پرش لینک ها

چشم انداز سامانه‌های ITSM در عصر هوش مصنوعی، آینده‌ای خیلی دور خیلی نزدیک

کمتر کسی است که این روزها حرفی از هوش مصنوعی و کاربردهاش در زندگی روزمره نشنیده باشه، هر چند این موضوع برای عموم شاید بعد از بروز پدیده chatgpt شرکت open ai بیشتر ملموس شده اما برای اونایی که در حوزه IT کار می‌کنند ردپای ورود هوش مصنوعی به کارها از چند سال قبل معلوم شده بود.

هوش مصنوعی رو تقریبا می‌شه به همه چیز چسبوند، هوش مصنوعی در خودرو، هوش مصنوعی در درمان، هوش مصنوعی در تولید، هوش مصنوعی در شبکه های اجتماعی، هوش مصنوعی در تولید محتوا و ….

تو این مقاله می‌خوایم درباره هوش مصنوعی در مدیریت خدمات فناوری اطلاعات (ITSM) صحبت کنیم، اما بزارید کمی قوه تخیل رو هم چاشنی موضوع کنیم و برویم چندسال جلوتر مثلا هوش مصنوعی و ITSM در 2030!

واقعیت اینه که انقدر سرعت رشد تکنولوژی زیاد شده که 2030 رو می‌شه به عنوان یک آینده تقریبا دور بهش نگاه کرد که احتمالا با الان خیلی فرق خواهد داشت.

خب در سال 2030 هستیم و میخوایم بریم بازار یک سیستم ITSM بخریم، از بین گزینه‌هایی که وجود داره چشممون می‌خوره به یک راهکاری که تازه منتشر شده، اسمش هست مدیر سرویس مجازی Virtual Service Manager البته نمی‌دونم شاید اسمش چیز جذاب‌تری باشه

اما این سیستم جدید که دیگه از هوش مصنوعی استفاده نمی‌کنه بلکه خود هوش مصنوعیه چه قابلیت‌هایی داره، بیاید با هم مرور کنیم:

حافظ سرویس‌ها با مدیریت پیشگیرانه رخدادها

علاوه بر پشتیبانی از رویه‌های از پیش تعریف شده ثبت و مدیریت رخدادها سیستم این قابلیت رو داره که آنومالی و رفتارهای مشکوک در سطح سرویس و اقلام پیکربندی مرتبط که احتمال بروز رخداد دارند رو شناسایی کرده و براساس احتمال و شدت وقوع رخداد، اقدامات خودکاری مثل تغییر در مسیردهی شبکه، به‌روزرسانی نرم افزار، اطلاع‌رسانی به تیم توسعه و … انجام بده.

دوره آموزشی مدیریت رخدادهای ITIL 4

ارباب تیکت‌ها

تیکتینگ و مدیریت تیکت‌ها یکی از بخش‌های مهم در سامانه‌های ITSM هست، این سیستم از محتوای تیکت‌ها، کاربران ثبت کننده، شرایط منابع در دسترس،تیکت‌ها رو دسته‌بندی و اولویت‌بندی می‌کنه و کار رو در اختیار تیم یا فرد یا سیستم مرتبط قرار می‌ده، تیکت شامل همه انواع درخواست‌ها اعم از:

  • درخواست سرویس
  • درخواست رخداد
  • درخواست تغییر

یا هر درخواست دیگری می‌شه که در سیستم توسط کاربران یا سایر سیستم‌ها به انحا مختلف قابل ثبت هست و برای پاسخ بهش باید منابع صرف بشه. این دسته‌بندی و اولویت‌بندی در تمام چرخه حیات تیکت مدیریت میشه در شرایط لازم با توجه به تاریخچه و وضعیت تیکت می‌تونه توسط سیستم تغییر پیدا کنه.

