Systémy pro správu IT, jako je ServiceNow, dnes stále více využívají umělou inteligenci (AI), aby zjednodušily operace a výrazně zlepšily efektivitu. Když hovoříme o aplikacích AI v oblasti IT, jedním z nejzásadnějších nástrojů je inteligence úkolů (Task Intelligence), která přináší přímé výhody pro zlepšení rychlosti a efektivity poskytovaných služeb.

Automatizace úkolů díky Task Intelligence výrazně snižuje potřebu manuálního zásahu při klasifikaci a přiřazování úkolů. To znamená, že běžné triážní procesy, které dříve vyžadovaly lidskou interakci a rozhodování, jsou nyní plně automatizovány. Úkoly jsou tak správně směrovány na odpovídající týmy nebo jednotlivce v reálném čase, což zkracuje dobu reakce a zajišťuje rychlé a efektivní řešení problémů. Systémy umělé inteligence mohou třídit úkoly na základě kontextu a priority, což znamená, že se kritické problémy řeší okamžitě, aniž by byly ovlivněny méně naléhavé záležitosti.

Task Intelligence tedy nejen zrychluje reakční časy, ale také optimalizuje pracovní postupy v rámci IT oddělení tím, že eliminuje potřebu manuální práce při hodnocení a směrování incidentů nebo požadavků na služby. Automatizované přiřazování úkolů do správného týmu, bez nutnosti lidského zásahu, zajišťuje nejen vyšší produktivitu, ale také lepší zaměření týmu na komplexní problémy a přináší vyšší hodnotu pro celkový výkon IT služby.

Podobně jako Task Intelligence, která se zaměřuje na automatizaci každodenní triáže úkolů, se v oblasti správy IT uplatňuje také Document Intelligence. Tento nástroj využívá strojové učení a analýzu přirozeného jazyka (NLP) k extrakci důležitých údajů z nestrukturovaných dokumentů, jako jsou žádosti o služby, smlouvy nebo incidentní zprávy. Výhodou Document Intelligence je automatizace procesu sběru dat a jeho následné zpracování, což umožňuje rychlé spuštění pracovních postupů na základě těchto extrahovaných informací. To znamená, že organizace mohou okamžitě reagovat na nové požadavky nebo incidenty bez nutnosti manuálního přepisování dat, čímž dochází k výraznému zrychlení operací.

Jedním z největších přínosů Document Intelligence je snížení chybovosti při ručním zadávání dat. Platforma automaticky identifikuje relevantní údaje a dokáže je extrahovat z textových formátů, jako jsou PDF dokumenty nebo online formuláře, což výrazně zjednodušuje administrativní práci a zvyšuje přesnost procesů. Analýza dat z dokumentů může také odhalit vzorce a trendy, které jsou zásadní pro informované rozhodování v reálném čase.

Příklady použití Document Intelligence v praxi zahrnují například automatickou extrakci informací z incidentních zpráv nebo žádostí o změny, kdy jsou tyto údaje využívány pro vytváření záznamů nebo spuštění relevantních pracovních postupů. Také v oblasti onboardingu může Document Intelligence automaticky extrahovat data z identifikačních dokumentů nebo nabídky pracovního poměru, a tím automatizovat vytváření požadavků na služby nebo přístupová oprávnění. Tento typ aplikace zlepšuje nejen rychlost, ale i konzistenci a přesnost celého procesu.

Další klíčovou součástí moderní IT infrastruktury je virtuální agent, tedy konverzační AI, která nabízí pokročilou interaktivní podporu. Virtual Agent v rámci platformy ServiceNow umožňuje automatizovat rutinní úkoly, poskytovat odpovědi na běžné dotazy a efektivně provádět pracovní procesy prostřednictvím přirozených konverzací. Virtual Agent využívá technologii porozumění přirozenému jazyku (NLU), což znamená, že dokáže správně interpretovat záměr uživatele a vést dialog v přirozeném jazyce. Tato funkce přináší zásadní zlepšení v oblasti zákaznické podpory, protože uživatelé mohou dostávat odpovědi na své otázky v reálném čase bez nutnosti čekat na lidského agenta.

