(שרה להב, תרגום מאנגלית)

שנת 2016 מגיעה אל קיצה ואנחנו בפתחה של שנה נוספת בניהול שירותי IT (ITSM). נשאלת השאלה במה אנחנו (מקצועני ITSM) צריכים להיות ממוקדים ב 12 החודשים הבאים. בשנה החולפת היה הרבה באז על נושאים כגון DevOps, ניהול שירותי עסקים, חווית לקוח צרכני, וטרנספורמציה דיגיטלית. אבל אני חושבת שיש שפע של הזדמנויות בשבילנו ובשביל העסקים אותם אנו משרתים דווקא בתחום אחר –האוטומציה.

אני לא מדברת על אוטומציה לתהליכים שאנחנו כבר מכירים עוד מהימים הראשונים של ITSM, או על מה שהפך את הוירטואליזציה והענן לכל כך הרבה יותר קלים. אני מתכוונת לסוג שונה של אוטומציה, תחום בו אנו "מעבירים סמכויות למכונות" וליכולתם ללמוד, או במילים אחרות- למידת מכונה – "מחקר ובניית אלגוריתמים שיכולים ללמוד ולבצע תחזיות על נתונים" (ויקיפדיה).

"אלגוריתמים מתקדמים של למידה ממוחשבת מורכבים מטכנולוגיות רבות (כגון למידה עמוקה, רשתות עצביות ועיבוד השפה הטבעית), המשמשים ללמידה ללא השגחה ופיקוח, ופועלים בהפקת לקחים ממידע קיים." (מילון מונחי IT, גרטנר)

בגרטנר הצהירו לאחרונה כי:

"המכונה החכמה תאומץ על ידי המיינסטרים בשנת 2021, עם 30 אחוזי אימוץ על ידי חברות גדולות…כולל מחשוב קוגניטיבי, בינה מלאכותית (AI), אוטומציה אינטליגנטית, למידת מכונה ולמידה עמוקה. כל אלה עונים להגדרה של מכונות חכמות".

אבל אני רוצה להתמקד יותר בלמידת מכונה דווקא מתוך פרספקטיבת  ITSM ותמיכת IT (או עבור כל שירות ותמיכה) כיוון שישנן כיום הזדמנויות רבות שכבר קיימות וכמו כן פתרונות אפשריים לשימוש בלמידת מכונה בפעילויות היומיום שלנו. ואני חושבת שאנחנו נראה בעתיד הקרוב מאד, ספקי ITSM משתפים פעולה עם שותפים טכנולוגיים מתחומי למידת המכונה.

ITSM מלא בהזדמנויות עבור למידת מכונה
מקצועני ITSM השקיעו הרבה משני העשורים האחרונים באופטימיזציה של מתן שירותי IT על מנת לאפשר פעילות עסקית טובה. אלמנטים תפעוליים שונים טופלו – מאימוץ תהליכי עבודה מומלצים, דרך גיוס והכשרה של "האנשים הנכונים", עד לניצול של הטכנולוגיה (Workflow ואוטומציה, ניהול ידע, שליטה מרחוק, שירות עצמי, ולאחרונה אף בינה עסקית). הרבה מזה נעשה כדי לשפר את היעילות והאפקטיביות – עושה רושם שזה מה שאנחנו עושים ב ITSM.

אבל אנחנו עדיין מסתמכים לעתים קרובות מדי על המאמץ האנושי, ועל שכל אנושי, בזמן שיכולנו להעביר את כל המשאבים שלנו – אוקיי, להעביר כמה משימות ספציפיות – אל המכונות. לדוגמא, משימות שבהן ניתן להשתמש באלגוריתמים כדי להבין דפוסים וקונטקסט כדי להחליט על דרך הפעולה הטובה ביותר ללא צורך באינפוט של אנשים.

