ໂດຍ Edsel Simas, CTO ຂອງ Setrion ແລະ Milldesk Help Desk Software
ໃນການດຳເນີນງານຂະໜາດກາງ ແລະ ຂະໜາດໃຫຍ່, ໂຕະບໍລິການໄດ້ຢຸດເປັນພຽງໜ້າທີ່ບໍລິການລູກຄ້າ ແລະ ໄດ້ກາຍເປັນຈຸດຍຸດທະສາດສຳລັບການເຂົ້າໃຈການດຳເນີນງານດ້ານໄອທີ. ປະລິມານການໂທຍັງຄົງສູງ, ແຕ່ສິ່ງທີ່ໄດ້ປ່ຽນແປງຢ່າງແທ້ຈິງແມ່ນຄວາມສັບສົນ: ສະພາບແວດລ້ອມແບບປະສົມ, ແອັບພລິເຄຊັນແບບກະຈາຍ, ອຸປະກອນຫຼາຍອັນ, ແລະ ການເພິ່ງພາອາໄສ SaaS ທີ່ເພີ່ມຂຶ້ນໄດ້ສ້າງສະຖານະການທີ່ແຕ່ລະປີ້ມີສະພາບການດ້ານວິຊາການຫຼາຍກວ່າແຕ່ກ່ອນ. ໃນສະພາບແວດລ້ອມນີ້, ປັນຍາປະດິດມີບົດບາດທີ່ກ່ຽວຂ້ອງຫຼາຍກວ່າການຕອບສະໜອງໂດຍອັດຕະໂນມັດ: ເທັກໂນໂລຢີເຮັດໜ້າທີ່ເປັນຊັ້ນການຕີຄວາມທີ່ຈັດລະບຽບວິທີການເຮັດວຽກຂອງການສະໜັບສະໜູນຄືນໃໝ່.
ຂໍ້ມູນທີ່ໜ້າສົນໃຈທີ່ສຸດໃນສະພາບການນີ້ບໍ່ພຽງແຕ່ຢູ່ໃນການເຕີບໂຕຂອງການຮັບຮອງເອົາ AI ເທົ່ານັ້ນ, ແຕ່ຍັງຢູ່ໃນການປ່ຽນແປງຄວາມຄາດຫວັງກ່ຽວກັບໂຕະບໍລິການອີກດ້ວຍ. ອີງຕາມການສຳຫຼວດອຸດສາຫະກຳ, ອົງກອນຕ່າງໆດຳເນີນການໂດຍສະເລ່ຍແລ້ວຫຼາຍກວ່າ 10,000 ປີ້ຕໍ່ເດືອນ, ໃນຂະນະທີ່ການຮັບຮູ້ເຖິງຄວາມສັບສົນໃນການດຳເນີນງານແມ່ນເພີ່ມຂຶ້ນຢ່າງຕໍ່ເນື່ອງ. ສິ່ງນີ້ປ່ຽນຈຸດສຸມຈາກປະສິດທິພາບແບບດັ້ງເດີມ, ໂດຍອີງໃສ່ປະລິມານ ແລະ SLA, ໄປສູ່ຄວາມສາມາດໃນການເຂົ້າໃຈ, ເຊື່ອມໂຍງ ແລະ ແກ້ໄຂບັນຫາດ້ວຍຄວາມແມ່ນຍຳຫຼາຍຂຶ້ນ. ມັນແມ່ນຈຸດນີ້ທີ່ AI ເລີ່ມປ່ຽນໂຕະບໍລິການໃຫ້ກາຍເປັນຫຼັກຂອງຄວາມສະຫຼາດດ້ານການດຳເນີນງານ.
ຈາກຈຸດຕິດຕໍ່ຈົນເຖິງຊັ້ນສະຕິປັນຍາ
ພື້ນຖານແນວຄວາມຄິດຂອງການປ່ຽນແປງນີ້ຊ່ວຍໃຫ້ເຂົ້າໃຈການເຄື່ອນໄຫວ. ໃນການປະຕິບັດ ITIL, ໂຕະບໍລິການໄດ້ຖືກກຳນົດໃຫ້ເປັນຈຸດສູນກາງຂອງການຕິດຕໍ່ລະຫວ່າງຜູ້ໃຊ້ ແລະ ຜູ້ໃຫ້ບໍລິການສະເໝີ. ສິ່ງທີ່ AI ເຮັດແມ່ນຂະຫຍາຍບົດບາດນີ້. ແທນທີ່ຈະລົງທະບຽນ ແລະ ສົ່ງຕໍ່ຄຳຮ້ອງຂໍ, ຈຸດຕິດຕໍ່ນີ້ເລີ່ມຕີຄວາມສັນຍານ, ຄາດເດົາບັນຫາ, ແລະ ວາງແຜນໂຄງສ້າງຄວາມຮູ້ຢ່າງຕໍ່ເນື່ອງ.
