Autonoma agenter är IT:s nästa smärtstillande medel

I den artificiella intelligens-boomen ser jag två distinkta kategorier av lösningar: vitaminer och smärtstillande medel. En vitamin är något som hjälper dig att skriva bättre text eller polera en presentationsbild, vilket bara ökar din produktivitet så mycket. Ett smärtstillande medel, å andra sidan, är en fråga om systemisk överlevnad. Det kan hjälpa dig att lösa ett problem innan det blir för stort eller hantera en global avbrott, som när en CrowdStrike (CRWD ) -ändring kraschade ungefär 8,5 miljoner Windows-datorer i juli 2024.

När du antar AI är det bättre att gå efter smärtstillande kategorin än vitamin-kategorin. Jag är inte förvånad över att Gartner förutspådde att år 2026 kommer AI att utvecklas “från verktyg som assisterar människor till plattformar som ersätter manuellt arbete för komplexa arbetsflöden.” Föreställ dig hur smärtsamt det var med det där CrowdStrike-problemet och hur mycket bättre AI-agenter hade kunnat hantera det. IT-automatisering är ett smärtstillande medel.

IT liknar brandsläckning

Den smärtsamma sanningen är att IT-branschen drunknar i data men svälter efter insikter. Det finns tillräckligt med data för dig att samla in, men ger den datan dig svar? Detta “databruset” har alltid varit problemet i IT, vilket gör det till en permanent brandbekämpning.

Resten av företaget bryr sig inte om IT-drift. Visst, IT tillhandahåller användbara instrumentpaneler, men de är mer som försäkringar: de erbjuder trygghet för att företaget är skyddat. Samtidigt är IT-anställda de första som försöker släcka bränder som kan spridas snabbt. Det finns mycket höga insatser, miljontals dollar på spel, och de kan inte alltid hantera allt. Det är otroligt hårt arbete.

Om en brand blir för stor, kan AI-verktyg släcka den och se till att den inte leder till en större katastrof? Utifrån min erfarenhet är svaret ett rungande ja. Företaget bryr sig om att IT löser problemet, inte om hastigheter, prestanda och vad som ligger under huven. IT är ett värdebaserat, resultatbaserat användningsfall för AI.

Ge agenter mer befogenhet

Med andra ord, AI gör det möjligt med självläkande i IT, vilket flyttar arbetet från brandbekämpning till brandförebyggande. Du vill inte att människor ska lägga tid på brandbekämpning, som de gjorde för 20 år sedan. Idag vill du ha rökdetektorer i din IT-infrastruktur. När det finns rök, upptäcker AI-agenter det och åtgärdar det. Det finns ingen anledning att ringa brandkåren och skicka ut brandmän varje gång.

Agenter kan hjälpa dig att minska bruset och undersöka problem. Till exempel, “Bob klagade över att hans app körs långsamt. Inga problem, låt AI-agenten undersöka och komma tillbaka med rotorsaken.” En andra agent löser problemet, och en tredje agent bygger en instrumentpanel för Bob som visar hans team vad som verkligen händer. Det är inte konstigt att Forrester tror att multiagent-system är den nästa utvecklingen inom agenter. Du kan ha en svärm av agenter som arbetar tillsammans för att upptäcka, undersöka, lösa och lära. Det är hela loopen. Över tiden, när AI tar över, minskar andelen tråkigt IT-arbete, och människor blir granskare.

Människors arbetsflöden kan vara komplexa, som en kund som bokade en flygning, upplevde ett problem och vill ha en återbetalning. Detta är svåra saker för agenter att hantera. Uppgifter som att läsa loggar? Agenter gör det i sin sömn. Faktum är att de aldrig sover. IT-automatisering är ett lämpligt användningsfall för agenter.

