Например, в Credit Suisse Group начали использовать чат-боты для типовых задач, таких как сброс паролей и перезагрузка компьютеров. Прежде в банке техническая поддержка осуществлялась только людьми по телефону, и эффективность обработки обращений оставляла желать лучшего.
Сотрудники, которые звонили в центр поддержки, вынуждены были какое-то время ждать, пока освободится специалист. Чтобы покончить с потерей времени на ожидание, решено было создать еще один канал связи в форме чат-системы, способной быстро отвечать на вопросы пользователей.
Над планом перемен в Credit Suisse начали работать в конце 2016 года. В начале 2017-го решили остановить выбор на чат-боте Amelia компании IPSoft.
Как признаются в компании, сперва интеллект чат-бота был на уровне новорожденного, а сейчас – как у годовалого ребенка, и процесс обучения продолжается. Если чат-бот не способен обработать запрос, то он переадресуется человеку. Чат-бот обучается в процессе разговора, а затем специалисты проверяют его на системные ошибки перед вводом в рабочий режим.
Новая система обслуживает 76 тыс. пользователей в 40 странах. Благодаря ей в Credit Suisse около 80 сотрудников телефонного центра переведены на поддержку, требующую более высокой квалификации. В компании надеются к концу нынешнего года автоматизировать обработку 25% обращений, поступающих в службу, а в конечном счете – освободить для другой работы около трети всех специалистов центра.
Пример Credit Suisse показывает, что именно побуждает внедрять искусственный интеллект в ИТ-службах – это стремление дать возможность сотрудникам приносить больше пользы бизнесу за счет поручения низкоквалифицированной работы машинам.
Безопасность и мотивация
В сети техасских университетов A&M внедряют Artemis – интеллектуального ассистента, разработанного компанией Endgame, который будет помогать недавно нанятым сотрудникам защищать учебные заведения от кибератак. Отдел информационной безопасности осуществляет мониторинг сетей 11 университетов и 7 ведомств штата. В службе трудятся 9 штатных сотрудников, а еще подрабатывают 8 студентов, пока еще не обладающих достаточным опытом разрешения инцидентов безопасности.
Системе искусственного интеллекта можно задавать вопросы в произвольной форме на английском языке. Как отмечают в отделе безопасности, она помогает не только в поиске ответов, но и в обучении новичков. В январе были наняты новые сотрудники, и благодаря Artemis они освоили свои обязанности буквально за пару часов.
Кроме того, новшество позволило быстрее находить новых специалистов. Еще два года тому назад, когда понадобилось заполнить три вакансии аналитиков по безопасности, претендентов нашлось очень мало. В январе же на семь ваканский поступило 88 заявок – благодаря молве о том, что в отделе интересно работать: вы не просто сидите целый день перед экраном, а проводите реальные расследования и набираетесь практического опыта. Сегодня больше студентов выбирают специальности, связанные с информационной безопасностью.
Управление инфраструктурой
Murphy Oil – нефтяная компания со штатом 1200 сотрудников, работающая в США, Канаде и Малайзии. Последний год в ней идут преобразования по модели SaaS: ИТ-инфраструктура, развернутая локально и у поставщиков услуг центров обработки данных, переносится в облако. Причем наибольшую экономию принесло освоение интеллектуальных средств управления облачной инфраструктурой. Как уточняют в компании, если просто перенести рабочие нагрузки в облако без изменений, экономии не будет, напротив, возможны убытки.
Несмотря на всю ту гибкость, которую обеспечивают облака, для адаптации рабочих нагрузок может понадобиться труд многих людей и соответствующие затраты. В Murphy Oil решили воспользоваться системой с искусственным интеллектом компании Turbonomic, способной давать советы по оптимизации инфраструктуры. Но по-настоящему она окупилась, когда к системе привыкли и доверили ей задачи выбора размещения и масштаба систем.
Выяснилось, что система способна принимать более удачные решения, чем люди, поскольку руководствуется накопленными данными, а люди – интуицией и эмоциями.
Раньше в компании четыре сотрудника, работающих на полную ставку, и один с частичной занятостью занимались исключительно обработкой заявок в службу поддержки. Сейчас, как сообщают в Murphy Oil, на это требуется одна десятая часть полной штатной единицы.