ໃນທາງປະຕິບັດ, ການຫັນປ່ຽນນີ້ເກີດຂຶ້ນຍ້ອນວ່າ AI ແກ້ໄຂບັນຫາທີ່ລະບົບອັດຕະໂນມັດແບບດັ້ງເດີມບໍ່ເຄີຍສາມາດແກ້ໄຂໄດ້ດີ: ການຈັດການກັບສະພາບການທີ່ບໍ່ຄົບຖ້ວນ. ການໂທບໍ່ຄ່ອຍມາຮອດແບບມີໂຄງສ້າງ. ຜູ້ໃຊ້ອະທິບາຍອາການ, ບໍ່ແມ່ນສາເຫດ. ລະບົບສ້າງການແຈ້ງເຕືອນໂດຍບໍ່ມີຄຳອະທິບາຍທີ່ຊັດເຈນ. ທີມງານເຮັດວຽກກັບຂໍ້ມູນທີ່ແຕກຫັກ. ໃນສະຖານະການນີ້, ເຕັກໂນໂລຊີອັດຕະໂນມັດແບບດັ້ງເດີມເຮັດວຽກດ້ວຍຂໍ້ຈຳກັດທີ່ຊັດເຈນ. ໃນທາງກົງກັນຂ້າມ, ຮູບແບບ AI ສາມາດຕີຄວາມພາສາທຳມະຊາດ, ລະບຸຮູບແບບ, ແລະແນະນຳເສັ້ນທາງໂດຍອີງໃສ່ປະຫວັດສາດແລະພຶດຕິກຳ.
ຄວາມກ້າວໜ້ານີ້ປ່ຽນແປງການເຄື່ອນໄຫວຂອງໂຕະບໍລິການຢ່າງເລິກເຊິ່ງ. ການຄັດເລືອກຢຸດຕິຂັ້ນຕອນການດຳເນີນງານຢ່າງດຽວ ແລະ ກາຍເປັນຂັ້ນຕອນການວິເຄາະ. ການຈັດປະເພດປີ້, ການກຳນົດຄວາມສຳຄັນ ແລະ ການປ່ຽນເສັ້ນທາງບໍ່ໄດ້ຂຶ້ນກັບກົດລະບຽບທີ່ຄົງທີ່ອີກຕໍ່ໄປ ແຕ່ເລີ່ມພິຈາລະນາສະພາບການ, ປະຫວັດສາດ ແລະ ຜົນກະທົບທີ່ອາດເກີດຂຶ້ນ. ສິ່ງນີ້ຊ່ວຍຫຼຸດຜ່ອນຄວາມຜິດພາດໃນການປ່ຽນເສັ້ນທາງ, ປັບປຸງການນຳໃຊ້ຜູ້ຊ່ຽວຊານ ແລະ ຫຼຸດຜ່ອນການເຮັດວຽກຊ້ຳ.
ໃນເວລາດຽວກັນ, AI ກຳລັງເລີ່ມເຮັດໜ້າທີ່ເປັນຊັ້ນສະໜັບສະໜູນໂດຍກົງສຳລັບນັກວິເຄາະ. ແພລດຟອມ ITSM ໄດ້ລວມເອົາຄຸນສົມບັດທີ່ສັງເຄາະເຫດການ, ແນະນຳການຕອບສະໜອງ, ແລະ ຈັດໂຄງສ້າງເອກະສານໂດຍອັດຕະໂນມັດແລ້ວ. ຜົນປະໂຫຍດທີ່ກ່ຽວຂ້ອງທີ່ສຸດຢູ່ທີ່ນີ້ບໍ່ພຽງແຕ່ຄວາມໄວເທົ່ານັ້ນ. ມັນແມ່ນການຫຼຸດຜ່ອນເວລາໃນການເຂົ້າໃຈບັນຫາ. ໃນການດຳເນີນງານຂະໜາດໃຫຍ່, ຄວາມພະຍາຍາມສ່ວນໃຫຍ່ແມ່ນໃຊ້ໃນການສ້າງສະພາບການຂອງເຫດການຄືນໃໝ່. ເມື່ອຂະບວນການນີ້ຖືກເລັ່ງ, ເວລາແກ້ໄຂທັງໝົດມັກຈະຫຼຸດລົງຢ່າງຕໍ່ເນື່ອງ.