När du flyttar din synvinkel, vill du ge dina agenter mer befogenhet genom att se till att de förstår alla dina incidenter, tjänster, platser och organisationsstruktur. Till slut, ju mer dina agenter förstår ditt företags datarelationer, desto mer kan de åstadkomma. Det är inte bara vad. Det är varför. “Varför löste Bob det här routerns fladdrande problem på ett visst sätt? Jo, här är vad han gjorde.”

Det finns strukturerad kunskap, meddelanden i Slack och samtal i Teams. Du kan samla allt detta i en kontextgraf och mata det till din agentmotor som imiterar vad människor gör: känner, planerar sitt arbete, resonerar över det, vidtar åtgärder och anpassar sig.

För två år sedan spydde chatbotar bara ut ett svar. Det var antingen riktigt bra eller riktigt dåligt. Sedan dess har vi lagt till resonemang och åtgärder. Där kommer hela loopen till liv. Att ge agenter befogenhet är ett nytt sätt att bygga, hantera och reparera IT-applikationer.

Mät hur agenter hjälper till

Över alla våra kunder som vill ha IT-automatisering, är det mest självklara användningsfallet brusreducering. Det finns så mycket brus som händer, och ingen vill bli väckt mitt i natten, särskilt när det oftast inte finns någon brand, bara rök.

Du vill inte slösa bort mänskligt arbete på rökvarningar. Du vill att agenten ska hantera det. Brusreducering är en tydlig värde-KPI. Om du minskar bruset med 90%, kommer färre incidenter in i ditt IT-tjänstehanteringssystem (ITSM) verktyg, som ServiceNow. Färre biljetter i ServiceNow innebär att ditt IT-team har mer tid att fokusera på kritiskt arbete. Det är den främsta måttstocken som våra kunder mäter: färre incidenter som kommer in i deras ITSM.

Den andra kritiska måttstocken är tid till utredning. Utredningar tog tidigare i genomsnitt fyra till åtta timmar. “Hej, Bob, gå och utred det här problemet.” Varje gång du ber Bob att gå och utreda, tar det Bob tid. Du kan inte be Bob att utreda varje tecken på rök, eftersom det kommer att ta för lång tid. Bob kommer tillbaka med en rapport efter åtta timmar. Som ett resultat, om du inte låter agenter hantera de flesta av dina utredningar, måste du låta vissa bränder brinna. Kostnaden är att vissa bränder blir eldstormar. Du flyger blind. Du ser dessa irriterande varningar som kommer in, och du måste låta dem vara tills du vet att röken är en brand. Med agenter kan du utreda varje anomali på några minuter, och du kan göra oändligt många utredningar.

Tredje, vissa kunder spårar Mean Time to Repair (MTTR), som mäter hur lång tid det tar att lösa ett problem. De mäter hur många incidenter som är fullständigt autonoma och lösta. Om systemet genererar ett problem, är det ett systemfel, och agenten kan bestämma problemet, lösa det och berätta för dig att det är löst. Allt spåras i biljetten, så du kan se revisionsloggen. Det är som om en människa gjorde det, men agenter gör allt. MTTR kan idag vara runt 10% till 20%, men den siffran kommer bara att öka.

Agenter förändrar hur ditt företag fungerar

Brusreducering, tid till utredning och MTTR är alla skäl till varför vi ser autonom IT som resonanserar med våra kunder. Många har inte längre en nivå 1-grupp, eftersom de har automatiserat den funktionen helt. Det finns bara nivå 2 och nivå 3. I april uppskattade McKinsey att agenter kan automatisera 60% till 80% av rutinarbete med infrastruktur och noterade ett exempel där 50% av ett företags serviceagentkapacitet omfördelades till högvärdiga aktiviteter.

Efter att företag har distribuerat rätt AI-verktyg, förvandlas deras IT-team hur de arbetar. Därför är IT-automatisering ett smärtstillande medel: det är en katalysator som tvingar fram antagandet av AI-agenter i hela din organisation och låter din mänskliga arbetskraft hålla ditt företag igång smidigt.