Per comprendere l'automazione IT e l'AI occorre innanzitutto assicurarsi che tutti gli stakeholder siano sulla stessa lunghezza d'onda e che tutti abbiano a mente gli stessi concetti. Questo include il fatto di comprendere alcuni termini chiave, esplorare i cambiamenti creati dall’AI generativa e approfondire il ruolo dei dirigenti. È inoltre fondamentale approfondire alcuni casi d'uso che illustrano quello che l'automazione e l'AI sono in grado di fare per le operazioni IT.
Questo termine racchiude il concetto generale del rendere i processi aziendali più rapidi ed efficienti riducendo l'intervento umano.
È il processo che consiste nel prendere le azioni manuali e trovare un modo per utilizzare un sistema o uno strumento che possano eseguirle al posto di un essere umano.
Questo termine, coniato da Gartner nel 2018, indica l'applicazione di funzionalità di AI, come l'elaborazione del linguaggio naturale e i modelli di machine learning, per automatizzare e semplificare i workflow operativi.
Questo termine si riferisce a modelli di deep learning in grado di generare testo, immagini e altri contenuti di alta qualità in base ai dati su cui sono stati addestrati.
L'AI generativa sta dando vita ad approcci radicalmente nuovi al modo in cui lavoriamo, compresi i processi IT tradizionali. Tre CEO su quattro affermano che il proprio vantaggio competitivo si basa sull'AI e che la trasformazione è ancora una priorità per la maggior parte delle organizzazioni. Secondo una ricerca McKinsey, il 90% delle aziende ha avviato una qualche forma di trasformazione digitale. Questa digitalizzazione rende oggi ogni azienda, che sia pronta o meno, un’azienda tecnologica.
"Con la trasformazione digitale, raramente le cose si semplificano. Molto spesso si aggiungono nuovi, e più complessi, sistemi e applicazioni. In passato, con l'aumentare della complessità, crescevano anche i nostri team, ad esempio SRE, sviluppatori e team addetti al monitoraggio delle operazioni cloud. Ma questo approccio non è scalabile nel lungo periodo. Adesso le organizzazioni devono cercare nuovi modi per migliorare le esperienze e la produttività di questi team." —Stephen Mortefolio
Se ogni azienda è ormai un'azienda tecnologica, ne consegue che tutti i dirigenti devono migliorare le proprie competenze tecniche. In molte aziende, l'attenzione verso l'AI e l'automazione sta coinvolgendo non più solo i vertici aziendali ma anche i consigli di amministrazione.
Con un controllo di così alto livello, la pressione per l'adozione dell'AI e di altre tecnologie basate sull'AI è più forte che mai. A questo si aggiunge la costante esigenza di garantire che le operazioni IT siano attive 24 ore su 24, 7 giorni su 7 e che i team IT siano in grado al contempo di fornire nuove funzionalità, mantenere i clienti soddisfatti e fedeli e garantire bassi costi.
"Se non si fornisce un servizio adeguato a chiunque sia il proprio elettore o cliente, non importa se si è nel settore pubblico, nell'industria delle telecomunicazioni o in quella manifatturiera. Se il servizio non è buono e non si offrono le funzionalità di cui il cliente ha bisogno, il resto non ha molta importanza: si perderà comunque quel cliente." —Melissa Long Dolson, Vice President, AI Ops & Integration, IBM Technology Sales
I CIO sanno bene che queste pressioni nascondono il tentativo di rispondere a una domanda: "Sto ottenendo il massimo (il massimo valore, la massima produttività, il massimo rendimento) dai miei investimenti tecnologici?". Fortunatamente, utilizzare l'AI nell'IT può consentire di dare una risposta affermativa a questa domanda.
"Sicuramente ci aspettiamo di più da questi investimenti. Anche nella nostra vita personale ci aspettiamo di più da una macchina che da una persona reale. Le aspettative sono così alte che anche una sola brutta esperienza può portare qualcuno ad abbandonare un marchio, un prodotto o un servizio. Ecco perché è più importante che mai che le applicazioni forniscano costantemente prestazioni elevate." —Keri Olson
Nota: tra le organizzazioni intervistate, il 60% investe nell'automazione per ridurre la complessità dell'IT e della rete, mentre il 50% investe per fornire piattaforme e applicazioni IT nuove e migliorate.¹
Con le soluzioni AI e AIOps, i team IT e le aziende che servono passano da un modello "break-fix" a un modello che consente azioni preventive e predittive. I team ottengono insight attuabili e nuovi modi per identificare nuove opportunità di efficienza che aumentano la produttività e fanno risparmiare tempo e costi su una scala che semplicemente non è alla portata degli esseri umani. Ad esempio, prova a pensare come questi casi d'uso potrebbero potenzialmente migliorare le tue operazioni e il tuo sviluppo IT:
Utilizza le funzionalità di analisi delle cause principali in tempo reale, alimentate dall'AI e dall'automazione intelligente, per identificare rapidamente le cause alla base degli incidenti e quindi intraprendere azioni immediate per ridurre sia il tempo medio di rilevamento (MTTD) che il tempo medio di risoluzione (MTTR).
Applica un framework di gestione finanziaria del cloud FinOps in modo che i team interfunzionali possano collaborare e assumersi la responsabilità dell'utilizzo del cloud. FinOps è una pratica di gestione utilizzata dalle organizzazioni per ottimizzare le prestazioni finanziarie della propria infrastruttura di cloud computing. Adottando decisioni sulla spesa per il cloud basate sui dati per bilanciare in modo sicuro costi e prestazioni, puoi fare in modo che sia il software, e non le persone, a intraprendere le azioni appropriate e fornire alle applicazioni le risorse di cui hanno bisogno quando ne hanno bisogno.
Utilizza l'osservabilità, alimentata dall'AI e dall'automazione, per avere una visibilità full stack per comprendere meglio il tuo ambiente e accelerare l'innovazione. Potrai anche usufruire del rilevamento, del monitoraggio e della convalida automatici delle prestazioni e dell'integrità delle applicazioni in produzione. Ciò include l'infrastruttura cloud, le virtual machines, i microservizi basati su container, le infrastrutture multi-tenant condivise e i sistemi di storage, il tutto con i report su metriche come l'utilizzo, la disponibilità e i tempi di risposta.
Utilizza l'AI per ridurre il tempo necessario a collegare applicazioni e sistemi e sbloccare dati critici.
Accelera la generazione di codice e aumenta la produttività degli sviluppatori utilizzando codice accurato e di alta qualità con raccomandazioni AI basate su richieste in linguaggio naturale o sul codice sorgente esistente. Consenti ai team di sviluppo di acquisire competenze in diversi linguaggi di programmazione senza la necessità di un drastico miglioramento delle competenze.
1 The ESG data conundrum, IBM Institute for Business Value, aprile 2023