoogt. Een pijnstiller is echter een kwestie van systemisch overleven. Het kan helpen om een probleem te verhelpen voordat het uit de hand loopt of omgaan met een wereldwijde storing, zoals toen een CrowdStrike-wijziging ongeveer 8,5 miljoen Windows-pc’s in juli 2024 crashte.

Wanneer je AI omarmt, is het beter om te gaan voor de pijnstiller-categorie dan de vitamine-categorie. Ik ben niet verrast dat Gartner voorspelde dat in 2026 AI zal evolueren van “hulpmiddelen die mensen ondersteunen naar platforms die handmatige inspanning voor complexe workflows vervangen.” Stel je voor hoe pijnlijk dat CrowdStrike-probleem was en hoeveel beter AI-agenten het hadden kunnen afhandelen. IT-automatisering is een pijnstiller.

IT is vergelijkbaar met brandweer

De pijnlijke waarheid is dat de IT-industrie verdrinkt in data, maar hongert naar inzichten. Er is genoeg data om te verzamelen, maar geeft die data je antwoorden? Deze “dataruis” is altijd het probleem in IT geweest, waardoor het een permanente staat van brandweer is geworden.

De rest van het bedrijf maalt niet om IT-bewerkingen. Zeker, IT biedt nuttige dashboards, maar die zijn meer als verzekering: ze bieden gemoedsrust dat het bedrijf beschermd is. Ondertussen zijn IT-medewerkers de eerste respondenten die proberen branden te blussen die snel kunnen uitbreiden. Er zijn veel hoge inzetten, miljoenen dollars op het spel, en ze kunnen er niet altijd mee omgaan. Het is ontzettend hard werk.

Kan een AI-hulpmiddel een brand blussen en ervoor zorgen dat het niet leidt tot een grotere catastrofe? Uit mijn ervaring is het antwoord een duidelijk ja. Het bedrijf maalt om IT die het probleem verhelpt, niet om snelheden, voedingen en wat er onder de motorkap zit. IT is een waardegebaseerd, resultaatgebaseerd gebruiksscenario voor AI.

Geef agenten meer agency

Anders gezegd, AI maakt zelfherstel mogelijk in IT, waardoor het werk verschuift van brandweer naar brandpreventie. Je wilt niet dat mensen tijd besteden aan brandweer, zoals ze 20 jaar geleden deden. Vandaag de dag wil je rookmelders in je IT-infrastructuur. Wanneer er rook is, detecteren de AI-agenten het en lossen het op. Er is geen noodzaak om de brandweer te bellen en brandweerlieden te deployen elke keer.

Agenten kunnen helpen om ruis te verminderen en problemen te onderzoeken. Bijvoorbeeld, “Bob klaagde dat zijn app traag liep. Geen probleem, laat de AI-agent onderzoeken en terugkomen met de oorzaak.” Een tweede agent lost het probleem op en een derde agent bouwt een dashboard voor Bob dat zijn team laat zien wat er echt aan de hand is. Het is geen wonder dat Forrester gelooft dat multi-agent-systemen de volgende vooruitgang zijn in agente AI. Je kunt een zwerm agenten hebben die samenwerken om te detecteren, onderzoeken, oplossen en leren. Dat is de hele cyclus. Na verloop van tijd, als AI de overhand krijgt, neemt het percentage van saaie IT-werk af en worden mensen reviewers.

Menselijke workflows kunnen complex zijn, zoals een klant die een vlucht boekte, een probleem ondervond en een terugbetaling wilde. Dit zijn moeilijke dingen voor agenten om te behandelen. Taken zoals logbestanden lezen? Agenten doen dat in hun slaap. In feite slapen ze nooit. IT-automatisering is een geschikt gebruiksscenario voor agenten.

Eens je je mindset verandert, wil je je agenten meer agency geven door ervoor te zorgen dat ze alle incidenten, diensten, locaties en de organisatiestructuur begrijpen. Uiteindelijk kunnen ze meer bereiken naarmate ze meer data-relaties van je bedrijf begrijpen. Het is niet alleen het wat, maar ook het waarom. “Waarom loste Bob dit router-flapping-probleem op een bepaalde manier op? Nou, hier is wat hij deed.”

