Sono Keith Andes. Sono un ex analista di Gartner diventato product marketer e ho studiato l’impatto dell’AI nell’ITSM. Mi dispiace, ma dobbiamo parlare.

Oggi la maggior parte delle organizzazioni IT è ansiosa di sfruttare l’intelligenza artificiale (AI). D’altra parte, mentre la pressione per adottare un approccio “AI prima di tutto” continua a crescere, i responsabili IT faticano ancora a rispondere a una semplice domanda: da dove si comincia veramente? In linea di massima, la stiamo già utilizzando. Ma come ne traiamo valore?

L’interesse per l’AI è alto, i dirigenti ne parlano e i team stanno sperimentando strumenti come ChatGPT. Ma pochi hanno una strategia chiara su dove e come applicarla in modo da creare effettivamente valore aziendale.

Il risultato è quello che succede quando un nuovo strumento arriva prima di un problema reale. Tutti stanno sperimentando, ma pochi sanno cosa stanno cercando di risolvere. L’AI diventa una soluzione in cerca di un caso d’uso. È frenetica, entusiasmante e completamente priva di direzione. E anche nei casi in cui si ottengono risultati utili, ciò che funziona per una persona che utilizza ChatGPT in modo isolato, raramente è scalabile a livello aziendale.

La verità è che non è importante essere AI first. È necessario essere AI last. Spiegherò perché e come di seguito.

(A proposito, sono ottimista riguardo all’intelligenza artificiale. Sono fermamente convinto che “l’intelligenza artificiale definirà il futuro”, ma rifiuto l’illusione che sarà facile).

1. Il problema dell’approccio “AI-First”

Le iniziative “AI-First” di solito partono dall’alto verso il basso: dobbiamo usare l’intelligenza artificiale. L’intento è buono, perché nessun leader vuole perdersi la prossima ondata di innovazione, ma spesso la direttiva manca di chiarezza. Ai team viene detto di “fare AI”, non di risolvere problemi specifici. È così che le organizzazioni finiscono con progetti pilota sparsi, progetti ridondanti e dipendenti che consumano risorse di calcolo AI come se fossero caramelle gratis.

Secondo una recente ricerca di EasyVista, il 95% delle organizzazioni aziendali afferma di utilizzare già l’AI nell’ITSM in qualche modo (e per le PMI la percentuale di adozione si attesta comunque al 90%). Ma l’utilizzo non equivale al valore. Senza struttura, allineamento e risultati misurabili, la sperimentazione raramente si espande e i team finiscono per convincersi che l’intelligenza artificiale sia stata sopravvalutata.

La vera sfida non è se utilizzare l’intelligenza artificiale. È piuttosto se la si applica dove fa davvero la differenza.

2. Correggere ciò che si sta scalando

L’intelligenza artificiale non corregge i processi difettosi (anzi, li amplifica). Quindi, prima di aggiungere l’intelligenza artificiale al proprio stack ITSM, è necessario concentrarsi sulle aree che funzionano già abbastanza bene per trarre vantaggio dall’accelerazione.

Se oggi il tuo routing degli incidenti è incoerente, l’IA non farà altro che aumentare la velocità degli errori di routing. Se il tuo CMDB è disordinato, le informazioni basate sull’IA non faranno altro che rispecchiare il disordine. Se i dati in entrata sono errati, anche quelli in uscita lo saranno.

Questo non significa che occorra disporre di processi perfetti prima di iniziare, sia chiaro. Significa semplicemente che dovresti iniziare dalle parti della tua attività che già funzionano. Laddove disponi di dati affidabili, flussi di lavoro chiari e risultati coerenti, è lì che l’AI avrà il maggiore impatto. In aree disorganizzate, aggiungerà solo più confusione (come potrai sapere se l’AI ha funzionato correttamente?).

Considerate l’intelligenza artificiale come un moltiplicatore di competenze, non come una cura per le disfunzioni. Dà il meglio di sé nelle aree più consolidate del vostro ambiente, dove l’automazione e il giudizio umano operano già in sinergia. Iniziate da lì, dimostratene il valore e poi ampliate il campo d’azione.

3. Sviluppate le capacità attraverso l’apprendimento condiviso

Ogni strategia di AI di successo inizia con l’apprendimento. Incoraggiate la sperimentazione, ma rendete l’apprendimento collettivo. Lasciate che i vostri team provino ChatGPT o altri strumenti di AI, ma non lasciate che l’apprendimento rimanga isolato.