התוצאות וההטבות שנקבל מכך די דומות למה שאנו מקבלים משימוש בסוגי האוטומציה הקיימים כיום:

• מהירות / ייעול – מכונות יכולות להיות יותר מהירות מאשר החכם בבני האדם. הן גם עובדות 24/7 כולל סופ"ש וחגים.
• עלויות מופחתות – עלויות ההון האנושי הן עדיין חלק גדול מהתקציב הכולל של מחלקת ה- IT, בעוד שהטכנולוגיה היא לא בהכרח זולה, העלות של אוטומציה צריכה להיות יותר ממכוסה על ידי החיסכון בעלות ההון האנושי.
• ניצול טוב יותר של ההון האנושי– זה פשוט לשחרר את הצוות (העסוק ממילא) ממשימות סיזיפיות החוזרות על עצמן כדי לאפשר להם להתמקד בדברים החשובים יותר.
• צמצום טעויות אנוש – אנשים עושים טעויות וזה לא משנה אם הם חסרי ניסיון, ממהרים, או עייפים – לטעויות האלה עשויות להיות השפעות לוואי על העסק. אוטומציה עושה הרבה פחות טעויות.
• יכולת גבוהה יותר לשינוי – שינוי מהיר של דרכי עבודה, יכול להיות בעייתי עבור אנשים כיוון שקשה להם להחליף בין ישן לחדש והם לעתים קרובות מתבלבלים בין השניים. אוטומציה, מצד שני, פשוט מפסיקה את הדרך הישנה ומתחילה את הדרך החדשה.
• חוויית לקוח משופרת – בזמן שאוטומציה נתפסת לעתים קרובות כמו יתרון עבור ספק השירות בלבד, היא מספקת לא מעט יתרונות גם למקבלי השירות – בין אם זה יהיה מענה מהיר יותר, הפחתת העלויות שתשפיע ישירות גם עליהם, הסתברות גבוהה יותר למתן שירות, או תמיכה טובה יותר ושירות לקוחות כשדברים משתבשים.

מסקר חדש של AXELOS– "מקצועני ה ITSM בשנת 2030: עתיד מלא הזדמנויות" (ינואר 2017)- עולה כי רוב אנשי מקצוע ה ITSM כבר מהמרים על אוטומציה ולמידת מכונה:
• אוטומציה – 89% מהמשיבים "חושבים שהגדילה באוטומציה תשתלט על המשימות החוזרות והנשנות של אנשי ה- IT, תיצור יותר זמן למנהלי שירות להתמקד ביצירת ערך רב יותר לארגון שלהם."
• בינה מלאכותית / למידת מכונה – 77% מהמשיבים "אמרו שהם האמינו שמגמות אלה עשויות להיות בעלות השפעה עמוקה על כוח העבודה, הן יאפשרו שחרור של מקצועני ה ITSM ממשימות שגרתיות ויפנו להם זמן להיות יותר יצירתיים ויעילים".

אז איפה למידת מכונה יכולה לעזור?

חמש דוגמאות של תרחישי שימוש בלמידת מכונה ב ITSM:

1.זיהוי וחיזוי נושאים ובעיות. הטכנולוגיה יכולה גם להציע את ההחלטות הסבירות ביותר. היא מקטינה את זמני התגובה (MTTR) ופותחת את הדלת לחיזוי מה שדרוש לתחזוקה נכונה ויעילה (וכך יהיו פחות "כיבויי שריפות").
2.הבנה טובה יותר של הסיכונים שבשינויים שעל הפרק. לא רק להבין מה יהיה מושפע מהשינוי אלא באמת להבין מהי ההשפעה הצפויה להיות.
3. יכולת לחזות מראש מה צריך לקרות או אפילו את מה שיקרה. החל מתכנון של דרישה ויכולת עד להבנת רמות עתידיות של שביעות רצון לקוחות בהתבסס על מה שקורה או מה שמתוכנן לקרות.  

4. גישה טובה יותר למידע ולפתרונות. למידת מכונה משפרת את דיוק החיפוש, ויש לה יכולות המלצה מבוססות נתונים, בדומה למה אנשים כבר מקבלים כיום מחברות כמו אמזון ו- Netflix.

5.ניהול ידע טוב יותר וקל יותר. שני העשורים האחרונים הראו כי אנשים אינם מצטיינים בניהול ידע – או לפחות בחלק של יצירת מאמר ידע ממנו. למידת מכונה יכולה להיות מנוצלת לטובת כך- על מנת לזהות פערי מאמרים "חסרים" וליצור מאמרים חדשים באופן אוטומטי מתוך כרטיסים קיימים, כלומר, מתוך הפתרונות המתועדים כבר.

לפוסט המקורי