Jak správně posoudit připravenost organizace na Generativní AI a jak ji implementovat v ServiceNow?

Generativní AI představuje zásadní změnu v oblasti IT služeb a její schopnosti mohou zásadně transformovat způsob, jakým organizace řídit, interagují a poskytují služby. Implementace těchto technologií, zejména v platformě jako ServiceNow, vyžaduje pečlivé posouzení připravenosti organizace na takovou změnu. To zahrnuje nejen technické, ale i kulturní a strategické aspekty.

Připravenost na zavedení generativní AI v organizaci se obvykle hodnotí pomocí maturity modelů. Tento model hodnotí organizaci podle několika klíčových dimenzí, které zahrnují strategické sladění, procesní zralost, technologickou infrastrukturu, etiku a řízení AI, a také schopnost sbírat a analyzovat zpětnou vazbu. Každá z těchto dimenzí by měla být hodnocena na stupnici od 1 do 5, přičemž 1 znamená, že organizace si je vědoma potřeby AI, a 5 znamená plnou optimalizaci a integraci AI ve všech oblastech organizace.

Jedním z klíčových aspektů, který často bývá opomíjen, je finanční připravenost organizace. Finanční připravenost nezahrnuje pouze náklady na počáteční implementaci, ale také dlouhodobé investice do udržitelnosti generativní AI. To zahrnuje například náklady na průběžné zlepšování promptů, obohacování znalostních bází, monitoring modelů a etické řízení. Tyto „skryté náklady“ by měly být zahrnuty do rozpočtu, aby se předešlo stagnaci po počátečním nasazení.

Je důležité si uvědomit, že úspěšná implementace generativní AI neprobíhá okamžitě. Je to dlouhodobý proces, který vyžaduje strategické plánování a kontinuální zlepšování. Maturity model a vizualizace pomocí radarového grafu mohou pomoci IT manažerům lépe pochopit, kde se jejich organizace nachází v oblasti implementace generativní AI, a jaké kroky je třeba podniknout pro dosažení pokroku. Různé matice, jako je matici připravenosti (Traffic Light Model), mohou pomoci rychle identifikovat oblasti, které je třeba zlepšit.

Přestože maturity model poskytuje důležitý rámec pro hodnocení připravenosti organizace na generativní AI, mnoho manažerů také využívá konkrétní nástroje a techniky, které jim pomohou při implementaci. Například, vytvoření týmu připravenosti je klíčovým krokem. Tento tým by měl zahrnovat odborníky na různé oblasti, od IT, přes HR, až po etiku a řízení rizik. Každý člen týmu má svou roli, která je nezbytná pro úspěšné zavedení AI do organizace.

V tomto procesu je třeba se zaměřit na tři fáze zavedení generativní AI:

1. Základy (0-2 měsíce): V této fázi je důležité dokončit identifikaci případů použití, připravit správu a řízení dat, vyčistit data a znalostní báze, a také zorganizovat školení pro zaměstnance.

2. Pilot (3-5 měsíců): Testování schopností generativní AI v konkrétním oddělení (například ITSM). V této fázi je kladeno důraz na sběr zpětné vazby od uživatelů a na sledování klíčových ukazatelů výkonnosti (KPIs).

3. Rozšíření (6 měsíců a více): Po úspěšném pilotu je čas na širší nasazení AI v dalších oblastech, jako je HR, CSM, a další. Je kladeno důraz na kontinuální zlepšování a úpravy modelů na základě zpětné vazby a pravidelných revizí promptů.

Generativní AI v ServiceNow přináší nové možnosti automatizace a zlepšení uživatelské zkušenosti. Automatické vytváření znalostních článků, generování dynamického obsahu pro šablony požadavků nebo interakce s virtuálním agentem, a automatizace úkolů jako je kategorizace požadavků nebo směrování incidentů – to vše zajišťuje efektivitu a přizpůsobení konkrétním potřebám uživatelů. Tato technologie nejen zjednodušuje práci IT týmu, ale také výrazně zlepšuje kvalitu poskytovaných služeb.

Je nezbytné mít na paměti, že implementace generativní AI je proces, který by měl probíhat v souladu s připraveností organizace na změnu, a to jak technicky, tak i kulturně. Důraz na etiku a správu dat je klíčovým faktorem pro dlouhodobý úspěch a udržitelnost těchto technologií.

