AI nell'ITSM – Una panoramica

L'Intelligenza Artificiale (AI) sta rapidamente trasformando il modo in cui le organizzazioni si approcciano alla tecnologia dell'informazione (IT), non semplicemente come uno strumento ma come una forza vitale per snellire le operazioni, migliorare il processo decisionale e fornire esperienze utente eccezionali. Questa trasformazione è particolarmente evidente nella Gestione dei Servizi IT (ITSM), una disciplina dedicata alla strategia, progettazione, erogazione, gestione, funzionamento e miglioramento dei servizi IT per soddisfare le esigenze sia dei clienti che delle organizzazioni.

Mentre le aziende si adattano a ecosistemi digitali sempre più complessi, l'AI emerge non solo come una tendenza ma anche come un elemento fondamentale nella modernizzazione dell'ITSM, che comprende organizzazione, persone, informazioni, tecnologia, partner, fornitori, così come flussi di valore e processi.

L'IA percepisce, elabora e risponde come il sistema nervoso umano. Osserva proattivamente e risponde reattivamente basandosi su comportamenti appresi – abitudini o regole. L'ITSM tradizionale si basava pesantemente su sistemi deterministici e basati su regole. Sebbene efficaci in ambienti strutturati, questi sistemi spesso risultano inadeguati in condizioni dinamiche dove contesto, previsione e apprendimento sono essenziali. L'IA migliora l'ITSM consentendo ai sistemi di:

• Comprendere il linguaggio naturale (tramite NLP)
• Prevedere problemi dei servizi prima che si verifichino (analisi predittiva)
• Rilevare pattern da dataset massivi (machine learning)
• Automatizzare processi decisionali complessi (cognitive computing)
• Personalizzare le esperienze di servizio (IA contestuale)

Dai chatbot che risolvono ticket di primo livello ai motori predittivi che raccomandano finestre di modifica, l'IA sta ridefinendo il modo in cui i servizi vengono progettati, utilizzati, supportati e forniti.

L'intelligenza artificiale è diversificata, composta da vari modelli e capacità. Comprendere questi tipi aiuta i leader IT ad allineare persone, pratiche e strumenti con gli obiettivi ITSM.

• AI a Memoria Limitata
  • Caratteristiche: Apprende dai dati passati per prendere decisioni.
  • Esempi di utilizzo in ITSM: Previsione delle tendenze degli incidenti, previsione degli SLA, modellazione del comportamento degli utenti.
• Machine Learning (ML) e Deep Learning
  • Caratteristiche: Apprende da grandi volumi di dati, identifica modelli e migliora nel tempo.
  • Esempi di utilizzo in ITSM:
    • Gestione degli Incidenti: Classificazione degli incidenti basata sui percorsi di risoluzione storici.
    • Gestione dei Problemi: Tecniche di clustering per l'identificazione della causa radice.
    • Gestione del Cambiamento: Analisi dei risultati storici per la previsione del successo del cambiamento.
• Elaborazione del Linguaggio Naturale (NLP)
  • Caratteristiche: Comprende e genera il linguaggio umano.
  • Esempi di utilizzo in ITSM:
     
    • Gestione della Conoscenza (KM): Generazione automatica di articoli dai ticket risolti.
    • Service Desk: Chatbot che comprendono l'intento dell'utente e rispondono con precisione.
    • CCaaS: Analisi del supporto vocale e via chat per valutare il sentiment.
• AI Cognitiva e Generativa
  • Caratteristiche: Sintetizza risposte e imita il ragionamento umano.
  • Esempi di utilizzo in ITSM:
    • Evasione delle Richieste: Soluzioni personalizzate basate sui profili utente.
    • Gestione dell'Esperienza: Generazione di insight proattivi dai dati dei clienti.
    • Miglioramento Continuo: Offerta di suggerimenti attuabili basati sull'analisi delle tendenze.
• AI Agenticale (Emergente e trasformativa)
  • Caratteristiche: Comportamento autonomo orientato agli obiettivi, adatta le strategie dinamicamente, esibisce apprendimento predittivo/proattivo.
  • Esempi di utilizzo in ITSM:
    • Service Desk: L'AI agenticale monitora autonomamente i ticket non risolti, consulta il KM e avvia flussi di lavoro per la risoluzione.
    • Gestione del Cambiamento: Valuta le variabili ambientali, modella i risultati e suggerisce i tempi con input umano minimo.
    • Gestione della Configurazione: Valida continuamente l'integrità dei dati CI e risolve le inconsistenze negli ambienti multi-cloud.
    • CCaaS: Agisce come agente digitale proattivo, monitorando i cambiamenti nel sentiment ed escalando i problemi prima della consapevolezza umana.
    • Gestione della Conoscenza: Auto-cura le basi di conoscenza rilevando il decadimento della conoscenza e automatizzando gli aggiornamenti.

