Jak ServiceNow využívá umělou inteligenci k transformaci IT služeb?

V roce 2020 se ServiceNow rozhodl postavit do čela revoluce v oblasti umělé inteligence (AI) a od té doby neustále zajišťuje, že jeho platforma bude využívat nejmodernější technologie k řešení problémů a zefektivnění operací. V tomto roce začaly významné akvizice, které zásadně obohatily schopnosti platformy v oblasti AI, a to jak po stránce analýzy dat, tak po stránce interakce s uživateli.

Prvním zásadním krokem bylo začlenění společnosti Loom Systems, která přidala pokročilé analytické nástroje pro proaktivní detekci IT problémů. To umožnilo platformě nejen detekovat problémy dříve, než dojde k jejich vzniku, ale také předcházet potenciálním výpadkům a poruchám systémů. Dalšími důležitými akvizicemi byly Passage AI, která posílila možnosti přirozeného jazykového zpracování (NLP) a zlepšila funkce chatbotů, a Sweagle, která poskytla silnější nástroje pro správu konfigurace a zajištění integrity systémů.

Další klíčovou akvizicí byl Intellibot, který vstoupil na trh s robotickou automatizací procesů (RPA), čímž otevřel nové možnosti pro automatizaci opakujících se úkolů a výrazně zlepšil efektivitu. V roce 2022 přišla Hitch, která zavedla AI-driven mapování dovedností pro lepší plánování lidských zdrojů a správu talentů.

Jedním z nejdůležitějších inovací, které platforma přinesla, byl virtuální agent, založený na AI, který umožňuje neustálou dostupnost pro uživatele a poskytuje jim asistenci kdykoliv. Tento chatbot, poháněný NLP, dokáže řešit každodenní dotazy, například resetování hesel nebo odblokování účtů, a zároveň provádět složitější úkoly, jako je diagnostika technických problémů. Důležitou vlastností virtuálního agenta je jeho schopnost provádět analýzu sentimentu, což znamená, že systém dokáže detekovat, zda uživatel je spokojený, nebo zda má problémy, a podle toho upravit další kroky nebo přesměrovat konverzaci k lidskému agentovi.

Další silnou funkcionalitou platformy ServiceNow je Automation Discovery. Tento nástroj odhaluje manuální procesy, které jsou vhodné pro automatizaci, což umožňuje IT týmům identifikovat a optimalizovat opakující se úkoly. Na základě analýzy procesů systém automaticky doporučuje úkoly, které lze zefektivnit pomocí automatizovaných nástrojů, a tím zvyšuje celkovou produktivitu organizace.

Co se týče těchto technologií, je důležité mít na paměti, že AI není pouze nástrojem pro zefektivnění existujících procesů, ale také základem pro celkovou transformaci způsobu, jakým organizace spravují své IT služby. Schopnost automatizovat složité operace, detekovat problémy před jejich vznikem a poskytovat uživatelům okamžitou pomoc znamená obrovské úspory času a nákladů.

V souvislosti s tímto vývojem je zásadní pochopit, že implementace AI v prostředí IT služeb není jen o technologiích samotných, ale také o změně organizační kultury. AI musí být vnímána nejen jako nástroj pro zjednodušení práce, ale i jako katalyzátor pro inovace a lepší spolupráci napříč odděleními. Je třeba si uvědomit, že technologie jako virtuální agent nebo dokumentová inteligence mění nejen to, jak se pracuje s technologiemi, ale i to, jak se organizace přizpůsobují rychle se měnícím podmínkám v oblasti správy služeb.

Jak generativní AI mění pracovní procesy: Případová studie ServiceNow

Přestože generativní AI může nabídnout rychlé a rozsáhlé řešení problémů, její schopnosti stále nejsou srovnatelné s lidským porozuměním a analytickým myšlením. AI může generovat návody nebo návrhy na základě historických dat, ale nedokáže adekvátně rozpoznat příčinné souvislosti nebo hodnotit kontext situace tak, jak to dokáže zkušený odborník. Výstupy generativní AI jsou obvykle přesné a efektivní, ale chybí jim hlubší porozumění problému, což může být problém zejména v komplexních scénářích.

Now Assist, jak je implementováno ve ServiceNow, zajišťuje okamžitou asistenci uživatelům tím, že detekuje kontext jejich aktuálního požadavku a poskytuje cílenou pomoc. To zahrnuje automatizované řešení úkolů, návody na procesy nebo možnosti samoobsluhy. Tyto funkce zvyšují efektivitu nejen v oblasti IT, ale i v zákaznickém servisu, HR a vývoji. Automatizace rutinních úkolů, jako je sumarizování incidentů nebo generování poznámek k řešení problémů, umožňuje agentům a zaměstnancům soustředit se na hodnotnější činnosti, což vede k rychlejšímu dokončení úkolů a snížení manuální pracovní zátěže.

