Agentní umělá inteligence (AI) dělá vlny v různých odvětvích a její potenciál transformovat ITSM je nepopiratelný. Vzhledem k veškerému hovoru o schopnostech agentní umělé inteligence pravděpodobně sníte o zefektivnění procesů ITSM prostřednictvím automatizované správy incidentů, automatizované analýzy rizik změn, zvýšení efektivity prostřednictvím automatizace servisního oddělení nebo zvýšení kvality služeb pomocí prediktivní údržby. Možná si ale také začínáte klást otázku: Jak reálné je to všechno? Je moje organizace skutečně připravena na agentní umělou inteligenci?
Řekli bych, že pro většinu organizací je odpověď ne!
Nechápejte mě špatně; organizace naslouchají diskusi a jsou nadšené z potenciálních dlouhodobých výhod. A některé z nich mohou být skutečně připraveny na řádnou implementaci agentní umělé inteligence.
Ambiciózní, ale nedostatečně připravení: proč většina organizací není připravena na agentní umělou inteligenci
Důvod, proč pochybuji o dostatečné přípravě organizací, je ten, že pro optimální fungování agentní umělé inteligence jsou zapotřebí kvalitní, čistá data, bezproblémově automatizované a dobře definované pracovní postupy a komplexní flexibilní integrace napříč všemi systémy určenými pro operace s agentní umělou inteligencí.
Vidíme důležitost čistých a integrovaných dat při akvizici společností zabývajících se správou dat jinými technologickými dodavateli, zejména Salesforce a Informatica. Sladěná a normalizovaná data poskytují agentům umělé inteligence nejlepší možné informace pro práci, aby mohli poskytovat nejlepší výsledky a nejpřesnější informace.
Vždy byste měli zvážit: Jak vám a vaší organizaci prospějí agenti umělé inteligence? Lze vaší cesty k autonomní práci dosáhnout prostřednictvím pracovních postupů? Dokonce i společnost Anthropic, lídr v oblasti umělé inteligence, hovoří o používání co nejjednodušších řešení a implementaci agentů umělé inteligence pouze pro složité požadavky. V některých případech jsou agenti nejen nákladnější, ale také méně efektivní než předpřipravené pracovní postupy.
Příprava dnes, agentní umělá inteligence zítra
Při zvažování využití umělé inteligence v agentech je třeba zvážit několik faktorů. S plánováním a přípravou můžete být úspěšní a tento kontrolní seznam vám na této cestě pomůže.
Plánování
Když se vydáváte na cestu k agentní umělé inteligenci, jasně si stanovte cíle pro zavedení agentní umělé inteligence do prostředí správy služeb a zároveň zajistěte, aby byly v souladu s celkovými cíli vaší organizace.
Mezi běžné cíle patří:
- Snižte pracovní zátěž IT pracovníků automatizací opakujících se a časově náročných úkolů.
- Zlepšit rychlost a přesnost řešení incidentů.
- Vylepšete uživatelský zážitek díky bezproblémovému automatizovanému vyřizování požadavků.
Jakmile si definujete cíle, jak vypadá úspěch a jak ho budete měřit? Ty se budou lišit v závislosti na vašich očekáváních a definovaných cílech, ale některé běžné metriky by mohly být:
- % úkolů úspěšně automatizovaných umělou inteligencí.
- Snížení chyb v úkolech zpracovávaných umělou inteligencí ve srovnání s manuálními úkoly.
- Skóre spokojenosti uživatelů (CSAT).
- % uživatelů, kteří se rozhodli pro samoobslužná řešení založená na umělé inteligenci.
- Snížení průměrných nákladů na vyřešení požadavku pomocí umělé inteligence.
- % incidentů eskalovalo k lidským agentům po zásahu umělé inteligence.
Související obsah: AITSM: Jak umělá inteligence nově definuje automatizaci IT Service Desku, součást série výzkumných zpráv o digitální zkušenosti zaměstnanců společnosti Ivanti
Příprava dat
V kontextu správy služeb může být potřeba mnoho zdrojů dat, včetně zdrojů, které se čistě týkají ITSM, jako je CMDB nebo úložiště aktiv. S postupem k širšímu podniku můžete také potřebovat data z CRM, HR, správy budov, financí nebo jiných oddělení.
Bez ohledu na to, odkud data čerpáte, je třeba zvážit následující:
- Je kvalita vašich dat spolehlivá? Jsou data konzistentní? Jak přesné jsou informace? Existuje důvěryhodnější zdroj (nebo hlavní zdroj), který by měl být považován za výchozí? Data jsou často nekonzistentní napříč různými systémy, což agentovi umělé inteligence ztěžuje informovaná rozhodnutí.