L'AI trasforma l'ITSM in un approccio focalizzato sul servizio e centrato sull'esperienza, passando da un approccio reattivo a uno proattivo, migliorando così sia il valore per il cliente che per l'organizzazione. Ecco i vantaggi principali:

• Efficienza Operativa - L'AI ottimizza i flussi di lavoro, automatizza le attività ripetitive e gestisce gli incidenti più velocemente degli esseri umani. L'automazione tramite AI riduce gli errori umani, accorcia i tempi di risoluzione e abbassa i costi operativi.
• Esperienza Utente Migliorata - I chatbot e gli agenti virtuali basati su AI forniscono supporto 24/7, risolvono istantaneamente i problemi comuni e personalizzano la comunicazione basandosi sui comportamenti storici e sull'analisi del sentiment.
• Processo Decisionale Più Intelligente - L'AI migliora il processo decisionale con analisi in tempo reale e capacità predittive, consentendo scelte più informate.
• Gestione Proattiva di Eventi e Incidenti - Il machine learning può rilevare segnali precoci di degrado del sistema e avviare il ripristino automatizzato, spostando l'ITSM dalla lotta reattiva agli incendi alla prevenzione proattiva.
• Gestione della Conoscenza Migliorata - L'AI perfeziona gli articoli della knowledge base analizzando i pattern di utilizzo, i feedback degli utenti e le tendenze di ricerca per migliorare rilevanza, struttura e accessibilità.
• Migliore Allocazione delle Risorse - L'AI può prevedere i pattern di domanda e guidare le decisioni di staffing o provisioning delle risorse, migliorando i livelli di servizio durante i periodi di traffico elevato.

L'AI supporta e potenzia i processi ITSM in modi distinti e potenti:

• Incident Management - L'AI può classificare gli incidenti, assegnare priorità e instradare i ticket basandosi su tendenze e pattern storici, consentendo una gestione degli incidenti più efficiente. L'analisi predittiva può anticipare interruzioni basandosi sui log di sistema e altri dati. Gli agenti virtuali gestiscono i ticket di routine, liberando gli agenti umani per concentrarsi su problemi più complessi.
• Problem Management - L'AI esegue analisi delle cause radice utilizzando il riconoscimento di pattern e clustering. Identifica problemi ricorrenti prima che diventino problemi maggiori.
• Change Management - Il punteggio dei cambiamenti basato sul rischio e alimentato dall'AI consente decisioni di approvazione più intelligenti. I modelli AI valutano l'impatto dei cambiamenti attraverso i sistemi considerando le dipendenze CMDB.
• Event Management - L'AI filtra il rumore dai flussi di eventi in tempo reale, evidenziando solo le anomalie su cui è possibile agire. Correla gli eventi attraverso i sistemi per identificare problemi sistemici.
• Request Fulfillment - L'AI anticipa le richieste comuni degli utenti e le soddisfa automaticamente basandosi su ruolo, posizione e comportamento passato. L'AI conversazionale migliora le interazioni del catalogo e i processi di approvazione.
• Experience Management - L'analisi del sentiment cattura il tono emotivo nel feedback degli utenti. L'AI personalizza i percorsi utente e anticipa i punti di attrito nell'esperienza del servizio.
• Continual Service Improvement (CSI) - L'AI analizza dinamicamente i KPI e raccomanda aree per il miglioramento del servizio. L'apprendimento per rinforzo regola i modelli basandosi sul successo o fallimento dei cambiamenti precedenti.

I diversi ruoli nell'ITSM sperimentano i benefici dell'AI in modi unici. È essenziale comprenderlo per determinare il ROI degli investimenti in AI. 