В итоге персонал, занимавшийся простейшими задачами эксплуатации и сопровождения, был переведен на должности, связанные с поддержкой бизнеса. Например, сотрудники осваивают автоматизацию процессов, готовя новые преобразования в компании. Как подчеркивают в Murphy Oil, поскольку у отдела ИТ всегда есть запланированные проекты, увольнять никого не приходится.
Обеспечение связи
В школах округа Норт-Кантон, штат Огайо, имели место трудности обслуживания беспроводной сети – например, не всегда удавалось добиться надежного соединения с ней ноутбуков и мобильных устройств всех пользователей.
Всего в округе семь школ, в которых учатся 4,4 тыс. учеников и работают 650 сотрудников. К сети подключаются 6-8 тыс. устройств, а администрируют ее всего три человека. С лета прошлого года округ начал пользоваться для управления сетью решением Mist Systems, основанным на средствах искусственного интеллекта.
Как признаются сисадмины, процедуры управления сетью ощутимо ускорились, поскольку теперь причины неполадок выясняются быстрее. Так, системе можно просто задать вопрос «Что происходит с точкой доступа 1?», и она отобразит все сведения о ней с возможностью дальнейшей детализации.
Помимо интерфейса на основе естественного языка, система снабжена внутренними механизмами искусственного интеллекта, которые анализируют сетевую активность. По словам админов, решение помогло обнаружить ряд особенностей сети, о которых сотрудники даже не имели представления.
В прошлом году целых девять месяцев было потрачено на то, чтобы с помощью анализа пакетов доказать, что в ноутбуках сотрудников были неисправны адаптеры Wi-Fi. А после внедрения Mist аналогичную работу удалось проделать буквально за час, поскольку система отображает всю необходимую информацию в режиме реального времени.
Mist обнаруживает неполадки в сети, анализируя данные организации и анонимизированные справочные данные от других клиентов. Обучение происходит как в непрерывном режиме (прогноз обновляется с учетом вновь поступающих данных), так и в пакетном (для обучения используется весь объем накопленной информации). Применяются также модели обучения с учителем, уточняемые, по словам специалистов Mist, буквально каждые несколько часов.
В компании подчеркивают: чтобы использовать средства искусственного интеллекта, специальные знания в соответствующей области от клиентов не требуются.
Прогнозное обслуживание
В Konica Minolta внедрили систему управления ИТ-инфраструктурой на основе искусственного интеллекта компании ScienceLogic в начале 2017 года. Некогда известная как производитель камер, сейчас Konica Minolta является поставщиком офисной техники и ИТ-услуг. Решение ScienceLogic помогает предсказывать сбои оборудования.
Поначалу, как сообщают в компании, точность прогнозов составляла примерно 56%, но со временем система обучилась, и теперь двухнедельные прогнозы поломки техники сбываются на 95%.
В Konica Minolta планируют снабдить средствами прогнозирования ScienceLogic свою платформу управления ИТ-средами Workplace Hub.
Инструментарий прогнозного обслуживания также готовятся предложить в компании Nlyte Software. В ее решении используются технологии IBM Watson. Система Nlyte собирает сведения об оборудовании, используемом одновременно многими клиентами компании и, комбинируя их с данными по конкретным средам, расширяет свою компетенцию.
Как объясняют в Nlyte, система уже выявила немало закономерностей, и соответствующая информация по мере необходимости предоставляется клиентам. Кроме того, каждый клиент получает инструментарий машинного обучения, позволяющий обнаруживать закономерности, характерные для его конкретной среды.
Одно из популярных применений системы – оптимизация потребления энергии: она помогает выбирать место размещения новых серверов так, чтобы обеспечить лучшие температурные условия. Еще один распространенный сценарий – оптимизация размещения рабочих нагрузок.
Обычно подобные средства разрабатываются в компаниях собственными силами. Но теперь, с появлением готового программного обеспечения и уже построенных моделей, внедрять такие инструменты можно гораздо быстрее и без глубоких знаний в области искусственного интеллекта.
