Utover automatisering: Hva AI endrer i IT-drift

Redusere støyen i overvåkning

Et av områdene hvor vi har sett en betydelig forbedring, er overvåkning.

Store teknologimiljøer genererer et betydelig antall varsler, og ikke alle krever samme oppmerksomhetsnivå. Dupliserte varsler, midlertidige avvik og lavprioriterte hendelser kan skape unødvendig støy, noe som gjør det vanskeligere for team å identifisere problemer som kan ha en reell operasjonell påvirkning.

Ved å innlemme AI-drevet anomalideteksjon og støydemping i vårt overvåkningsmiljø, har vi oppnådd en 75 % reduksjon i overvåkningsstøy.

For teamet betyr det mindre tid brukt på unødvendige varsler og mer tid til å undersøke de problemene som krever oppmerksomhet. Det hjelper oss også med å identifisere uvanlige mønstre tidligere og gir ingeniører bedre informasjon når de begynner å undersøke en hendelse.

Dette er et område hvor AI er spesielt nyttig fordi det kan behandle store mengder informasjon raskt. Men når noe uvanlig er identifisert, krever forståelse av årsaken og den potensielle påvirkningen ofte fortsatt en som kjenner miljøet.

Forbedre rutinemessig IT-drift

Vi bruker også automatisering til å håndtere rutinemessige endepunktsaktiviteter gjennom en AI-aktivert plattform for fjernovervåkning og -styring.

Dette inkluderer områder som patch‑orchestrering, helsesjekker, skriptbasert utbedring og fjernfeilsøking.

Tidligere lå patch‑overholdelse rutinemessig under 50 %, hovedsakelig på grunn av den manuelle arbeidsmengden og omfanget av miljøet. Med det AI‑støttede RMM‑rammeverket på plass, når overholdelsen nå 95‑percentilen.

Den forbedringen har hjulpet oss med å styrke endepunktsstabiliteten og redusere eksponeringen for kjente sårbarheter, samtidig som den reduserer mengden repeterende arbeid som ingeniører må håndtere manuelt.

Det er et godt eksempel på hvor automatisering gir mening. Prosessen er forutsigbar; den må skje konsekvent, og den må fungere på tvers av tusenvis av endepunkter.

Teknologien kan håndtere mye av den aktiviteten i bakgrunnen, mens teamet fokuserer på unntak, eskalering og saker som krever dypere undersøkelse.

Hvor mennesker fortsatt gjør en forskjell

Ikke alle IT‑problemer følger et forutsigbart mønster.

Teamene våre arbeider på tvers av ulike infrastrukturmiljøer, nettverk, systemer og kundekrav. Et problem som ved første øyekast virker enkelt, kan noen ganger involvere flere avhengigheter eller kreve koordinering mellom ulike team.

AI kan hjelpe med å identifisere avvik, analysere informasjon og avdekke mulige årsaker, men teamet må fortsatt forstå hva som skjer i et bredere miljø.

Dette blir spesielt viktig når et problem påvirker flere systemer, eller når den teknisk åpenbare løsningen kan ha konsekvenser andre steder.

Dette er hvor erfaring teller.

En ingeniør som forstår miljøet kan se forbi et enkelt varsel og vurdere hva som har endret seg, hvilke systemer som er koblet sammen, om lignende problemer har oppstått tidligere, og hvilken påvirkning en bestemt handling kan ha på den bredere driften.

For oss fungerer AI best når det gir den ingeniøren bedre informasjon å jobbe med, i stedet for å prøve å fjerne dem fra prosessen helt.

Støtte et høy‑etterspørselsmiljø

Omfanget av miljøet betyr at vi må finne måter å øke kapasiteten på uten å bare øke mengden manuelt arbeid.

Automatisering har hjulpet med dette.

Rutinemessige endepunktsaktiviteter kan skje konsekvent i bakgrunnen. Overvåkingsverktøy kan filtrere og konsolidere signaler før de når ingeniører. Prediktive evner kan hjelpe med å identifisere potensielle problemer tidligere, mens automatisert utbedring kan håndtere kjente problemer uten å vente på at noen skal gripe inn manuelt.