• Agenti del Service Desk - L'AI può aiutare a ridurre il loro carico di lavoro risolvendo automaticamente i ticket di primo livello. Raccomandazioni intelligenti e dati contestuali permettono agli agenti di affrontare problemi complessi in modo più efficiente.
• IT Manager - L'AI può fornire ai manager avvisi predittivi, previsioni di capacità e raccomandazioni per l'ottimizzazione.
• Change Manager - L'AI fornisce analisi dell'impatto storico e profilazione del rischio per decisioni di approvazione più informate.
• Knowledge Manager - L'AI aiuta a curare e organizzare i contenuti basandosi sull'utilizzo effettivo. Chatbot e strumenti NLP ampliano la portata e il valore delle basi di conoscenza.
• Utenti Finali - Risposte più rapide e precise tramite agenti virtuali migliorano la soddisfazione. Esperienze di supporto personalizzate favoriscono la fiducia e riducono la frustrazione.
• Dirigenti e CIO -  L'AI allinea l'ITSM al valore aziendale fornendo visibilità sui costi dei servizi, sui rischi e sul ROI per gli investimenti tecnologici e le decisioni di personale.

Mentre l'IA trasforma il panorama ITSM, ha un impatto significativo sulla forza lavoro umana ridefinendo ruoli e competenze all'interno dei team. Le organizzazioni che riconoscono questo cambiamento possono gestire la trasformazione con empatia e intuizione strategica. Per prosperare in questo nuovo ambiente, la forza lavoro deve coltivare una combinazione di competenze tecniche, analitiche e interpersonali.

Contrariamente ai timori diffusi, l'AI non mira intrinsecamente ad eliminare i ruoli ITSM; piuttosto, li potenzia spostando spesso il focus "a sinistra" dalle attività operative ripetitive alle responsabilità strategiche e incentrate sulla conoscenza.

I team ITSM sono sempre più responsabili della gestione di strumenti basati sull'AI, inclusi chatbot, piattaforme AIOps, agenti virtuali e motori decisionali. La competenza garantisce una supervisione, risoluzione dei problemi e ottimizzazione adeguate. Nel complesso, si stanno sviluppando nuove competenze per migliorare la padronanza e l'alfabetizzazione dell'AI, facilitando l'interazione e l'utilizzo efficace dei sistemi AI.