Dalším významným přínosem je podpora rozhodování. Generativní AI, využívající pokročilou analýzu strukturovaných i nestrukturovaných dat, poskytuje okamžité, akční přehledy a doporučení, které pomáhají uživatelům dělat lepší a rychlejší rozhodnutí. Tento proces zajišťuje lepší informovanost při každodenní operativní činnosti a podporuje efektivní strategické plánování.

Význam generativní AI je rovněž patrný ve vývoji softwaru a inovačních cyklech. AI podporuje automatizaci tvorby kódu, generování uživatelských příběhů nebo zjednodušení vývojových pracovních postupů, což urychluje vývojový cyklus při zachování vysokých standardů kvality a souladu s předpisy. Tímto způsobem organizace mohou reagovat na rychle se měnící potřeby trhu, aniž by došlo k opomenutí důležitých bezpečnostních nebo regulačních normativů.

Bezpečnost a ochrana dat jsou zásadními aspekty každé platformy využívající generativní AI. ServiceNow dbá na to, aby všechny modely AI byly navrženy s ohledem na přísné standardy ochrany soukromí a compliance, což zajišťuje, že citlivé firemní a uživatelské údaje jsou vždy chráněny.

Kromě těchto aspektů je důležité si uvědomit, že generativní AI, i když vykazuje obrovský potenciál, stále postrádá schopnost přímého lidského rozhodování a kreativního řešení unikátních problémů. Zatímco umělá inteligence dokáže analyzovat velké objemy dat a poskytnout efektivní nástroje pro automatizaci, je kladeno důraz na nutnost kombinovat lidskou expertízu s těmito technologiemi, aby bylo možné dosáhnout optimálních výsledků v dlouhodobém horizontu.

Jak maximalizovat návratnost investic pomocí schopností AI ve ServiceNow a vyhnout se nástrahám hodnoty

Kelly, manažerka servisní podpory, má dostatek zkušeností v oblasti IT, aby věděla, že dobré nástroje ne vždy vedou k dobrým výsledkům. Když však začala chápat sílu AI schopností, které Michael implementoval do organizace, stala se jejich velkým zastáncem. AI nástroje, jako jsou Virtuální agenti a Prediktivní inteligence, změnily její pohled na IT podporu a začaly výrazně ovlivňovat výkon celého týmu.

Prediktivní inteligence zajišťuje, že incidenty jsou správně kategorizovány a směrovány na správného technika na základě historických interakcí a odbornosti. To zrychluje čas na vyřešení a zároveň snižuje zátěž týmu. Díky těmto vylepšením není tým jen rychlejší, ale i spokojenější. Vylepšená uživatelská zkušenost, která je důsledkem rychlejších odpovědí a přesnějších řešení, zvyšuje úroveň spokojenosti uživatelů a tím i celkovou produktivitu a efektivitu organizace.

Pokud se podíváme na strategickou návratnost investic, klíčové je zajištění škálovatelnosti. Jak organizace roste, AI dokáže efektivně zvládat rostoucí objem požadavků bez nutnosti úměrného zvyšování počtu zaměstnanců nebo zdrojů. To umožňuje efektivní řízení vysokého objemu požadavků na služby, aniž by došlo k negativnímu vlivu na výkon.

Další výhodou je využívání datových analýz. AI schopnosti, jako Now Assist a Prediktivní inteligence, poskytují hodnotné analytické nástroje, které manažerům pomáhají činit informovaná rozhodnutí, efektivně plánovat zdroje a předvídat budoucí potřeby organizace. Investice do AI schopností znamenají, že organizace se připravuje na budoucí výzvy, které přinese neustálá digitální transformace, a zůstává konkurenceschopná i v dynamickém prostředí, které se neustále vyvíjí.

Aby bylo možné měřit návratnost investic, je kladeno důraz na metody hodnocení. Klíčové je nejen měřit aktivitu, ale skutečný dopad, který implementace AI přináší. Například tím, že se zaměříte na konkrétní případ použití – například resetování hesel – a změříte, jak dlouho to trvalo před a po nasazení Virtuálního agenta, získáte první případový studii o návratnosti investic. Tato měření nejen ukazují na efektivitu, ale také na případné mezery v procesu, které mohou vést k dalšímu zlepšení.