Dette gir teamet mer kapasitet til å fokusere på tjenestekontinuitet, eskaleringer og mer komplekse tekniske problemer.

Det endrer også måten vi tenker på produktivitet i IT-drift. Fordelen er ikke bare at en oppgave blir fullført raskere. Det er at ingeniører får mer tid til arbeid der deres erfaring kan ha større innvirkning.

Styring er fortsatt viktig

Etter hvert som AI og automatisering blir mer kapable, blir styring stadig viktigere.

Det må være klarhet rundt hvilke aktiviteter som kan automatiseres, når en ingeniør må gripe inn, og hvem som er ansvarlig når en automatisert prosess ikke oppfører seg som forventet.

Dette er spesielt viktig i store teknologimiljøer. En automatisert handling som utføres på tvers av tusenvis av endepunkter, kan ha en mye bredere påvirkning enn en handling som utføres på en enkelt maskin.

Av den grunn trenger vi fortsatt klare eskaleringsveier, definerte tilgangsnivåer og hensiktsmessige kontroller rundt automatisert aktivitet.

Denne tilnærmingen er i samsvar med National Institute of Standards and Technology’s AI Risk Management Framework, som understreker kontinuerlig overvåking av AI-systemer, tydelig definerte ansvarsområder og prosesser for menneskelig tilsyn og intervensjon.

For oss handler styring ikke om å bremse bruken av AI. Det handler om å sikre at vi kan bruke den trygt og ansvarlig i et levende driftsmiljø.

IT‑ingeniørens rolle er i utvikling

Etter hvert som flere rutineoppgaver blir automatiserte, endrer også ingeniørens rolle seg.

Teknisk kunnskap er fortsatt avgjørende, men evnen til å tolke informasjon, forstå avhengigheter og undersøke problemer uten åpenbare svar får stadig større verdi.

Ingeniører må også forstå verktøyene de arbeider med. Hvis et AI‑drevet system anbefaler en handling, må den ansvarlige ha tilstrekkelig kunnskap om miljøet til å vurdere om anbefalingen er fornuftig.

Dette gjør opplæring til en viktig del av AI‑adopsjonen.

Teamene våre må forstå hva teknologien kan gjøre, hvor dens begrensninger ligger, og når noe må eskaleres eller undersøkes på en annen måte.

NIST anbefaler på samme måte å tydelig definere ansvarsområder for personer som opererer og fører tilsyn med AI‑systemer, sammen med hensiktsmessig opplæring og kompetansekrav.

Hva vi har lært så langt

Erfaringen vår så langt har vist at noen av de mest nyttige bruksområdene for AI i IT‑drift er relativt praktiske.

Den 75 % reduksjonen i overvåkingsstøy betyr at ingeniører bruker mindre tid på unødvendige varsler. Å flytte patch‑overholdelse fra under 50 % til 95‑percentilen har styrket konsistensen i endepunktstyring. Automatisering på mer enn 10 000 endepunkter hjelper oss med å håndtere et miljø som ellers ville kreve betydelig repetitivt manuelt arbeid.

Samtidig er de mer komplekse delene av IT‑drift fortsatt sterkt avhengige av mennesker.

Teknologi kan identifisere et uvanlig mønster eller automatisere en kjent løsning. En erfaren ingeniør forstår det bredere miljøet, de involverte avhengighetene og den potensielle virkningen av beslutningen som tas.

Den balansen blir stadig viktigere etter hvert som AI blir en del av den daglige IT‑driften.

For meg er verdien av AI ganske praktisk. Den hjelper oss med å håndtere skala, gir teamene våre bedre innsikt og fjerner noe av det repeterende arbeidet som kan ta tid bort fra viktigere saker.

Teknologien blir stadig mer kapabel, men erfaringen til de som håndterer miljøet er like viktig.