• Team ITSM
  • Analisti del Service Desk si trasformeranno in supervisori AI, supervisionando il comportamento dei bot, perfezionando le risposte NLP e gestendo le escalation che richiedono intelligenza emotiva e giudizio.
  • Incident Manager dovrebbero passare dal triage alla supervisione della classificazione automatica guidata dall'AI, enfatizzando la correlazione delle esperienze e l'analisi dei risultati.
  • Problem manager lavorano con l'AI per identificare pattern e ridurre il backlog dei problemi attraverso la modellazione predittiva.
  • Knowledge manager si evolvono in leader della cura dei contenuti, permettendo all'AI di apprendere dalla conoscenza collettiva e dai contenuti organizzati.
• Esempi di nuove competenze
  • Prompt Engineering e Design Conversazionale - Creazione di prompt precisi e consapevoli del contesto e strutture di dialogo per sistemi AI.
  • Interpretazione dei Dati e Service Intelligence - Capacità di analizzare analisi dei dati, report AI e pattern di servizio per informare il processo decisionale.
  • Cura della Conoscenza e Supervisione dei Contenuti AI - Miglioramento e gestione della conoscenza che informa i sistemi AI, particolarmente nel Knowledge Management e nell'automazione.
  • Automazione dei Workflow e Orchestrazione - Progettazione, implementazione e miglioramento di flussi di automazione guidati dall'AI e dall'automazione robotica dei processi (RPA).
  • Supervisione dell'AI Etica e Governance - Comprensione di come i sistemi AI richiedono supervisione per garantire equità, trasparenza e responsabilità.
  • Intelligenza Emotiva e Collaborazione Uomo-AI - Garantire l'erogazione di servizi incentrati sull'essere umano mentre l'AI assume sempre più carico di lavoro.
• Competenze a Rischio
  • Risoluzione Problemi di Routine Tier 1
    • Le attività includono reset delle password, problemi di stampanti, diagnostica di rete e sblocco degli account.
    • Agenti virtuali alimentati dall'AI, script auto-riparanti, portali self-service che utilizzano l'elaborazione del linguaggio naturale (NLP) e piattaforme di automazione gestiscono efficacemente queste attività su larga scala.
    • Cambio di Competenza: Passare dalla risoluzione dei problemi all'addestramento dell'AI e alla gestione delle eccezioni.
  • Triage e Routing Manuali dei Ticket
    • Gli agenti umani categorizzano e prioritizzano manualmente i ticket.
    • I modelli AI possono auto-categorizzare, prioritizzare e instradare basandosi su dati storici, parole chiave, sentiment e contesto. Classificatori di incidenti AI, motore di correlazione AIOps
    • Cambio di Competenza: Focus sul perfezionamento dei processi AI e sulla gestione delle eccezioni.
  • Attività di Knowledge Management Statiche
    • Coinvolge il tagging degli articoli e la scrittura di contenuti della knowledge base (KB) da zero.
    • L'AI generativa e le piattaforme KM potenziate dall'AI ora creano bozze di articoli, categorizzano argomenti e raccomandano contenuti agli utenti in tempo reale. Bozze di articoli scritte dall'AI, Auto-tagging via NLP e motore di ricerca semantica.
    • Cambio di Competenza: Transizione verso la cura e approvazione dei contenuti piuttosto che scriverli.
  • Identificazione Reattiva dei Problemi
    • Attualmente, questo comporta aspettare che incidenti o eventi segnalino problemi e analisi manuale.
    • L'AI può identificare proattivamente pattern e anomalie attraverso log, metriche e ticket, anche prima che gli esseri umani ne siano consapevoli. Piattaforme AIOps, motori di analisi predittiva
    • Cambio di Competenza: Passaggio alla validazione di ipotesi e modellazione dei problemi.
  • Monitoraggio della Conformità ai Processi
    • Controlli manuali per violazioni SLA e aderenza ai workflow.
    • L'AI può monitorare i workflow in tempo reale, attivare eccezioni e analizzare i colli di bottiglia dei processi più rapidamente e accuratamente. Motori di workflow guidati dall'AI e bot di conformità
    • Cambio di Competenza: Passaggio alla progettazione di processi adattivi e gestione della governance.
  • Script di Call Center di Primo Livello
    • Le attività includono leggere script e rispondere a domande di base.
    • L'AI conversazionale può gestire interazioni utente sempre più complesse attraverso vari canali. Chatbot AI e voice bot, piattaforme di orchestrazione omnichannel.
    • Cambio di Competenza: Focus su supporto di ordine superiore e recupero emotivo
  • Audit Manuali di Configurazione (CMDB)
    • Confrontare stati CI manualmente, Riconciliazione inventario a mano
    • Discovery automatizzato, AIOps e CMDB abilitati quantisticamente possono validare e auditare configurazioni in tempo quasi reale. Agenti CMDB in tempo reale, rilevamento della deriva AI e alerting
    • Cambio di competenza: Passaggio ad analisi delle eccezioni, modellazione Service/CI e ruoli di simulazione dello stato futuro.

La forza lavoro dell'IT Service Management (ITSM) si sta evolvendo piuttosto che scomparendo. Dall'avvento della tecnologia dell'informazione, questa forza lavoro si è continuamente adattata al cambiamento.

Proprio come la Rivoluzione Industriale ha creato nuovi ruoli attraverso l'automazione meccanica, l'era digitale ha trasformato il settore con i progressi nel software, nel cloud computing e in internet.

L'AI non è una minaccia ma un catalizzatore per la crescita. I professionisti ITSM stanno passando da operatori a orchestratori di sistemi intelligenti. Il loro valore sarà definito non dalla chiusura dei ticket ma dalle intuizioni, dall'empatia e dall'orchestrazione che contribuiscono a un ecosistema guidato dall'AI.

Le organizzazioni dovrebbero investire nell'educazione all'AI, promuovere la sperimentazione pratica e considerare l'AI come un partner strategico. Proprio come le aziende hanno adottato una strategia cloud-first, ora devono abbracciare un approccio AI-first che si concentra su innovazione, crescita, operazioni e supporto clienti.

In quest'era guidata dall'AI, l'automazione trasformerà i ruoli, con i professionisti che diventeranno tecnologi, analisti ed esperti di etica. Piuttosto che eliminare posti di lavoro, l'automazione rimuoverà i compiti ripetitivi, sottolineando la necessità per individui e organizzazioni di adattare le proprie competenze. Come partner strategico, l'AI abilita.

