Autonome agenter er ITs neste smertestillende middel

I AI-gullrushen ser jeg to distinkte kategorier av løsninger: vitaminer og smertestillende midler. En vitamin er noe som hjelper deg å skrive bedre tekst eller polere en presentasjon, som bare øker produktiviteten din så mye. En smertestillende middel, derimot, er et spørsmål om systemisk overlevelse. Den kan hjelpe deg å fikse et problem før det blir for stort eller håndtere en global nedbrudd, som da en CrowdStrike (CRWD ) -endring kollapset omtrent 8,5 millioner Windows-PC-er i juli 2024.

Når du omfavner AI, er det bedre å gå etter smertestillende-kategorien enn vitamin-kategorien. Jeg er ikke overrasket over at Gartner spådde at i 2026 vil AI utvikle seg “fra verktøy som assisterer mennesker til plattformer som erstatter manuell innsats for komplekse arbeidsflyter.” Tenk på hvor smertefullt det CrowdStrike-problemet var og hvor mye bedre AI-agenter kunne ha håndtert det. IT-automatisering er en smertestillende middel.

IT er lik brenning

Den smertefulle sannheten er at IT-bransjen drukner i data, men sulte etter innsikt. Det er nok data til å samle inn, men gir dataene deg svar? Dette “data-støyen” har alltid vært problemet i IT, og det har ført til en permanent tilstand av brenning.

Resten av bedriften bryr seg ikke om IT-drift. Selvsagt tilbyr IT nyttige dashboards, men de er mer som forsikring: de tilbyr trygghet på at bedriften er beskyttet. Mens IT-ansatte er de første som prøver å slukke brannene som kan spre seg raskt. Det er høye innsatser, millioner av dollar på spill, og de kan ikke alltid håndtere alt. Det er usedvanlig hardt arbeid.

Hvis en brann blir for stor, kan AI-verktøy slukke den og sikre at den ikke fører til en større katastrofe? Ifølge min erfaring er svaret et rungende ja. Bedriften bryr seg om at IT fikser problemet, ikke om hastighet, forsyninger og hva som skjer under panseret. IT er et verdi-basert, resultat-basert bruksområde for AI.

Gi agenter mer handlekraft

For å si det på en annen måte, gjør AI det mulig å fikse IT-problemer på egen hånd, og det endrer arbeidet fra brenning til brenningsforebygging. Du ønsker ikke at mennesker skal bruke tid på å slukke branner, som de gjorde for 20 år siden. I dag ønsker du røykdetektorer i IT-infrastrukturen. Når det er røyk, oppdager AI-agenter det og fikser det. Det er ingen behov for å ringe brannvesenet og sende ut brannmenn hver eneste gang.

Agenter kan hjelpe deg å kutte ned støyen og undersøke problemer. For eksempel, “Bob klaget over at appen hans kjører langsomt. Ingen problem, la AI-agenten undersøke og komme tilbake med årsaken.” En annen agent fikser problemet, og en tredje agent bygger en dashboard for Bob som viser hans team hva som virkelig skjer. Det er ingen overraskelse at Forrester tror at multi-agentsystemer er den neste utviklingen i agentic AI. Du kan ha en sværm av agenter som arbeider sammen for å oppdage, undersøke, fikse og lære. Det er hele løkken. Over tid, når AI tar over, blir prosentandelen av rutine-IT-arbeid mindre, og mennesker blir revisorer.

Menneskelige arbeidsflyter kan være komplekse, som en kunde som booket en flyreise, opplevde et problem og ønsker en refund. Disse er vanskelige ting for agenter å håndtere. Oppgaver som å lese logger? Agenter gjør det i søvne. Faktisk sover de aldri. IT-automatisering er et passende bruksområde for agenter.