Virtual Agent má schopnost automatizovat pracovní postupy, například vytvářet požadavky, získávat údaje nebo aktualizovat záznamy bez nutnosti lidského zásahu. Jeho schopnosti jsou přizpůsobitelné, což umožňuje organizacím snadno modifikovat konverzační toky pro specifické potřeby. Díky podpoře mnoha komunikačních kanálů, jako je webový portál, mobilní aplikace, Microsoft Teams nebo Slack, mohou uživatelé komunikovat s agentem podle svých preferencí.

Díky možnosti analýzy dat z interakcí uživatelů dokáže Virtual Agent poskytovat reálné přehledy o kvalitě poskytovaných služeb, což firmám umožňuje neustále zlepšovat uživatelskou zkušenost. Automatizace rutinních procesů a rychlé řešení běžných problémů vede k výraznému snížení nákladů na podporu a zvyšuje produktivitu týmů. Virtuální agent rovněž zajišťuje dostupnost podpory 24/7, což výrazně zlepšuje spokojenost zaměstnanců a zákazníků a zajišťuje konstantní úroveň služby, bez ohledu na časové pásmo nebo geografickou polohu.

Jednou z klíčových výhod využívání AI v ITSM je efektivita, která se projevuje ve formě rychlých a konzistentních odpovědí na požadavky a incidenty. Zároveň přináší nižší náklady na provoz, protože organizační struktury již nemusí rozšiřovat počet podpůrných pracovníků úměrně růstu počtu interakcí. AI nástroje, jako jsou Task Intelligence, Document Intelligence a Virtual Agent, jsou zásadními komponenty, které organizacím pomáhají držet krok s rostoucími nároky na efektivitu a kvalitu poskytovaných služeb.

Jak připravit ITSM na budoucnost umělé inteligence: Klíčové kroky pro IT manažery

Michael vždy věřil, že budování správného ITSM systému není pouze o výběru platformy, ale o rozhodnutí vsadit na správný ekosystém. Není tajemstvím, že ServiceNow je lídrem ve využívání AI schopností a že spolupráce s významnými partnery, jako jsou Google Cloud, Nvidia nebo IBM, tuto platformu posouvá na nový level. Tyto spolupráce nejsou pouze technickými integracemi, ale promyšlenými kroky, jak spojit hlubokou odbornost v oblasti umělé inteligence s reálnými potřebami poskytování služeb. Tento přístup znamená pro IT manažery, jako je Michael, nástroje, které mohou růst, přizpůsobovat se a učit se.

Díky těmto partnerstvím, která zahrnují pokročilé modely strojového učení, generativní AI pro automatické vytváření dokumentace a článků, a také vylepšený přístup k NLP (Natural Language Processing), se platforma ServiceNow nejenom neustále vyvíjí, ale díky těmto inovacím i zásadně zjednodušuje práci týmů odpovědných za IT služby. Ačkoliv je těžké vyjmenovat všechny partnerství, která ServiceNow v současnosti má, je jasné, že tyto kroky mění způsob, jakým ITSM bude fungovat v budoucnosti.

Pro manažery IT je klíčové pochopit, že umělá inteligence není jen o implementaci jednotlivých funkcí, ale o inteligentním zapojení do firemních procesů. Připravenost organizace na nové technologie, zejména AI, se netýká pouze technických řešení. Důležité je mít správně nastavené procesy a správný přístup. Pokud vaše týmy nebudou mít potřebnou dovednost pracovat s těmito nástroji, nepřinese vám implementace AI očekávaný přínos. Proto je klíčové investovat do školení a rozvoje týmu.

Příprava na budoucnost AI v ITSM by neměla být zaměřena pouze na trendy a novinky, které se objevují na trhu. Místo toho by mělo být cílem stát se organizací, která ví, jak evolvovat krok za krokem. To znamená nejen začít s implementací, ale také zajištění toho, že týmy budou mít jazyk a důvěru pro spolupráci s AI nástroji. Pro Michaela to znamenalo pořádat školení a simulace, ve kterých jeho tým měl možnost porovnat rozhodnutí lidí a AI agentů, a tím získat přehled o tom, jak se technologie rozhodují.