Jak může generativní AI transformovat služby a IT operace: výhledy a praktické kroky pro manažery

Generativní AI, v kombinaci s nástroji jako Now Assist, znamená zásadní změnu v tradičním přístupu k řízení služeb v IT. Tento přechod neznamená pouze technologické inovace, ale především redefinici rolí a očekávání jak pro IT manažery, tak pro koncové uživatele. Když uživatelé mají pocit, že AI asistent je skutečně rozumí, komunikuje v jejich preferovaném jazyce, dodržuje interní protokoly a bez problémů se integruje do stávajících systémů, je mnohem pravděpodobnější, že jim začnou důvěřovat a aktivně je používat. Ale jaké změny se skutečně odehrávají v každodenní praxi?

Pro manažery IT týmů tento přechod znamená spíše redefinici jejich rolí než záměr o nahrazení lidských pracovníků. Agenti se stávají poradci a řešiteli problémů, nikoli pouze vykonavateli administrativních úkolů. IT týmy mohou zaměřit svou energii na vytváření hodnoty, namísto toho, aby byli zahlceni administrativními činnostmi. Uživatelé se cítí více vnímáni a obslouženi rychleji, což vede k vyšší míře spokojenosti.

Dnes už AI může shrnout tikety a navrhnout řešení. V budoucnu bude schopna předcházet problémům ještě dříve, než se objeví. Generativní AI, ve spojení s prediktivními technologiemi, dokáže rozpoznat vzory, které signalizují možné problémy, než si je uživatel vůbec všimne. Například, pokud se zpomalí pracovní stanice uživatele, AI rozpozná podobné symptomy, které se objevily dříve u jiného uživatele v rámci známé softwarové chyby, a automaticky vytvoří tiket, notifikace a nabídne řešení, aniž by uživatel musel problém vůbec nahlásit.

Pro manažery IT to znamená změnu metrik, na které se zaměřují. Místo klasického měření doby reakce by měli začít hodnotit prevenci incidentů. AI bude schopna přecházet od reaktivního přístupu k preventivnímu, což znamená, že incidenty, které by byly jinak zpracovány, se nikdy neobjeví.

Autonomní učení je dalším pokrokem, který změní způsob, jakým AI modely fungují. Současné modely vyžadují dozorovanou výuku a nastavení, zatímco budoucí modely budou schopny samostatně se adaptovat na nové technologie, nástroje a způsoby chování uživatelů. Například pokud organizace nasadí nový interní CRM systém, AI modely budou schopny se naučit, jak tento nástroj funguje, jaké problémy se mohou vyskytnout, a dokonce vytvářet vlastní obsah pro jeho podporu. Bude schopná například generovat nové položky v katalogu služeb na základě častých dotazů uživatelů.

V budoucnu se role IT manažerů budou transformovat. Místo správy incidentů budou muset řídit ekosystémy služeb poháněné AI. Stát se klíčovým tlumočníkem mezi technologií a byznysem, architektem důvěry ve způsob, jakým jsou AI schopnosti řízeny, a designérem uživatelské zkušenosti ve světě inteligentních systémů.

Jak vidno, budoucnost IT služeb bude stále více o proaktivním, inteligentním a personalizovaném přístupu. S nástroji jako Now Assist, poháněnými generativní AI, se posouváme k nové éře, kde se správa služeb nebude omezovat pouze na reakci na incidenty, ale zaměří se na jejich prevenci a inovace. V tomto kontextu je kladeno na manažery nové požadavky, které budou muset zvládnout, pokud se mají stát lídry v této revoluční změně.

Jak AI mění ITSM: Jak se připravit na budoucnost

Agentic AI není jen nástroj na podporu, je to inteligentní vykonavatel. Posouvá hranice asistence směrem k autonomní akci, což znamená, že IT operace mohou samo-diagnostikovat problémy, provádět samo-opravy a optimalizovat procesy v reálném čase. Tato schopnost přináší novou dynamiku do správy IT služeb, kde AI už není pouze pasivní nástroj, ale aktivní účastník procesu rozhodování a akce.

ServiceNow’s LLM (Large Language Model) zase umožňuje automatizaci konverzací na velkém měřítku. Díky tomu mohou uživatelé přirozeně komunikovat s IT systémy, což otevírá nové možnosti pro efektivní podporu a interakci s multilingválním a kontextově informovaným prostředím. Tato schopnost neustále se zlepšovat a učit z minulých interakcí nejenže zjednodušuje procesy, ale také zajišťuje, že systém se přizpůsobí konkrétním potřebám a specifikům jednotlivých organizací.