ການເຄື່ອນໄຫວດ້ານການດຳເນີນງານໃໝ່ຂອງໂຕະບໍລິການ
ນອກຈາກນີ້ຍັງມີຜົນກະທົບທີ່ເຫັນໄດ້ໜ້ອຍກວ່າ, ແຕ່ມີໂຄງສ້າງຫຼາຍກວ່າ: ການປັບປຸງຄຸນນະພາບຂອງຄວາມຮູ້. ການໂທທີ່ຖືກແກ້ໄຂແຕ່ລະຄັ້ງຈະປ້ອນຂໍ້ມູນຖານຂໍ້ມູນໃນລັກສະນະທີ່ເປັນລະບຽບຫຼາຍຂຶ້ນ. AI ປ່ຽນການໂຕ້ຕອບໄປສູ່ເອກະສານ, ລະບຸຮູບແບບທີ່ເກີດຂຶ້ນຊ້ຳໆ, ແລະເສີມສ້າງພື້ນຖານຄວາມຮູ້. ເມື່ອເວລາຜ່ານໄປ, ສິ່ງນີ້ຊ່ວຍຫຼຸດຜ່ອນການເພິ່ງພາອາໄສຄວາມຮູ້ສ່ວນບຸກຄົນ ແລະເພີ່ມຄວາມສາມາດໃນການຂະຫຍາຍຂອງການດຳເນີນງານ.
ວົງຈອນນີ້, ເຊິ່ງກ່ຽວຂ້ອງກັບການຈັບ, ການຕີຄວາມ, ການກະທຳ, ແລະ ການຮຽນຮູ້, ແມ່ນສິ່ງທີ່ເຮັດໃຫ້ລະບົບອັດຕະໂນມັດແຕກຕ່າງຈາກຄວາມສະຫຼາດດ້ານການດຳເນີນງານ. ໂຕະບໍລິການຢຸດເປັນພຽງຈຸດຜ່ານໄປ ແລະ ກາຍເປັນລະບົບທີ່ຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງຈາກການດຳເນີນງານຂອງມັນເອງ.
ຈາກທັດສະນະທາງທຸລະກິດ, ການຫັນປ່ຽນນີ້ເລີ່ມສະແດງໃຫ້ເຫັນໃນຕົວຊີ້ວັດຕ່າງໆ. ຕົວຊີ້ວັດແບບຄລາສສິກເຊັ່ນ MTTR, ອັດຕາການແກ້ໄຂບັນຫາລະດັບທຳອິດ, ແລະຄ່າໃຊ້ຈ່າຍຕໍ່ປີ້ຍັງຄົງມີຄວາມກ່ຽວຂ້ອງ, ແຕ່ປະຈຸບັນໄດ້ຮັບອິດທິພົນຈາກປັດໃຈໃໝ່. ຄວາມສາມາດໃນການແກ້ໄຂບັນຫາໃນການຕິດຕໍ່ຄັ້ງທຳອິດເພີ່ມຂຶ້ນເມື່ອການຄັດເລືອກມີຄວາມຖືກຕ້ອງຫຼາຍຂຶ້ນ. ຄ່າໃຊ້ຈ່າຍຕໍ່ປີ້ມັກຈະຄົງທີ່ ຫຼື ຫຼຸດລົງເມື່ອມີການຍົກລະດັບທີ່ບໍ່ຈຳເປັນໜ້ອຍລົງ. ແລະປະສົບການຂອງຜູ້ໃຊ້ຈະດີຂຶ້ນເມື່ອການຕອບສະໜອງພິຈາລະນາສະພາບການ ແລະ ປະຫວັດສາດແລ້ວ.
ການສຶກສາທີ່ດຳເນີນໂດຍອົງການຈັດຕັ້ງຕ່າງໆເຊັ່ນ Forrester ຊີ້ໃຫ້ເຫັນວ່າການນຳໃຊ້ AI ທີ່ມີໂຄງສ້າງໃນ ITSM ສາມາດປະຫຍັດເວລາໄດ້ຢ່າງຫຼວງຫຼາຍໃນເຫດການທີ່ສັບສົນ, ໂດຍສະເພາະໃນກິດຈະກຳການສືບສວນ ແລະ ການປະສານງານ. ຜົນກະທົບບໍ່ພຽງແຕ່ຢູ່ໃນລະບົບອັດຕະໂນມັດຂອງວຽກງານງ່າຍໆເທົ່ານັ້ນ, ແຕ່ຍັງຢູ່ໃນການເລັ່ງການຕັດສິນໃຈໃນສະຖານະການທີ່ຍາກກວ່າ.