Dále je nezbytné přehodnotit, jak jsou procesy nastaveny. Pokud byly dříve navrhovány s ohledem na manuální zpracování, je potřeba je přizpůsobit pro automatizaci. Michaela zklamalo, jak mnoho schvalování a eskalací bylo postaveno na manuálních "bránách", které byly důležité, ale zároveň limitující. Pro přípravu na autonomní procesy začal spolupracovat s architekty procesů na identifikaci těch, které mohou bezpečně využít AI. Bylo důležité najít rovnováhu mezi kontrolou a flexibilitou pro automatizované rozhodování.

IT manažer by se neměl nechat unést rychlými vítězstvími a světlými ukázkami. Místo toho je potřeba zvolit strategický přístup k integraci AI do stávajících ITSM pracovních procesů. Taková integrace by měla být součástí dlouhodobé vize, nikoliv jednorázového projektu. Michael věděl, že implementace AI by měla být strategický program, který bude mít jasně definované cíle a bude propojený s obchodními metrikami, jako je například spokojenost agentů nebo dodržování SLA. V tomto směru měl i jeho tým možnost podílet se na experimentování a zlepšování procesů, jako je automatické sumarizování tiketů nebo obohacování znalostních článků pomocí generativní AI.

Příprava na budoucnost AI v ITSM se tedy netýká pouze technických aspektů, ale i vytvoření správné kultury a procesů, které umožní přizpůsobení a inovace. V tuto chvíli není možné předpovědět, jakým směrem se AI technologie v oblasti ITSM posunou, ale je jisté, že schopnost organizace přizpůsobit se těmto změnám bude rozhodující. Úspěch v adopci AI bude záviset na tom, jak dobře organizace zvládne kombinovat nové technologie s připraveností lidí a procesů na jejich efektivní využívání.

Jak AI mění správu znalostí a zlepšuje ITSM procesy

Ve světě IT Service Management (ITSM) se technologie neustále vyvíjejí, a jednou z nejvýznamnějších změn je implementace umělé inteligence (AI) do procesu správy znalostí. AI nejen zjednodušuje přístup k informacím, ale také zásadně zlepšuje efektivitu, což má zásadní vliv na kvalitu poskytovaných služeb a celkovou uživatelskou zkušenost. AI přináší do správy znalostí nový rozměr, automatizuje procesy a umožňuje lepší využívání existujících dat.

Jedním z hlavních způsobů, jak AI transformuje správu znalostí, je automatizované doporučování článků na základě kontextu uživatelského dotazu. Tato schopnost zlepšuje samoobslužné možnosti a šetří čas jak uživatelům, tak zaměstnancům. Když uživatelé mohou snadno najít relevantní informace, snižuje se potřeba kontaktovat IT podporu, což vede k rychlejšímu a efektivnějšímu řešení problémů.

Další důležitou funkcí je automatické označování a kategorizování článků, což zajišťuje, že jsou správně indexovány a snadno vyhledatelné. Tato schopnost zajišťuje, že uživatelé snadno najdou, co potřebují, i když neznají přesné klíčové slovo. AI také dokáže identifikovat trendy v opakujících se incidentech nebo žádostech o služby a automaticky vytvářet nové články na základě nejčastějších řešení. Tento proces nejen že šetří čas, ale také vytváří rostoucí databázi relevantních informací, která se neustále aktualizuje.

Příkladem efektivní implementace AI v oblasti správy znalostí je Univerzita Maryland Medical System (UMMS), která čelila problému s rostoucími objemy podpůrných článků a zajištěním jejich přesnosti pro klinické a administrativní uživatele. Po zavedení AI pro označování, doporučování a automatické generování článků došlo ke zlepšení přesnosti vyhledávání znalostí o 50 %, což vedlo k výraznému snížení počtu incidentů, protože více uživatelů našlo odpovědi bez nutnosti kontaktovat podporu. Tato změna rovněž zvýšila využívání nástrojů pro samoobsluhu, což mělo pozitivní dopad na celkovou efektivitu.