بیش از یک دستیار هوشمند

علاوه بر در اختیار قراردادن یک محیط تعاملی مناسب با کاربران (چت بات) که می‌تونه نیازمندی‌های کاربر را به خوبی درک کنه و پاسخ مناسب به آن ارائه بده، سیستم بسته به رفتارهای قبلی مشتری، علاقه‌مندی‌ها و شرایط ارائه سرویس، توانمندی‌ها و قابلیت‌های تیم IT، تصمیم می‌گیره که چه درخواست یا تغییری رو به صورت خودکار برای کاربر سرویس ثبت کنه، مثلا اگر کارمند برای یک ماموریت از شرکت خارج می‌شه، با توجه به اینکه میدونه این کارمند باید به یک سیستم خاص دسترسی داشته باشه، درخواست دسترسی VPN کاربر رو ثبت میکنه و حتی می‌تونه در صورتیکه ملاحظات مدیریتی یا امنیتی نداشته باشه این کار رو هم خودش به صورت خودکار انجام بده.

مشاور در حوزه اعمال تغییرات

درمحیط ارائه سرویس به خصوص وقتی که این محیط پر از پارامتر و متغیرهای کمی و کیفی باشه، پیش‌بینی ریسک‌های تغییر و تحلیل اثر تغییر اصلا کار راحتی نیست.

اما این مدیر سرویس مجازی ما با توجه به دسترسی به سوابق تغییرات گذشته، اشراف بر اقلام پیکربندی مرتبط با سرویس و نیز درک تاثیر این اقلام بر یکدیگر و سایر سرویس‌ها به خوبی می‌تونه تغییرات رو تحلیل کنه و به مجریان تغییر در این خصوص مشاوره بده.

یعنی وابستگی‌های مهم و میزان تاثیراتش رو بسته به نوع تغییری که میخواد انجام بشه مشخص می‌کنه و نوع و میزان ریسک یا ریسک‌های ناشی از تغییر رو مشخص می‌کنه. البته این سیستم فقط در خصوص تغییرات مشاوره نمیده، برای تغییرات استاندارد در صورتیکه دسترسی‌های لازم براش تعریف شده باشه، به صورت خودکار طیف زیادی از تغییرات را انجام می‌ده.

ناظر، راهبر و تنظیم کننده SLA ها

این مدیر سرویس مجازی، بصورت تمام وقت وضعیت انطباق سرویس با توافق نامه‌ها را ارزیابی می‌کنه و به صورت زودهنگام موارد نقض SLA رو تشخیص می‌ده و قبل از اینکه این اتفاق بیفته به صورت پیش دستانه اقداماتی رو خودش انجام می‌ده. تغییر ارجاع تیکت، تغییر اولویت تیکت‌ها، بالانس منابع و اطلاع رسانی به ذینفعان مختلف بخشی از کارهایی هست که سیستم به صورت خودکار و به تشخیص خودش انجام میده.

از طرفی براساس تاریخچه وضعیت SLA، محدودیت‌ها و توانمندی‌ها، عملکرد سرویس، سطح رضایت کاربر و عوامل دیگه پیشنهاداتی برای بهبود توافق نامه‌ها و اصلاحش برای رسیدن به یک توافق بهینه به مدیریت ارائه میده.

مواظب حال مشتریان و مربی کارکنان

با توجه به قابلیت‌های تحلیل احساساتی که این راهکار داره از یک طرف براساس بازخوردهای مختلفی که از کاربران و مشتریان سرویس از طریق درگاه‌های مختلفی نظیر محیط چت، متن درخواست‌ها و سایر کانال‌ها دریافت می‌کنه، وضعیت رضایت‌مندی کاربران را ارزیابی کرده و وضعیت اون‌ها رو با داشبوردهای مناسب به تصویر می‌کشه.

