Рутина технолошких одељења се значајно променила последњих година. Није усвајање cloud computing-а или дигитализација процеса померила тежиште операција: већ је обим одлука почео да се захтева у реалном времену. У дистрибуираним окружењима, са вишеструким апликацијама, интеграцијама и токовима података, изазов више није у томе да се види шта се дешава. Проблем је постао довољно брзо одлучивање да операције прате ову сложеност.
Ова промена помаже да се објасни зашто је дискусија о вештачкој интелигенцији у ИТ-у ове године почела да добија нову димензију. Више се не ради о анализи података или генерисању одговора. Ради се о смањењу времена између откривања догађаја и деловања на основу њега. И управо у овом тренутку агентска вештачка интелигенција почиње да има конкретан утицај на оперативне рутине.
Студије компаније McKinsey показују да се приближно 60% пословних активности већ може аутоматизовати помоћу данас доступних технологија. Ови подаци се често тумаче као повећање продуктивности. Међутим, у пракси то указује на нешто конкретније: велики део оперативног ИТ посла не захтева креативност, већ доследно, брзо и контекстуално извршење. Управо је ова врста активности која највише пати од трења у свакодневном пословању.
Када пажљиво погледате ИТ операције, видећете да се већина времена не троши на стратешке одлуке, већ на понављајуће микро-одлуке. Класификација упозорења, корелација догађаја, разумевање утицаја, покретање рунбука, валидација промене, подешавање ресурса у облаку. Свака од ових радњи, изоловано, је једноставна. Проблем лежи у количини и брзини којом се акумулирају.
Директна последица је фрагментација пажње. Тимови почињу да функционишу реагујући на редове чекања, контролне табле и тикете, стално прелазећи између алата и контекста. Цена овога се манифестује у одложеним одговорима, повећаној буци, недоследним одлукама и, на крају крајева, утицају на пословање.
Агенцијска вештачка интелигенција: Трансформација ИТ операција
Предлог агентичке вештачке интелигенције бави се управо овом тачком напетости. Овај модел ради са контекстом, одређивањем приоритета и могућношћу ланчаног извршавања. Не ради се само о аутоматизацији задатака, већ о повезивању корака који су раније зависили од континуиране људске интервенције.
У пракси, ово мења логику операције. Упозорење престаје да буде само сигнал који захтева ручну анализу и постаје почетак тока који може да укључује аутоматску корелацију, идентификацију вероватног узрока, предлог акције и, у одређеним случајевима, директно извршење. Оно што је раније захтевало више система и међуодлуке сада се дешава у оквиру једног оперативног циклуса.
Овакав приступ смањује једно од главних уских грла у тренутном ИТ-у: време између разумевања проблема и деловања по њему. У критичним окружењима, ова разлика није маргинална. Директно утиче на индикаторе као што су време решавања, доступност услуге и корисничко искуство.
Постоји и мање видљив, али подједнако релевантан ефекат: смањење когнитивног оптерећења на тимове. Елиминисањем понављајућих корака и консолидовањем контекста, агентивна вештачка интелигенција смањује потребу за навигацијом између алата и смањује ослањање на ручну интерпретацију фрагментираних података. Резултат је линеарнији рад, са мање прекида и већом предвидљивошћу.
Овај покрет такође мења начин на који су технолошке области организоване. Како оперативно извршење постаје све аутоматизованије, улога тимова се помера на дизајн процеса, дефинисање политика и управљање. Фокус се мења са „решавања свега“ на „осигуравање да систем све добро решава“.
Када се правилно имплементира, агентска вештачка интелигенција делује као механизам поједностављења. Апсорбује сложеност окружења и враћа тиму само оно што захтева процену или стратешко доношење одлука. Добит није у обављању више задатака, већ у обављању мањег броја оперативних задатака како би се одржао исти ниво услуге.
Истовремено, овај модел захтева зрелост. Аутономија мора бити изграђена постепено, са јасним контролама, могућношћу праћења и добро дефинисаним оперативним ограничењима. Централно питање није да ли технологија може да се изврши, већ под којим условима је то извршење поуздано и проверљиво.
Најзанимљивији аспект ове трансформације је то што не зависи од поремећаја. За разлику од других технолошких таласа, агентска вештачка интелигенција не захтева потпуну замену система или радикалне архитектонске промене. Повезује се са оним што већ постоји и реорганизује начин на који се операције одвијају. Стога, њен утицај има тенденцију да буде постепен, али кумулативан.
Оно што почиње аутоматизованом тријажом или корелацијом догађаја развија се у извршавање рунбука, континуирану оптимизацију ресурса и, у напреднијој фази, оперативне одлуке донете уз минималну људску интервенцију. Не као замена за тим, већ као проширење капацитета извршавања.
На крају крајева, дискусија о агентивној вештачкој интелигенцији у ИТ-у није о технологији. Ради се о оперативном темпу. Компаније које могу да смање време између идентификовања проблема и деловања на њега послују боље, са нижим трошковима и већом предвидљивошћу. А у сценарију где сложеност само расте, ова способност престаје да буде диференцијатор и постаје основни услов за конкурентност.
Промена је већ у току. Остаје да се види колико брзо ће свака организација моћи да уведе овај модел без губитка контроле над сопственим пословањем.
Од Хебера Лопеса, шефа производа и маркетинга у компанији Faiston