AI nejen zefektivňuje správu znalostí, ale také přináší personalizovaný přístup k informacím. Pokročilé vyhledávací schopnosti založené na velkých jazykových modelech umožňují uživatelům a pracovníkům získat relevantní informace prostřednictvím konverzačních dotazů, což usnadňuje hledání a zlepšuje přístup k informacím podle rolí, interakcí a preferencí uživatelů. S tím, jak organizace roste a její znalosti se vyvíjejí, AI pomáhá automatizovat procesy a přizpůsobovat je aktuálním potřebám. Například generativní AI může automaticky vytvářet nové články na základě incidentních záznamů, shrnovat dlouhé dokumenty pro rychlou referenci a označovat zastaralý nebo duplikovaný obsah k přezkoumání.

Zároveň je AI schopna proaktivně identifikovat mezery ve znalostech a navrhovat oblasti, kde je třeba vytvořit nové články. Tento proces se neomezuje pouze na generování nového obsahu, ale také zefektivňuje schvalovací procesy a kontrolu kvality, což zajišťuje, že znalostní základna zůstane aktuální a relevantní. Tato dynamická a neustále se vyvíjející ekosystém znalostí nejen zrychluje řešení problémů a rozhodování, ale také efektivně škáluje s rostoucími potřebami organizace.

Důležitým prvkem úspěšné implementace AI do správy znalostí je správná prioritizace jednotlivých případů použití. Matice pro prioritizaci AI příležitostí pomáhá IT manažerům vybrat ty správné oblasti pro implementaci AI na základě jejich obchodního dopadu a požadavků na implementaci. Tento nástroj pomáhá při rozhodování, které případy použití AI přinesou rychlý návrat investic, a které by měly být součástí dlouhodobější strategie. Matice umožňuje efektivní plánování a minimalizování rizika při zavádění nových technologií, čímž pomáhá organizacím dosáhnout co největšího přínosu z investic do AI.

V oblasti ITSM je kladeno stále větší důraz na kvalitu interakce mezi uživateli a IT podporou. Uživatelské zkušenosti již nejsou pouze o rychlém vyřešení tiketů, ale o tom, jak uživatelé vnímají celý proces. Pokud je interakce se systémem hladká, efektivní a příjemná, zvyšuje se důvěra uživatelů, snižuje frustrace a zvyšuje celková spokojenost. To vše vede k vyšší produktivitě zaměstnanců a lepším výsledkům pro organizaci.

Pro efektivní implementaci AI do procesů ITSM je nezbytné nejen zajistit technologickou připravenost, ale také zaměřit se na konkrétní potřeby uživatelů a přizpůsobit technologie jejich očekáváním. Technologie by měla být nástrojem pro zjednodušení procesů, nikoli jejich komplikováním. Klíčovým faktorem je také pravidelná aktualizace a adaptace systému, aby stále odpovídal aktuálním potřebám a změnám ve společnosti.

Jak může být generativní AI strategicky a odpovědně nasazena ve firemních procesech?

Rychlý nástup generativní umělé inteligence (AI) mění způsob, jakým podniky přistupují k digitální transformaci. V rámci platformy ServiceNow je generativní AI úzce integrována do nástrojů jako Virtual Agent, Predictive Intelligence nebo Now Assist, které nejsou pouhým technologickým rozšířením, ale základem nové éry autonomních procesů. Zavádění těchto nástrojů není pouze otázkou technické implementace, ale hluboce zasahuje do oblasti řízení rizik, etiky, regulatorních rámců a organizační kultury.

Firmy jako ServiceNow, IBM, Accenture nebo Google Cloud formují prostřednictvím strategických partnerství nové standardy pro enterprise AI. Tato spolupráce směřuje k vytvoření důvěryhodné a robustní architektury, která je nejen výkonná, ale i odpovědná. Dokumenty jako AI Control Tower nebo AI Model Insights ukazují, že samotné zavedení modelu není cílem. Skutečným přínosem je jeho schopnost adaptace, samořízení a průběžné monitorování výkonu, které zajišťuje konzistentní výsledky v reálném čase napříč celou organizací.