- Jak dostupná jsou vaše data? Kolik různých zdrojů dat existuje a bude vyžadována integrace prostřednictvím API? Jsou zdroje dat aktuální?
- Je vaše CMDB připravena k použití agentní umělou inteligencí? Máte v CMDB kritické CI a co je důležitější, jak aktuální jsou vztahy a informace?
- Jste povinni dodržovat předpisy o ochraně osobních údajů? Musíte dodržovat předpisy o ochraně osobních údajů, jako je GDPR, CCPA nebo jiné? Je možné, že předpisy mohou vyžadovat, abyste anonymizovali citlivé údaje a uchovávali je v dané zemi.
Definované pracovní postupy a automatizace
Nejenže je důležité mít vysoce kvalitní data, ale klíčovou součástí úspěšné agentické umělé inteligence je i dobré a fungující pracovní postupy pro řízení úkolů. V některých případech lze vaše stávající pracovní postupy přeorientovat pro použití v rámci procesu agentické umělé inteligence; některé pracovní postupy však bude nutné upravit tak, aby splňovaly požadavky na požadavky a odpovědi agenta umělé inteligence.
Některé věci, které je třeba zvážit pro pracovní postupy:
- Mohou vaše pracovní postupy využívat agenti s umělou inteligencí? Vaše stávající pracovní postupy nemusí být strukturovány nejefektivněji, aby agenti s umělou inteligencí mohli využít celý pracovní postup k dosažení přesných výsledků.
- Budou pracovní postupy pracovat pouze s daty v rámci vašich organizací, nebo budou potřebovat přístup k externím zdrojům dat? Jaká bezpečnostní opatření jsou zavedena při přístupu k externím zdrojům dat k zajištění bezpečnosti a přesnosti dat v odpovědích?
- Zajistěte, aby všechny agenty umělé inteligence a související pracovní postupy měly povolené auditní záznamy, abyste mohli zaznamenávat a monitorovat akce a rozhodnutí umělé inteligence. Tím je zajištěna správnost umělé inteligence a lze ji použít v případě problémů s dodržováním předpisů nebo zabezpečením.
Řízení a dodržování předpisů
Dříve jsme hovořili o požadavcích na dodržování předpisů pro data a o nutnosti splňovat regulační nebo zákonné požadavky. Řízení a dodržování předpisů se musí vztahovat i na celý ekosystém umělé inteligence ve vaší organizaci, aby bylo možné poskytovat odpovědné, bezpečné a důvěryhodné reakce a akce.
Zde je několik věcí, které je třeba zvážit:
- Definujte zásady pro používání umělé inteligence ve vaší organizaci a určete osoby nebo týmy, které budou zodpovědné za ochranu dat a vyhodnocování etických aspektů.
- Zajistěte, aby byly v celém pracovním postupu umělé inteligence pochopeny a splněny regulační nebo zákonné standardy dodržování předpisů. Pokud například agent umělé inteligence vyžaduje přístup k údajům týkajícím se zdraví a údajům shromážděným od evropských uživatelů, je nutné zvážit jak HIPAA, tak GDPR.
- Identifikujte potenciální rizika ve vašem prostředí a pečlivě zmírněte ta, která souvisejí s nasazením umělé inteligence.
Testování a validace
Začněte svou cestu k agentní umělé inteligenci v kontrolovaném prostředí. Nastavte pilotní program pro otestování funkčnosti, zajistěte, abyste splnili své cíle, a shromažďujte zpětnou vazbu od uživatelů. Je důležité mít zaveden program neustálého zlepšování pro úpravy a vylepšení. Buďte trpěliví, protože dobré výsledky mohou vyžadovat čas, než se umělá inteligence učí a přizpůsobuje. Vždy sledujte a upravujte podle potřeby a definujte proces pro řešení problémů nebo selhání.
Agentická umělá inteligence je evoluce, ne revoluce
Diskuse o umělé inteligenci probíhají všude a ačkoli o ni je ze strany organizací velký zájem, mnoho z nich je stále oprávněně opatrných ohledně toho, jak postupovat a co je pro jejich organizaci nejlepší. Jak jsme viděli v posledních několika letech, umělá inteligence se velmi rychle vyvinula z generativní na agentickou. Držet krok s novými technologiemi a plánovat budoucí vylepšení je zásadní.
Ivanti má dobrou pozici v oblasti umělé inteligence, která vám umožní růst. Zjistěte více o tom, co Ivanti může nabídnout pro vaši cestu s umělou inteligencí.
Zdroj: Ivanti