Introdurre l'IA nell'ITSM richiede più che semplicemente acquistare uno strumento. Richiede un cambiamento strategico nella mentalità, nella governance e nelle operazioni. Ecco come prepararsi:

• Stabilire priorità di alto livello basate sulle esigenze aziendali e sviluppare una roadmap strategica che si concentri sui cambiamenti organizzativi e del personale: informazioni e tecnologia, partner e fornitori, nonché flussi di valore e pratiche/processi.
• La comprensione di Visione, Missione, Obiettivi, Traguardi, Fattori Critici di Successo e Indicatori Chiave di Performance è essenziale, insieme ai principi guida e ai valori.
• Comprendere le lacune nelle capacità e nelle risorse, condurre un'analisi SWOT e determinare i requisiti di time-to-market per le decisioni di sviluppo interno o acquisto esterno.

• Condurre una valutazione della maturità dell'AI per comprendere le capacità attuali nell'automazione, gestione dei dati, gestione della conoscenza e maturità delle pratiche/processi ITSM.
• La valutazione della maturità dovrebbe allinearsi con la vostra maturità IT Service Management (ITSM). Se avete una maturità ITSM "bassa", potreste non essere pronti per l'adozione dell'AI in certe aree.
• Avviare un'iniziativa di Organisational Change Management (OCM).

• L'AI prospera con dati, informazioni e conoscenze di alta qualità per prendere decisioni informate. Investi in pipeline e warehouse di dati puliti, strutturati e sicuri.
• Assicurati della gestione della conoscenza e dell'accuratezza di CMDB/CMS, della categorizzazione coerente degli incidenti e delle metriche di utilizzo.

• Suddividere un progetto complesso in fasi gestibili e sequenziali, ciascuna con obiettivi specifici, deliverable e criteri di valutazione.
• Questo approccio migliora la chiarezza, il controllo, la gestione del rischio e l'allineamento delle parti interessate durante tutto il ciclo di vita del progetto.

• Scegli un progetto pilota che sia allineato agli obiettivi e al livello di preparazione della tua organizzazione.
• Le opzioni includono progetti pilota ad alto impatto che mirano a processi complessi per una trasformazione organizzativa sostanziale o progetti pilota a risultati rapidi che si concentrano su casi d'uso specifici per risultati immediati e a basso rischio.
• Ogni approccio offre vantaggi distinti ed entrambi possono essere preziosi in varie fasi di un percorso di trasformazione.

• Implementare misure per mitigare i pregiudizi, garantire la trasparenza e promuovere la responsabilità, incluso l'uso della supervisione umana.

• Integrare i team in un'iniziativa OCM complessiva.
• Formare i dipendenti sull'interazione e implementazione dell'AI. Fornire un aggiornamento continuo delle competenze in materia di alfabetizzazione AI e coinvolgere i lavoratori in prima linea nell'ottimizzazione dei flussi di lavoro, enfatizzando al contempo il valore del giudizio umano.
• Per preparare il tuo team al futuro dell'AI nell'ITSM:
  • Aggiorna continuamente le competenze: Fornisci corsi di alfabetizzazione AI, interpretazione dei dati e automazione etica.
  • Co-progetta le soluzioni: Coinvolgi i lavoratori in prima linea nell'implementazione dell'AI e nell'ottimizzazione dei flussi di lavoro.
  • Celebra il valore umano: Evidenzia i casi in cui empatia, giudizio ed esperienza superano l'AI.
  • Integra i cicli di feedback dell'AI: Consenti al personale di segnalare falsi positivi, suggerire miglioramenti e influenzare il comportamento dell'AI.

• Scegli piattaforme con capacità AI native o API accessibili, assicurandoti che i fornitori diano priorità alla spiegabilità e alla sicurezza nella governance dei modelli di machine learning.

L'intelligenza artificiale non è solo il futuro dell'IT Service Management (ITSM); è già presente. Le organizzazioni che abbracciano l'AI saranno leader nell'esperienza del cliente, nell'agilità operativa e nell'eccellenza del servizio. Molti concetti discussi qui sono attualmente in fase di implementazione.

Mentre l'ITSM evolve da una governance rigida a ecosistemi dinamici e guidati dalle informazioni, l'AI collega persone, processi e piattaforme. Stabilendo obiettivi chiari e standard etici e promuovendo una cultura di apprendimento continuo, le organizzazioni di qualsiasi dimensione possono sfruttare il potere trasformativo dell'AI nell'ITSM. L'era del servizio intelligente è qui e continuerà ad evolversi.