Добиться экономии благодаря применению машинного обучения удалось в компании Interxion, которая владеет 50 центрами обработки данных в 13 городах мира и предоставляет услуги колокации. Пару лет назад в компании начали внедрять систему управления инфраструктурой ЦОД (data center infrastructure management, DCIM) EcoStruxure компании Schneider Electric.
Обычно Interxion строит ежегодно четыре новых дата-центра, и в компании имеют возможность сравнивать показатели по ранее сооруженным ЦОДам, в которых EcoStruxure отсутствует, с показателями тех, где используется система старых версий, и самых новых, где развернута последняя версия.
В Interxion признают, что первые версии EcoStruxure были трудны в использовании. Они выдавали много информации, но, чтобы разбираться в ней и принимать решения, требовалось много работы. Последующие версии улучшились, но выдавали слишком много рекомендаций.
Самая новая версия обладает более развитыми интеллектуальными возможностями, и уже приносит экономию оператору дата-центров. В частности, бюджет, выделяемый на замену оборудования, уменьшился на 1-2%. Что касается затрат на ремонт, в компании рассчитывают на то, что благодаря механизмам аналитики они в конечном счете уменьшатся на 10%. Экономия достигается за счет ремонта оборудования еще до поломки, а также благодаря рекомендациям по оптимизации энергоэффективности.
Тем не менее даже самые новые версии системы нуждаются в доработке. Например, типична такая ситуация: система рекомендует установить сегодня определенную температуру, на следующий день – другую, а на третий – снова первый вариант, поскольку считает его наилучшим на конкретный момент. В Interxion полагают, что система должна выдавать рекомендации на основе долгосрочных прогнозов, отсортированных по приоритетности. Оператор ЦОДа помогает Schneider вносить улучшения в систему.
Возможности машинного обучения систем управления инфраструктурой ЦОДа, доступные Interxion, пока еще ограниченны, признают в компании.
Аналитики 452 Research уверены, что технические возможности средств искусственного интеллекта систем DCIM будут расширяться. По их мнению, сегодня только начался процесс, который со временем приведет к интеграции управления физической инфраструктурой центров обработки данных и многих других сервисов, в том числе управления рабочими нагрузками, потреблением энергии, безопасностью, сетями и персоналом.
Чем больше данных будут собирать поставщики систем, тем умнее и полезнее будут становиться платформы DCIM, а клиенты смогут приобретать такие инструменты по достаточно низкой цене.
Пока что – только точечные решения
Возможность появления основанной на искусственном интеллекте универсальной платформы управления эксплуатацией ИТ остается призрачной, полагают в Forrester Research: на сегодня еще нет систем искусственного интеллекта, способных заменить администратора баз данных или сисадмина. Пройдет несколько лет, прежде чем решения достигнут зрелости, а в организациях станут более четко понимать, каким образом проводить внедрения искусственного интеллекта в конкретных ИТ-средах.
Дело осложняется еще и тем, что системам нужны огромные объемы учебных данных, а на сегодня они доступны только для определенных видов задач. Кроме того, необходимы более оптимальные механизмы обмена данными между различными системами, полагают в IDC. Например, идею интеграции управления ИТ-услугами и управления эксплуатацией ИТ-среды в теории можно реализовать за два-три года – технические возможности есть. Однако соответствующее направление развивается недостаточно, отмечают аналитики. Понадобится не только автоматизация процессов – нужен опыт и знания специалистов по поддержке и эксплуатации. Ряд поставщиков делают определенные шаги, но до воплощения идеи в жизнь еще далеко. В IDC считают, что нужны комплексные интеллектуальные системы, формирующие уровень абстракции процессов.
Из 750 менеджеров по эксплуатации ИТ-сред, принявших участие в опросе, проведенном компаниями Turbonomics, Red Hat и AppDynamics, 68% сообщили, что пока вообще не пользуются средствами искусственного интеллекта для управления ИТ-системами, а 24% указали, что экспериментируют с такими технологиями.
Однако 84% выразили уверенность в том, что искусственный интеллект позволит упростить работу благодаря созданию самоорганизующихся систем. Таким образом, резюмируют в IDC, речь идет об области, которой интересуются многие профессионалы, однако занимаются ею всерьез лишь единицы.
– Maria Korolov. How AI is reshaping IT operations. CIO. June 13, 2018