ServiceNow ve své AI Strategy Guide jasně identifikuje potřebu sladit podnikové cíle s AI schopnostmi. Nejedná se pouze o akceleraci provozu nebo snižování nákladů, ale o přetváření samotné podstaty práce. Průzkumy jako The Total Economic Impact™ nebo studie McKinsey potvrzují, že úspěšné nasazení AI vede nejen k efektivnějšímu ITSM, ale ke strukturální proměně firemní výkonnosti.

Zásadní výzvou je však udržení kontroly. Práce autorů jako Stuart Russell (Human Compatible) nebo Bostrom (Superintelligence) varují před nelineárními dopady, které mohou vycházet z autonomního rozhodování strojů, je-li špatně navrženo nebo monitorováno. Zde vstupuje do hry regulační rámec – od evropského AI Act přes NIST AI Risk Management Framework až po interní standardy jako Microsoft Responsible AI v2. Tyto dokumenty nejsou jen doporučeními, ale základem odpovědného přístupu k vývoji, nasazení a správě AI systémů ve velkých podnicích.

Je klíčové, aby organizace AI nejen zaváděly, ale aby jí také porozuměly. Nestačí nasadit nástroje jako Virtual Agent nebo generativní modely pro automatizaci konverzací. Je nutné chápat, jak dané modely vznikají, jaký datový základ je formuje, jak jsou nastavena pravidla rozhodování a jaký mají vliv na interní i externí uživatele. Dokumentace ServiceNow jako AI Readiness Assessment Guide nebo Virtual Agent Best Practices for Mobile ukazují, že v jádru jde vždy o kombinaci technologie, řízení a empatie.

Zkušenosti ukazují, že největším rizikem není samotná technologie, ale její izolované vnímání. AI není nástroj oddělení IT, ale strategický mechanismus celé organizace. Proto je třeba vytvářet multidisciplinární týmy složené z odborníků na data, podnikání, právo, etiku i design. Jen tak lze dosáhnout rovnováhy mezi výkonností a odpovědností.

Kromě samotné implementace je nezbytné kontinuálně

Jak efektivní komunikace a automatizace mohou zlepšit výkonnost organizací

Efektivní komunikace a schopnost reagovat na vznikající problémy jsou klíčovými faktory pro zajištění bezproblémového fungování organizací, zejména v prostředí, kde se rychle mění technologické i podnikatelské požadavky. Absence standardizovaných datových praktik může vést k provozním neefektivitám, přičemž organizace, které implementují standardizované protokoly pro práci s daty, vykazují až 30% nárůst efektivity. Tento údaj zdůrazňuje nezbytnost pro týmy IT přejít na automatizované, analyticky řízené nástroje, které zvyšují přesnost, umožňují předvídat budoucí trendy a celkově zlepšují výkon organizace.

Komunikace, která je neúčinná nebo fragmentovaná, je jedním z nejčastějších důvodů, proč organizace narážejí na problémy. Když různé týmy používají různé nástroje, dochází k vytváření fragmentace, což vede k neefektivnosti a duplicity. Tato fragmentace nejen zpomaluje interní pracovní procesy, ale také vyžaduje opakované interakce mezi uživateli a techniky, což výrazně zhoršuje celkový uživatelský zážitek. Příklad Metropolitan Transportation Authority (MTA) v New Yorku ukazuje, jak špatná komunikace a koordinace mohou vést k obrovským finančním ztrátám. Projekt rozšíření metra na Second Avenue, který měl prodloužit linku Q o 2,9 kilometru, čelil zásadním zpožděním a překročení rozpočtu, přičemž náklady dosáhly přibližně 4,3 miliardy dolarů na každou míli. Špatné rozhodnutí, například vybudování stanic dvakrát větších, než bylo potřeba, byla důsledkem fragmentace komunikace mezi různými týmy, což vedlo k nadměrnému a neefektivnímu vynaložení prostředků.