Ale i když technologie samotná je klíčová, její skutečná hodnota spočívá v lidech, kteří ji implementují, v procesech, které nastaví, a v vedení, které tuto transformaci řídí. Zde se role manažerů IT stává nezastupitelnou. Jako manažer IT se dnes stáváte nejen překladatelem inteligence, ale i správcem governance a lídrem etické změny, která přináší AI. Vaše schopnost řídit a strukturovat nasazení AI v organizaci je rozhodující pro úspěch a bezpečnost celé implementace.

Připravenost na AI není jen technická otázka, ale také kulturní, strategická a lidská. Týmová školení, rekonstrukce pracovních postupů a přizpůsobení organizační struktury novým technologiím jsou kroky, které definují, zda přechod na AI bude znamenat skutečnou transformaci, nebo jen nafouknutý marketingový trik. Úspěšná adopce AI není otázkou okamžiku, ale procesu, který se buduje krok za krokem.

Příkladem může být situace, kdy AI agent udělá chybu, která ovlivní produkční prostředí, jako je restartování klíčové aplikace bez dostatečného kontextu. Jak by vaše organizace zjistila, co přesně agent udělal? Jaké nástroje a procesy máte k dispozici pro rychlý audit a vrácení změn? Přípravenost na AI není pouze o jeho zavedení, ale také o tom, jak je spravováno v případě, že věci nepůjdou podle plánu.

Jak AI může transformovat správu IT služeb: Případové studie a výjimečné zkušenosti

AI se stává základní součástí moderního řízení IT služeb. Technologie, které dříve sloužily pouze jako nástroje pro automatizaci a zefektivnění operací, nyní začínají formovat způsob, jakým se poskytují služby a jak se řízí jejich poskytování. V tomto kontextu představují pokročilé aplikace AI nejenom zjednodušení každodenní rutiny, ale i skutečnou transformaci, která mění samotný způsob práce. Tento text se zaměřuje na konkrétní příklady, jak lze AI efektivně implementovat v oblasti správy IT služeb a jaké konkrétní přínosy to může mít pro organizace.

Jedním z nejvýznamnějších příkladů použití AI v ITSM (správa IT služeb) je prediktivní správa incidentů. Tradičně se IT týmy zaměřovaly na reakci na vzniklé problémy. Prediktivní analytika však umožňuje posunout tuto roli z reakce na prevenci. Pomocí historických dat a analytických modelů AI dokáže předpovědět možné incidenty, než se skutečně vyskytnou, čímž umožňuje IT týmům zasáhnout včas a minimalizovat prostoje.

Jedním z konkrétních případů využití prediktivní správy incidentů je zkušenost společnosti Siemens, která operuje ve 190 zemích a čelila problémům s identifikací kritických IT problémů včas. Pomocí prediktivní inteligence implementovali varovné systémy, které včas identifikovaly trendy degradace výkonu, čímž se podařilo předejít několika vážným incidentům. Výsledkem bylo zkrácení průměrné doby k vyřešení incidentů o 30 % a výrazné zlepšení první úspěšné opravy.

Dalším příkladem efektivního využití AI v oblasti IT služeb je automatizace katalogu služeb. Tradičně katalog služeb slouží uživatelům k objednávání služeb, sledování jejich pokroku a přístupu ke znalostem. S pomocí AI lze tento proces značně zjednodušit. Algoritmy AI mohou automaticky kategorizovat a doporučovat služby na základě chování uživatelů a historických požadavků. Tato automatizace nejen zlepšuje uživatelský zážitek, ale také umožňuje, aby katalog služeb zůstal vždy aktuální a relevantní.

Významnou roli hraje AI i při automatizaci a zefektivnění každodenní komunikace s uživateli prostřednictvím virtuálních agentů. V ITSM jsou virtuální agenti schopni poskytovat zákazníkům okamžité odpovědi a pomáhat při běžných žádostech a problémech, čímž se snižuje zatížení servisních týmů. Virtuální agenti, vybaveni pokročilou generativní AI, se mohou učit z interakcí a neustále zlepšovat své schopnosti.

Pokud bychom se podívali na širší obraz, AI se nesmí brát pouze jako nástroj pro automatizaci a zjednodušení procesů, ale spíše jako součást širší transformační změny v celé organizaci. Jak uvádí Michael, manažer, který implementoval AI v rámci svého týmu: „Nyní už nejsme na začátku. Naše automatizace stabilizovala provoz, ale inovace teprve začínají.“ Tento přechod od automatizace k plné transformaci je klíčovým bodem, kdy AI začíná skutečně měnit způsob práce, způsob řízení služeb a jejich poskytování.

Endtext