Další krok je mapování hodnoty. Tato fáze se zaměřuje na konkrétní dopady zavedení AI na specifické obchodní cíle. AI schopnosti musí být spojeny s konkrétními KPI, které ukazují na zlepšení. Příklad: Virtuální agenti mohou zlepšit první kontakt a tím i spokojenost zaměstnanců, zatímco Prediktivní inteligence zkrátí čas na přiřazení a vyřešení incidentů, což zlepšuje operativní efektivitu.

Pokud budou metody hodnocení ROI aplikovány správně, organizace bude mít jasný obraz o tom, jak její AI implementace přinášejí skutečnou hodnotu a jak je možné dále optimalizovat a vylepšovat procesy na základě zpětné vazby z měření. Tato data nejen podporují rozhodování o budoucí investici, ale také umožňují neustálé zlepšování výkonu.

Jak maximalizovat ROI pomocí AI funkcí v ServiceNow a vyhnout se pasti hodnoty

Implementace umělé inteligence (AI) v organizaci může být přelomovým krokem na cestě k digitální transformaci, ale je kladeno velké důraz na strategii, která bude přinášet skutečný dlouhodobý návrat investic (ROI). Bez správného přístupu může být tento proces zklamáním, přičemž občasné přehnané očekávání je třeba kompenzovat realistickým pohledem na to, jak AI může konkrétně vylepšit pracovní procesy. Tato cesta není o implementaci nejvíce okouzlující technologie, ale spíše o vytvoření udržitelného a škálovatelného řešení, které vychází ze základních potřeb organizace.

Prvním krokem v dosažení maximálního ROI je správné nastavení klíčových ukazatelů výkonnosti (KPI). Je zásadní se zaměřit na to, co je opravdu důležité a co přispívá k zefektivnění procesů. Pokud nějaký ukazatel není přímo spojen s produktivitou, pokrokem nebo uživatelským zážitkem, nemá místo na vaší analytické tabuli. V organizaci je kladeno důraz na měření výsledků, které odrážejí přínos pro tým a zákazníky, nikoli pouze na sledování čísel, která jsou od reality příliš vzdálená.

Důležité je mít na paměti, že úspěch závisí na volbě správných use case, které přinesou vysoký dopad na efektivitu. Například v oblasti správy incidentů, požadavků a změn mohou nástroje jako Prediktivní inteligence nebo Virtual Agent zautomatizovat klasifikaci incidentů, jejich směrování, samoobslužné akce a rizikové mitigace. Tyto změny přináší okamžitá zlepšení v efektivitě, uživatelské spokojenosti a kvalitě služeb. Tento přístup „krok za krokem“ je ideálním způsobem, jak nezahlcovat organizaci a přitom dosahovat maximálních výsledků.

Dalším klíčovým bodem je automatizace repetitivních úkolů. Pokud se zaměříme na oblasti, kde dochází k největším tlakům, jako je pomalá triáž incidentů nebo nesprávná klasifikace rizik, je možné implementovat automatizované směrování tiketů na správné agenty, což šetří čas a zlepšuje efektivitu. Nástroje jako Agent Assist mohou pomoci jak uživatelům, tak i agentům tím, že doporučují relevantní články na základě zadaných dotazů, čímž se zkracuje čas potřebný na řešení problémů. Tento přístup nejen zlepšuje produktivitu, ale také pomáhá snížit pracovní zátěž na servisním pultu.

Kvalita dat je zásadní. I když nasadíte vysoce efektivní AI nástroje, musíte zajistit, že data, na kterých tyto nástroje fungují, jsou správná, aktuální a komplexní. Při nesprávném trénování AI modelů bude výkon podprůměrný a výsledky nebudou odpovídat očekáváním. Michael, vedoucí implementace, pravidelně přezkoumával špatně směrované tikety a zpětnou vazbu od uživatelů, aby mohl zajistit, že trénování modelů probíhá v souladu s aktuálními potřebami organizace. Kontinuální zlepšování dat je klíčem k tomu, aby AI stále přinášela hodnotu.

Klíčem k úspěchu je také neustálé sledování výkonu a přizpůsobení řešení v závislosti na změnách v organizaci a výkonnostních ukazatelích. Tento monitoring by měl být pravidelný a pravidelně upravovány konfigurace tak, aby odpovídaly aktuálním potřebám. Bez toho by jakýkoli AI systém ztratil svou efektivitu, protože by neodrážel skutečné výzvy, kterým čelí organizace.