Organizzate una breve sessione mensile di “AI Hacks” (è utile che ogni sessione si concentri su un singolo ruolo) in cui i membri del team condividono come hanno utilizzato l’AI quel mese:

Dove hanno risparmiato più tempo? Come l’hanno applicata a un flusso di lavoro? C’è stato un caso d’uso creativo che altri potrebbero replicare?

Queste storie diventano il vostro manuale interno. Con il tempo, noterete dei modelli ricorrenti in cui l’AI consente di risparmiare tempo, migliorare l’esperienza o ridurre lo sforzo manuale. Questi sono i casi d’uso che vale la pena scalare, quindi documentateli e sviluppateli.

Man mano che i tuoi team acquisiscono fiducia e conoscenze interne, il passo successivo è collegare tale apprendimento ai processi aziendali effettivi. È qui che entra in gioco l’approccio “AI last”: decidere dove l’AI trova davvero la sua collocazione nei tuoi flussi di lavoro e dove è sufficiente un’automazione più semplice.

4. Adotta l’approccio “AI last” (poni domande più intelligenti)

Una volta acquisite le basi di un apprendimento condiviso, inizia a tradurre tali intuizioni in miglioramenti reali dei processi.

Invece di chiedervi “Dove possiamo utilizzare l’AI?”, iniziate chiedendovi “Qual è il modo più semplice per risolvere questo problema?”.

Utilizzate l’automazione leggera ove possibile. Ad esempio, automatizzate prima la categorizzazione dei ticket con la logica. Quando le eccezioni si accumulano, il machine learning potrebbe essere il passo successivo giusto. Il punto non è evitare l’AI, ma utilizzarla dove è più utile.

Iniziate con la maturità dei processi. Automatizzate prima ciò che potete attraverso regole e flussi di lavoro. Se potete utilizzare un’istruzione if-then per risolvere il problema, allora non avete bisogno dell’AI. Si tratta di una soluzione più economica, più coerente e più facile da gestire.

E sì, chiedete idee ai vostri fornitori. Assicuratevi solo di porre le domande giuste:

“Quali casi d’uso può risolvere l’IA che non potremmo automatizzare in altro modo?”

Questa è la domanda chiave. Altre domande includono: Come viene applicata l’AI internamente? Quali successi hanno ottenuto con altre implementazioni presso i clienti? Dove si registra il ROI più rapido?

Quindi, verifica tali affermazioni. Ricerche di analisti, come la valutazione dei casi d’uso dell’AI per l’IT Service Desk di Gartner, classificano le applicazioni di AI nell’ITSM in base alla fattibilità e all’impatto. Questo è il tipo di dati che dovete utilizzare per guidare la vostra roadmap, non una brochure di prodotto.

Una volta che i vostri processi e la vostra cultura dell’apprendimento sono stati implementati, iniziate a cercare dove l’AI sta già avendo un impatto nell’ITSM. Da quanto osserviamo con i clienti e sul mercato, le aree più promettenti al momento includono:

Bot su portali o Teams per l’accesso conversazionale ai servizi. Ricerca basata su modelli di linguaggio di grandi dimensioni (LLM) per fornire risultati contestualizzati su domande della knowledge base (KBA) e ticket. Correlazione degli incidenti e rilevamento delle anomalie per il riconoscimento dei modelli (se si dispone di sensori e integrazioni efficaci). Sintesi delle conoscenze per riassumere i dati relativi alla risoluzione, non solo per generare automaticamente articoli. 

L’obiettivo non è quello di rifiutare l’AI. Dobbiamo invece utilizzarla in modo deliberato e intelligente.

Conclusione

Dovremmo essere entusiasti del futuro dell’AI, ma ottenere valore oggi non deriva dall’essere genericamente “AI first”. Deriva dalla comprensione della tecnologia e dal tipo di problemi che è possibile risolvere con essa e che senza di essa sarebbero irrisolvibili.

Piuttosto, pensate prima ai processi e all’automazione e applicate l’AI solo dove ha senso farlo. Iniziate in modo semplice. Risolvete ciò che non funziona. Condividete ciò che funziona. Quindi applicate l’AI dove può davvero ampliare le vostre capacità.

L’AI non risolverà ciò che non funziona. Ma se costruite una base solida e la utilizzate in modo mirato, rivoluzionerà le vostre operazioni.