サービス最適化における人工知能の利点と欠点は何ですか?

AI は、複雑なデータセットを迅速に解析し、そのデータに基づいて洞察を生成することで、企業が IT サービスを合理化するためのアクションを特定し、実行するのに役立ちます。

しかし、AI があらゆるビジネスにおけるあらゆる IT サービスを最適化できるというわけではありません。 IT チームがサービス最適化戦略に AI を適用できる範囲には重要な制限があります。

サービス最適化における AI の利点

サービス最適化の世界で AI が何ができて何ができないかを詳しく説明する前に、まずサービス最適化に AI を使用する理由について説明しましょう。

主な理由は、サービスの最適化には大量のデータの分析が必要になることが多く、AI により人間がこの作業をより速く、より効率的に、よりスケーラブルに実行できるようになるためです。

これを念頭に置いて、企業内の IT プロセスを簡素化したいとします。これを実現するには、IT チームにデータ ソースを手動で確認させ、どのタイプのリクエストの完了に最も時間がかかるかを判断して、それらのプロセスを高速化する方法についての推奨事項を作成します。これは実行可能ですが、時間がかかり、IT チームの集中力を大幅に妨げてしまいます。

あるいは、すべてのデータ ソースを自動的に分析し、特定のリクエストの完了に時間がかかる理由に関する洞察を提供し、サービスを最適化する場所と方法に関する推奨事項を生成する AI ツールを導入することもできます。このアプローチでは、同じ洞察を手動で収集する場合にかかる時間のほんの一部で結果が得られます。

人工知能はITサービスの最適化に役立つ

AI ベースのサービス最適化手法は、次の基準を満たすほぼすべての種類の IT プロセスに適用できます。

• 大量のデータが手元にあれば、AI ツールはそれを分析してプロセスがどのように機能するかを理解し、改善の機会を見つけることができます。
• このプロセスには、完全に理解するために感情的知性を必要とする複雑な対人関係は含まれません。

多くのコア IT サービスは、これらの要件の両方を満たしています。 AI を使用してデータを分析し、エンドユーザー向けの IT サービスを改善する例に加えて、AI 最適化に適したその他のサービスには次のものがあります。

インフラストラクチャ管理: AI はログ、メトリック、その他のインフラストラクチャ データを分析して、組織のインフラストラクチャのニーズを理解し、インフラストラクチャ管理を最適化するためのガイダンスを提供します。その結果、不要なインフラストラクチャ支出の削減、ハードウェア更新プロセスの計画などにも役立ちます。

ネットワーク管理: AI はネットワーク トラフィック パターンを分析してボトルネックを特定したり、停止を予測したりできるため、企業のネットワーク パフォーマンスが向上します。

ソフトウェア開発:ソフトウェアを構築する企業は、AI を使用してソフトウェア配信プロセスを最適化できます。たとえば、スプリントの継続時間や、各リリース サイクルで合理的に実装できる変更の数を予測できます。 AI ツールは、CI/CD ツールからのログや、アプリケーションの展開の速度や頻度などのデータを分析することで、これを実行できます。

リストはまだまだ続きますが、要点はシンプルです。システム データを生成し、技術的なリソースやプロセスを伴うほぼすべての IT サービスは、AI ベースの洞察の助けを借りて改善できる可能性があります。

サービス最適化にAIを使用しない場合

通常、サービスが次の特性の 1 つ以上を備えている場合、AI 支援による最適化には適していません。

• データソースから独立している場合、データを分析する人工知能ツールを使用して最適化することは不可能です。
• 倫理的な判断が必要な場合、AIは対応できないことが多い
• 創造的な意思決定やアイデア創出では新しいコンセプトは生まれない
• 感情的知性や信頼の構築を必要とするタスクに関しては、AI はそれらのタスクをうまく実行できません。
• これまでにないサイバー攻撃を受けているサーバーなど、構造化されていない、または予測不可能な環境に適応する必要があります。この場合、AI は対処する必要がある条件を確実に予測できないため、あまり役に立ちません。

AI ベースのサービス最適化が価値を生み出す可能性が低い実際の状況の例として、プロジェクト管理を考えてみましょう。プロジェクト管理では、プロジェクト管理の一部の側面を自動化し、プロジェクト運用に関する一部のデータをツールによって記録することができます。しかし、これらのデータはアクティブなプロジェクトの一部のみを表しています。すべてのプロジェクトには固有の要件があるため、過去のプロジェクトから収集されたデータに基づいて今後のプロジェクトを最適化することは困難です。

さらに、ほとんどのプロジェクトでは、人々の間での広範なやり取りが伴います。また、利害関係者間の信頼と説明責任も必要です。これらは、AI ツールが評価や最適化を得意としていない要素です。

つまり、プロジェクト管理プロセスを最適化するには、AI ツールを導入してその推奨事項を確認するだけでは不十分です。各プロジェクトの要件を細かく理解するとともに、信頼を構築して関係を管理する方法に関する知識も必要です。

サプライヤーとの交渉も、AI を使用して合理化するのが困難な一般的なプロセスの一例です。プロジェクト管理と同様に、交渉には複雑な人的要因が関わってきます。 AI ツールは、サプライヤーの価格設定の傾向が時間の経過とともにどのように変化するかを理解するなど、交渉の特定の側面を支援できる可能性がありますが、サプライヤーとどのように関わるべきか、またはどのような価格条件を要求すべきかを正確に伝えることはできません。また、サプライヤーが約束を果たすという信頼感を与えるために必要な信頼関係を構築することもできません。

結論は

AI は、さまざまな一般的な IT およびビジネス プロセスをより高速、より効率的、よりスケーラブル、より低コストにするための大きな可能性を秘めています。しかし、サービス最適化ソリューションとしての AI の限界を理解することが重要です。純粋なテクノロジーの領域を超えると、AI は有用な洞察の源ではなくなり、AI ではできない決定を人間が下す必要が生じます。