Tento proces implementace a rozvoje AI v organizaci není jednorázovou záležitostí, ale spíše kontinuálním vývojem, který vyžaduje důkladnou analýzu, správné nastavení cílů a pravidelnou revizi pokroku. Jen tak se AI stane skutečným nástrojem pro zlepšení produktivity, spokojenosti uživatelů a celkové efektivity IT služeb.

Jak služba ServiceNow mění správu IT pomocí AI agentů a LLM

Služba ServiceNow umožňuje organizacím využívat plný potenciál AI agentů napříč různými odděleními a aplikacemi, čímž překonává tradiční hranice ITSM. Agenti ServiceNow nejsou omezeni pouze na interakci s nástroji pro správu IT, ale mohou být nasazeni v oblasti lidských zdrojů, financí, bezpečnosti nebo správy budov. Tato široká škála použití zajišťuje, že umělá inteligence je integrovaná bezpečně do vašich dat, pracovních toků a systémů, čímž podporuje vysoce efektivní a agilní organizace.

Jednou z nejvýznamnějších novinek je schopnost AI agentů zpracovávat složité incidenty a navrhovat kroky pro jejich nápravu, čímž snižují kognitivní zátěž lidských pracovníků. Tato automatizace nejen urychluje řešení problémů, ale také umožňuje agentům zaměřit se na výjimky a složité případy, čímž je možné zlepšit kvalitu poskytovaných služeb a zkrátit dobu potřebnou k vyřešení incidentu.

Jak funguje ServiceNow LLM a proč je to důležité?

ServiceNow se v oblasti automatizace IT služeb zaměřuje na využití velkých jazykových modelů (LLM), které představují významný krok vpřed ve zpracování přirozeného jazyka. Tradiční nástroje AI často vyžadují přesně definované klíčové slovo nebo šablonové požadavky. Pokud uživatel zadal problém s příliš velkou volností v textu, systém mohl selhat nebo chybně přiřadit problém. Avšak zavedení nativního velkého jazykového modelu (LLM) v rámci platformy ServiceNow znamená revoluci v oblasti rozpoznávání a analýzy přirozeného jazyka.

Příklad tohoto posunu ukázal případ, kdy uživatel zadal text: "Můj notebook se stále vypíná po hodině, je to normální?" Místo aby systém nesprávně přiřadil problém nebo ho předal do obecného fronty, LLM správně identifikoval znak hardwarového problému, prověřil historické incidenty se podobnými popisy, navrhl známé řešení a dokonce automaticky založil tiket s příslušnou prioritou a přiřazením správné pracovní skupiny. Tento příklad ukazuje, jak LLM umožňuje inteligentní komunikaci v měřítku, která mění způsob interakce mezi uživatelem a systémem.

Co je to velký jazykový model (LLM) a jak mění práci v IT?

Pro správce IT to znamená revoluci v oblasti služeb: zjednodušení procesů, odstranění závislosti na rigidních formulářích a zefektivnění triáže tiketů. Služba ServiceNow zlepšuje schopnost zpracovávat přirozený jazyk, což znamená, že uživatelé mohou zadávat problémy ve formě, která je přirozená pro komunikaci, a systém je schopný tento požadavek inteligentně zpracovat a přiřadit adekvátní řešení. To znamená snížení zátěže pro agentů a rychlejší reakci pro koncové uživatele.

LLM se navíc vyznačuje kontextovým porozuměním, což znamená, že systém je schopen vyhodnotit historické incidenty uživatele, zařízení, se kterými pracuje, a vzory jejich používání. Pokud například uživatel oznámí problém s VPN připojením, LLM dokáže propojit tento problém s historickými daty o systému, rozpoznat známé problémy a nabídnout konkrétní řešení, čímž výrazně zjednodušuje proces řešení incidentů.

Multilingvální podpora a globální přístup

Tento přístup zvyšuje dostupnost a umožňuje organizacím poskytovat konzistentní servisní zkušenosti bez potřeby vytvářet lokalizované podpůrné týmy pro každý region. Spojení LLM s dalšími AI schopnostmi, jako je Prediktivní inteligence nebo Virtuální agent, vytváří samoučící se digitální ekosystém, který se neustále zlepšuje a přizpůsobuje potřebám organizace.

S integrovanými procesy a dobře strukturovanými daty je možné implementovat LLM na podnikové úrovni, aniž by došlo k ohrožení kvality nebo bezpečnosti. Důležitým krokem je připravit organizaci na přijetí těchto nástrojů: mají vaše procesy dostatečně robustní podporu pro přirozený jazyk? Jsou vaše data dostatečně kvalitní, aby podpořila přesné doporučení? Váš úkol, jako manažera IT, je přeměnit potenciál těchto nástrojů na skutečný výkon.