از طرفی از طریق همین قابلیت وضعیت روحی و انگیزه کارکنان تیم IT رو بررسی کرده و موارد لازم جهت توجه بیشتر رو به ساختار مدیریتی منتقل می‌کنه. هر چند در نسخه ارتقا یافته این قابلیت را خواهد داشت که خود راسا وارد عمل شده و با تغییر در ترکیب تیم ها، نحوه انجام کارها و سایر پارامترهای موثر بر کارکنان وضعیت رو بهبود ببخشه.

جام جهان نمای محیط IT

داشتن یک داشبورد کارآمد و تصمیم ساز، نیازمندی همه مدیران و تصمیم گیرندگان هست، این سیستم مبتنی بر نقش‌هایی که در سازمان IT وجود داره از CIO گرفته تا کارشناسان میزخدمت، داشبوردهای متناسب با نیازمندی‌ها و تجربه کاربری کاربر ارائه می‌ده، همچنین بواسط محیط تعاملی که داره میتونه نیازمندی‌های کاربر سیستم رو دریافت کرده و براساس اون داشبورد رو طراحی کرده و در اختیار کاربر قرار بده.

بهبود، بهبود و بهبود

از ویژگی‌های جذاب این سیستم پیاه شدن بهبود مستمر در عمل هست.

با توجه به مکانیزم یادگیرندگی تقویتی و سایر روش‌های بهینه یابی استفاده شده در سیستم، در همه حوزه‌هایی که سیستم در آنها نقشی داره مثل دسته‌بندی‌ها و ارجاعات تیکت‌ها، تحلیل تاثیرات تغییر، پیش‌بینی رخدادها، پیش بینی موارد نقش SLA، تحلیل احساسات مشتریان و کارکنان و سایر حوزه‌های درگیر، سیستم با بررسی تاریخچه و عملکرد و وضعیت جاری علاوه بر ارائه پیشنهادات بهبود در این حوزها، عملکرد خودش رو هم در اقدامات بعدی بهبود می‌ده.

خب اینهایی که گفتم تنها بخشی از قابلیت‌های این سیستم بود، حالا 2030 اگر همچنان در همین حوالی حوزه مدیریت خدمات فناوری اطلاعات بودید احتمالا اسم این سیستم به گوشتون میخوره و باهاش بیشتر آشنا خواهید شد.

 

پانوشت 1: مواردی که به عنوان قابلیت‌های این سیستم گفته شد عموما براساس قابلیت‌های فعلی هوش مصنوعی  مثل NLP, Anomaly detection, Sentiment analysis, Predictive analysis, Machine learning models تعریف شده و  ممکنه در آینده نزدیک براساس قابلیت‌های جدیدی که به این حوزه اضافه میشه سیستم ITSM قصه ما هم توانایی‌های بیشتر و متفاوتی پیدا کنه

پانوشت 2: ردپای هر کدوم از موارد اشاره شده در این مقاله که به عنوان قابلیت‌های سیستم ITSM  آینده بهش اشاره شد رو می‌تونید در بعضی از سیستم‌های این حوزه همین الان هم ببینید، هر چند هوش مصنوعی هنوز بخش محوری سیستم ها نشده اما شرکت‌ها در این مسیر خیلی سریع در حال حرکتند.

پانوشت 3: با خودکارسازی هر چه بیشتر فعالیت‌هایی که در مدیریت خدمات فناوری اطلاعات وجود داره، کم کم نقش افراد در این نظام تغییر خواهد کرد و کارکنان مشغول در حوزه ارائه خدمات مدیریت شده، باید بیشتر مجهز به مهارت‌هایی بشوند که همچنان از دسترس هوش مصنوعی خارج (حداقل تا الان!) و هنوز انسان‌ها بازیگر اصلی اونها هستند. در این باره بیشتر خواهیم گفت.

پانوشت 4: مقاله‌ای که خوندید، تماما توسط هوش مصنوعی نوشته،،،،، نشده! خیالتون راحت فعلا هنوز هوش مصنوعی نمیتونه به خوبی ما آدم ها عمل کنه 😊