Effektivisera molntjänster? Titta på AI – tankeledare

Av Balakrishna DR, Senior Vice President, Service Offering Head – ECS, AI och automation på Infosys.

Digital acceleration efter pandemin fortskrider snabbt, och för många organisationer är molnet i centrum. Det hjälper dem att bli mer agila, innovativa och skapa värde även under utmanande tider. Gartner förutspår att molnutgifterna kommer att öka med 18,4% i år, till en total summa av 304,9 miljarder dollar. Men trots den massiva molntillväxten saknar många organisationer molnmognad, enligt Infosys 2021 Cloud Radar Report. Att få en rättvis andel av molnpriset, utan att landskapet urartar till molnkaos, är möjligt endast när ett företag utvecklar en tydlig bild av värdet på spel och de affärsfall som måste prioriteras.

Molnspridning är en betydande utmaning. Med SaaS som möjliggör att affärsavdelningar kan leda sina egna IT-köpbeslut finns det omedelbara vinster, men också flera utmaningar. Dessa flera köpcenter medför en växande risk för siloiserade tjänster, ökade kostnader och värdeförlust. AI kan hjälpa till att underlätta vägen framåt genom att hjälpa IT-organisationer att motverka hindren med bättre tydlighet, förutsägelse och kontroll.

Tydlighet inte bara av molnkostnader, utan också av de affärstjänster och tekniska drivkrafter bakom molnanvändning – driven av automatiserad djupanalys.

Förutsägelse av konsumtion och förutsägelse kring säsongsmönster som sedan också möjliggör bättre planering och tilldelning – med hjälp av datamodeller. AI hjälper också till att hantera, strukturera och kommersialisera stora datamängder som driver stora dataanalyser.

Kontroll som kommer från förmågan att strömlinjeforma arbetsbelastningar, samtidigt som man intelligent automatiserar övervakning och spårning av molnanvändning, tjänster och utgifter. Detta kan i sin tur ge tillförlitlighet genom automatiserad rationalisering, effektivitet och prioritering – alla grunderna för god styrning utan mänsklig felbarhet.

Förutom att övervaka och hantera molnekosystemet kan AI också självläka när det finns ett fel i detta orkestrerade system. Från att automatisera grundläggande arbetsflöden och sedan med analytiska förmågor för att förbättra processer över tid, utvidgas AI:s roll betydligt. I en robust molnimplementation kan flera processer hanteras automatiskt av AI, och nya insikter kan fortsätta att hjälpa till att utveckla den operativa miljön, medan IT-teamen fokuserar på högvärdesstrategiska aktiviteter. AI-drivna hotdetektering, datasäkerhet och nätverkssäkerhet blir alltmer en molnstapel också.

AI kan också fungera som en mycket behövlig utlösare för IT-processomprövning och omkonstruktion utöver inkrementella förbättringar. Företag, särskilt digitala invandrare, har sällan de operativa styrkorna och organisationskonstruktionerna på plats för att hantera komplexiteten i molnekonomi. När de först tillämpar AI för att automatisera sin processmiljö för molnberedskap, upptäcker de dessa operativa utmaningar och utför ofta processomkonstruktion av ineffektiva eller icke-effektiva processer, som en del av sin molnbaserade IT-transformation, som en åtgärd. Detta kan visa sig vara en ovärderlig fördel.

Siemens Gamesa Renewable Energy (SGRE) erbjuder oss ett utmärkt exempel på hur några av de principer som beskrivs i detta tillvägagångssätt hjälper företaget att hantera sin molnförst end-to-end IT-transformation. Resan för SGRE inkluderade hybridmolntransformering, utrullning av ett programdefinierat nätverk, upprättande av en intelligent servicedesk och digitala arbetsplats­tjänster. De justerade först sin befintliga splittrade IT-miljö till en harmoniserad och konsoliderad infrastrukturlandskap. Den hybridmolnlösningen – en kombination av flera offentliga molnplattformar med SGRE:s privata moln – integrerades sedan för att ge agility till IT-infrastrukturen samtidigt som den säkerställde tekniska och finansiella synergier. AI för processautomatisering och förutsägelse för kontinuerliga förbättringar av deras operativa landskap var en integrerad del av deras plan. De utnyttjade förbättrade självhjälps- och självläkningsförmågor som möjliggjordes av AI och automatiseringsverktyg under processen, för att säkerställa att SGRE kunde räkna med fördelarna från en optimerad, stabil och alltid-på-infrastruktur som slutligen kommer att tjäna deras verksamhet i över 50 länder.

Som en väg framåt, med företag som bygger AI-modeller för molntransformering, behöver ingenjörer som hanterar molntransformeringen hålla jämna steg med förändringarna i verktygen och miljöerna. Dataforskare är inte de enda som arbetar med dessa modeller – driftsingenjörer och chefer behöver också arbeta med dem för att optimera och förbättra modellerna. Att förbereda talanglandskapet – i färdigheter och mindset – för att matcha de framsteg som AI kan bringa till IT-infrastrukturlandskapet är ett område som kan dra nytta av vår fokus.