Når du endrer din tankegang, vil du ønske å gi dine agenter mer handlekraft ved å sikre at de forstår alle dine hendelser, tjenester, steder og organisasjonsstruktur. Til slutt, jo mer dine agenter forstår dine selskaps data-relasjoner, jo mer kan de oppnå. Det er ikke bare hva. Det er hvorfor. “Hvorfor fikset Bob dette router-flapping-problemet på en bestemt måte? Vel, her er hva han gjorde.”

Det er strukturert kunnskap, meldinger i Slack og samtaler i Teams. Du kan bringe alt dette sammen i en kontekstgraf og mata det inn i din agent-motor som etterligner hva mennesker gjør: sans, planlegge arbeid, grunne over det, handle og tilpasse.

For to år siden, spyttet chatboter bare ut et svar. Det var enten veldig bra eller veldig dårlig. Siden da har vi lagt til grunn og handling. Det er der hele løkken kommer til live. Å gi agenter handlekraft er en ny måte å bygge, håndtere og fikse IT-applikasjoner på.

Mål hvordan agenter hjelper

Over alle våre kunder som ønsker IT-automatisering, er det beste bruksområdet reduksjon av støy. Det er så mye støy som skjer, og ingen liker å bli vekket i ugudelige timer, spesielt når det meste av tiden ikke er noen brann, bare røyk.

Du ønsker ikke å sløse menneskelig arbeid på røykalarm. Du ønsker at agenten skal håndtere det. Reduksjon av støy er en klar verdi-KPI. Hvis du reduserer støyen med 90%, kommer færre hendelser inn i IT-tjenestehåndtering (ITSM) verktøyet, som ServiceNow. Færre billetter i ServiceNow betyr at IT-teamet ditt har mer tid til å fokusere på kritisk arbeid. Det er det beste målet våre kunder måler: færre hendelser som kommer inn i ITSM.

Det andre kritiske målet er tid til å undersøke. Undersøkelser tok tidligere fire til åtte timer i gjennomsnitt. “Hei, Bob, gå og undersøk dette problemet.” Hver gang du ber Bob om å gå og undersøke, tar det Bob tid. Du kan ikke be Bob om å undersøke hver tegn på røyk, for det vil ta for lang tid. Bob kommer tilbake med en rapport etter åtte timer. Som resultat, hvis du ikke har agenter som håndterer de fleste av dine undersøkelser, må du la noen branner brenne. Kostnaden er at noen branner blir brannstormer. Du flyr blindt. Du ser disse plagefulle varslinger som kommer inn, og du må la dem være til du vet at røyken er en brann. Med agenter kan du undersøke hver anomali på minutter, og du kan gjøre uendelige undersøkelser.

Tredje, noen kunder sporer gjennomsnittlig tid til reparasjon (MTTR), som måler hvor lang tid det tar å løse et problem. De måler hvor mange hendelser som fullstendig er løst på egen hånd. Hvis systemet genererer et problem, er det et systemfeil, og agenten kan bestemme problemet, fikse det og fortelle deg at det er fikset. Det er alle spor i billetten, så du kan se audit-loggen. Det er som om et menneske gjorde det, men agenter gjør alt. MTTR i dag kan være rundt 10% til 20%, men det tallet vil bare vokse.

Agenter endrer hvordan ditt selskap opererer

Reduksjon av støy, tid til å undersøke og MTTR er alle grunner til at vi ser autonom IT-resonans med våre kunder. Mange har ikke lenger en Level 1-team, fordi de har fullstendig automatisert den funksjonen. Det er bare Level 2 og Level 3. I april estimerte McKinsey at agentic AI kan til slutt automatisere 60% til 80% av rutine-infrastruktur-arbeid og noterte et eksempel hvor 50% av et selskaps service-agent-kapasitet ble omplassert til høyere-verdi-aktiviteter.

Etter at selskaper har deployert de riktige AI-verktøyene, endrer deres IT-team hvordan de arbeider. Det er hvorfor IT-automatisering er en smertestillende middel: det er en katalysator for å omfavne AI-agenter over hele organisasjonen og la din menneskelige arbeidskraft holde bedriften din gående jevnt.