Neefektivní spolupráce a komunikace uvnitř týmů mají přímý dopad na efektivitu organizace i kvalitu poskytovaných služeb. Podle výzkumů týmy v průměru ztrácejí více než 20 hodin měsíčně kvůli problémům v komunikaci, což odpovídá přibližně šesti pracovním týdnům ročně. Významná část zaměstnanců (63 %) přiznává, že kvůli komunikačním problémům ztrácejí čas, přičemž 59 % z nich nezachytí důležité zprávy a 31 % ztratí důležité soubory. Tyto neefektivity nejen ovlivňují interní pracovní procesy, ale mají i negativní vliv na zkušenosti zákazníků. 24 % zaměstnanců uvádí, že špatná komunikace negativně ovlivňuje spokojenost zákazníků, a 14 % přiznává, že kvůli těmto problémům přišli o zákazníky, kteří přešli ke konkurenci. Studie firmy Fierce, Inc. ukázala, že 86 % zaměstnanců se domnívá, že selhání na pracovišti jsou primárně způsobena nedostatečnou spoluprací nebo neefektivní komunikací, což zdůrazňuje urgentní potřebu integrovaných komunikačních strategií.

V současném rychlém digitálním prostředí mají uživatelé vysoké nároky na rychlá a personalizovaná řešení svých problémů. Bohužel tradiční systémy IT podpory často zaostávají v rychlosti přidělování tiketů a jejich vyřešení, přičemž problémy bývají způsobeny omezenými možnostmi samoobsluhy a statickými FAQ. Podle zprávy o zákaznické zkušenosti (CX report, 2022–2023) průměrná doba odpovědi ve firmách dosahuje přibližně 5,32 hodiny, přičemž doba potřebná pro vyřešení problému se může protáhnout až na 7,33 dne. Tyto zpoždění jsou důsledkem nedostatečné dynamické samoobslužné podpory a zastaralých informačních zdrojů. Významný podíl zákazníků (81 %) vyjádřil zájem o širší nabídku samoobslužných možností, přičemž pouze 40 % firem se domnívá, že tento požadavek uspokojují. Když jsou k dispozici snadno dostupné online informace, 91 % zákazníků volí tuto formu podpory jako první.

V minulosti manuální přístupy v rámci IT Service Managementu (ITSM) fungovaly dobře, zejména v jednodušších obdobích, ale s růstem technologické krajiny a požadavky na efektivnější a flexibilnější řešení byla změna nevyhnutelná. Exponenciální rozvoj technologií, včetně cloud computingu, big data a umělé inteligence, vedl k tomu, že tradiční systémy ITSM již nebyly schopné efektivně řídit rozsah a komplexnost moderního IT prostředí. Jak podniky rostly a začaly využívat pokročilejší digitální nástroje, množství a rozmanitost spravovaných dat se výrazně zvýšily, a poptávka po rychlém a agilním poskytování služeb vzrostla. Kromě toho se očekávala personalizovaná podpora a okamžité řešení problémů 24/7.

Přechod na umělou inteligenci a strojové učení poskytl jasný směr k automatizaci, která optimalizovala poskytování služeb, zredukovala provozní neefektivity a zlepšila celkovou uživatelskou zkušenost. Technologie AI umožnily předvídat trendy, automatizovat rutinní úkoly a zlepšit procesy v oblasti zákaznické podpory. Zároveň s rostoucí digitalizací a potřebou splnit přísné regulace, jako jsou GDPR a HIPAA, bylo nutné vyvinout robustní systémy, které by zajistily sledování, audit a bezpečnostní prvky.

Kromě technologických výzev bylo nezbytné přizpůsobit systémy pro řízení služeb komplexnímu propojení IT infrastruktury, a to i vzhledem k rozmachu digitální transformace, fúzím a práci na dálku. Firmy potřebovaly flexibilní systémy, které by nejen dokázaly řídit komplexní infrastrukturu, ale také podporovaly mezifunkční spolupráci a agilní pracovní postupy. Přechod na automatizaci a umělou inteligenci se stal klíčovým krokem k dosažení rychlejší a kvalitnější zákaznické podpory, která je v současnosti prioritou pro úspěch podniků na globálním trhu.

Jak umění a humor ovlivňují společenské normy a vzorce chování?
Jak přesně vybírat hyperparametry a provádět experimenty v komprimovaném snímání?
Jak mohou biopolymery a nanomembrány změnit budoucnost zemědělství a medicíny?