ແນ່ນອນວ່າ AI ບໍ່ໄດ້ລົບລ້າງຄວາມຕ້ອງການນັກວິເຄາະ, ແຕ່ມັນປ່ຽນແປງປະເພດຂອງວຽກງານທີ່ປະຕິບັດ. ຈຸດສຸມປ່ຽນຈາກການປະຕິບັດຊ້ຳໆໄປສູ່ການວິເຄາະ, ການກວດສອບຄວາມຖືກຕ້ອງ, ແລະ ການຕັດສິນໃຈ. ສິ່ງນີ້ຮຽກຮ້ອງໃຫ້ມີການຝຶກອົບຮົມ ແລະ ການປັບຕົວທາງດ້ານວັດທະນະທໍາ, ໂດຍສະເພາະໃນການດໍາເນີນງານຂະໜາດໃຫຍ່ທີ່ການມາດຕະຖານມີຄວາມຫຍຸ້ງຍາກຫຼາຍ.
ດັ່ງນັ້ນ, ສິ່ງທີ່ພວກເຮົາເຫັນແມ່ນການປ່ຽນແປງທາງໂຄງສ້າງໃນບົດບາດຂອງໜ່ວຍບໍລິການພາຍໃນອົງກອນຕ່າງໆ. ແທນທີ່ຈະເປັນສູນຕົ້ນທຶນທີ່ສຸມໃສ່ການແກ້ໄຂບັນຫາ, ມັນກາຍເປັນແຫຼ່ງຂໍ້ມູນ ແລະ ສະຕິປັນຍາຢ່າງຕໍ່ເນື່ອງກ່ຽວກັບການດຳເນີນງານດ້ານໄອທີ. ແຕ່ລະເຫດການກາຍເປັນພຽງເຫດການໂດດດ່ຽວ ແລະ ກາຍເປັນຈຸດຮຽນຮູ້.
ສຳລັບບໍລິສັດຂະໜາດກາງ ແລະ ຂະໜາດໃຫຍ່, ການເຄື່ອນໄຫວນີ້ມີຜົນສະທ້ອນໂດຍກົງ. ສະພາບແວດລ້ອມທີ່ສັບສົນຫຼາຍບໍ່ອະນຸຍາດໃຫ້ມີຮູບແບບທີ່ອີງໃສ່ປະລິມານ ແລະ ຂະໜາດຂອງມະນຸດເທົ່ານັ້ນ. ປະສິດທິພາບໃນປັດຈຸບັນແມ່ນຂຶ້ນກັບຄວາມສາມາດໃນການຕີຄວາມ ແລະ ປະຕິບັດຕາມຂໍ້ມູນໃນເວລາຈິງ. AI ຊ່ວຍໃຫ້ການຫັນປ່ຽນນີ້ເກີດຂຶ້ນໂດຍການປ່ຽນຂໍ້ມູນທີ່ກະແຈກກະຈາຍໄປສູ່ການຕັດສິນໃຈດ້ານການດຳເນີນງານທີ່ສອດຄ່ອງກັນຫຼາຍຂຶ້ນ.
ຜົນໄດ້ຮັບບໍ່ພຽງແຕ່ເປັນຈຸດບໍລິການທີ່ມີປະສິດທິພາບຫຼາຍຂຶ້ນເທົ່ານັ້ນ. ມັນເປັນການດຳເນີນງານທີ່ຄາດເດົາໄດ້ຫຼາຍຂຶ້ນ, ມີແຮງສຽດທານໜ້ອຍລົງ ແລະ ມີຄວາມສາມາດປັບຕົວໄດ້ຫຼາຍຂຶ້ນ. ໃນສະຖານະການທີ່ເທັກໂນໂລຢີຖືກປະສົມປະສານເຂົ້າໃນທຸລະກິດຫຼາຍຂຶ້ນ, ວິວັດທະນາການນີ້ຈະຢຸດຕິການລິເລີ່ມດ້ານໄອທີ ແລະ ກາຍເປັນຕົວກະຕຸ້ນປະສິດທິພາບຂອງອົງກອນ.
ສຸດທ້າຍ, ສິ່ງທີ່ມີຄວາມສ່ຽງບໍ່ແມ່ນການອັດຕະໂນມັດການບໍລິການລູກຄ້າ. ມັນກຳລັງກຳນົດບົດບາດຂອງໜ່ວຍບໍລິການພາຍໃນບໍລິສັດຄືນໃໝ່. ເມື່ອນຳໃຊ້ຢ່າງຖືກຕ້ອງ, AI ຈະບໍ່ທົດແທນການສະໜັບສະໜູນ. ມັນປ່ຽນການສະໜັບສະໜູນໃຫ້ກາຍເປັນລະບົບທີ່ສາມາດເຂົ້າໃຈ, ຮຽນຮູ້ ແລະ ປັບປຸງການດຳເນີນງານຢ່າງຕໍ່ເນື່ອງ.