Er is gestructureerde kennis, berichten in Slack en gesprekken in Teams. Je kunt al deze informatie samenbrengen in een contextgrafiek en voeden naar je agent-engine die nabootst wat mensen doen: waarnemen, plannen, redeneren, actie ondernemen en aanpassen.

Twee jaar geleden spuwden chatbots alleen maar een antwoord uit. Het was ofwel heel goed of heel slecht. Sindsdien hebben we redenering en actie toegevoegd. Daar komt de hele cyclus tot leven. Agenten agency geven is een nieuwe manier van bouwen, beheren en repareren van IT-toepassingen.

Meet hoe agenten helpen

Over alle klanten die IT-automatisering willen, is het meest voor de hand liggende gebruiksscenario ruisreductie. Er gebeurt zo veel ruis en niemand houdt ervan om op ongelegen tijden wakker te worden, vooral als er meestal geen brand is, maar alleen rook.

Je wilt niet dat menselijke arbeid verspild wordt aan rookalarmen. Je wilt dat de agent het afhandelt. Ruisreductie is een duidelijke waarde-KPI. Als je ruis met 90% vermindert, komen er minder incidenten in je IT Service Management (ITSM) tool, zoals ServiceNow. Minder tickets in ServiceNow betekent dat je IT-team meer tijd heeft om zich te concentreren op kritisch werk. Dat is de belangrijkste meting die onze klanten doen: minder incidenten in hun ITSM.

De tweede kritieke meting is de tijd om te onderzoeken. Onderzoeken duurden vroeger vier tot acht uur gemiddeld. “Hey, Bob, ga onderzoek doen naar dit probleem.” Elke keer dat je Bob vraagt om onderzoek te doen, kost het Bob tijd. Je kunt Bob niet elke keer vragen om onderzoek te doen, want dat kost te veel tijd. Bob komt terug met een rapport na acht uur. Als gevolg daarvan, als je geen agenten hebt die de meeste van je onderzoeken afhandelen, moet je sommige branden laten branden. De kosten zijn dat sommige branden brandstormen worden. Je vliegt blind. Je ziet deze vervelende waarschuwingen binnenkomen en je moet ze laten tot je weet dat de rook een brand is. Met agenten kun je elke anomalie in enkele minuten onderzoeken en kun je oneindig veel onderzoeken uitvoeren.

Ten derde volgen sommige klanten de Mean Time to Repair (MTTR), die meet hoe lang het duurt om een probleem op te lossen. Ze meten hoeveel incidenten volledig autonoom worden opgelost. Als het systeem een incident genereert, is het een systeemfout en kan de agent de oorzaak bepalen, het oplossen en je vertellen dat het is opgelost. Het wordt allemaal bijgehouden in het ticket, zodat je de auditlog kunt zien. Het is alsof een mens het heeft gedaan, maar agenten doen alles. MTTR is tegenwoordig ongeveer 10% tot 20%, maar dat aantal zal alleen maar groeien.

Agenten veranderen hoe je bedrijf werkt

Ruisreductie, tijd om te onderzoeken en MTTR zijn allemaal redenen waarom we autonome IT zien resoneren met onze klanten. Veel hebben geen Level 1-team meer, omdat ze die functie volledig hebben geautomatiseerd. Er is alleen nog Level 2 en Level 3. In april schatte McKinsey in dat agente AI uiteindelijk 60% tot 80% van routine-infrastructuurwerk kan automatiseren en noemde een voorbeeld waarin 50% van de service-agent-capaciteit van een bedrijf werd heruitgericht naar hogere-waarde-activiteiten.

Nadat bedrijven de juiste AI-hulpmiddelen hebben geïmplementeerd, veranderen hun IT-teams de manier waarop ze werken. Daarom is IT-automatisering een pijnstiller: het is een dwingende katalysator voor het omarmen van AI-agenten in je hele organisatie en het laten werken van je menselijke workforce om je bedrijf soepel te laten draaien.