Три лучших агентских вариантов использования ИИ для современных ИТ -операций

Pagerduty спонсировал этот пост.

Появление агентского ИИ представляет собой сдвиг парадигмы от автоматизированных рабочих процессов, требующих постоянного человеческого надзора за автономными системами, которые преодолевают разрыв между пониманием и действиями. Агенты ИИ не просто анализируют данные. Они понимают эксплуатационный контекст по распределенным системам, предпринимают независимые действия в пределах определенных параметров и постоянно учатся. Это может быть спасательным кругом для любой команды, которая изо всех сил пытается управлять критическими операциями на фоне усталости, ограничения ресурсов и разрозненных процессов и инструментов.

Конвергенция потребностей и возможностей

Три ключевых фактора сходится, чтобы сделать принятие агентского ИИ не только возможным, но и необходимым для разблокировки оперативного совершенства:

Оперативная сложность: Современные архитектуры с тысячами микросервисов и распределенных систем превысили потенциал человека для управления в реальном времени.

Доступность данных: Организации имеют обширные тростики данных, разбросанные по журналам, метрикам, следам и истории инцидентов, но традиционные инструменты могут только анализировать эти источники в изоляции. Agentic Systems может глубоко интегрироваться с и коррелировать целый ландшафт предприятий, создавая комплексную оперативную картину, которая мощно подготовит ранее мониторинг и реакции.

AI Advancement: Недавние прорывы, такие как протокол контекста модели Anpropic (MCP), имеют повышенные системы ИИ из простых инструментов соответствия моделей в интеллектуальные системы. Агент ИИ может использовать как исторические, так и данные в реальном времени, чтобы понять сложные операционные сценарии, принимать нюансированные решения и независимо принять меры в пределах определенных параметров.

Рост агентов ИИ дает возможность в корне переосмыслить цифровые операции и как управлять ими более эффективно. Давайте начнем с понимания того, где и как эти агенты лучше всего можно использовать с помощью трех ощутимых вариантов использования.

Три агентских вариантов использования ИИ для операционных команд

Одно правило, чтобы успешно развернуть агент, начинается с правильного кадрирования.

Речь идет не о том, как агенты ИИ могут заменить людей, а то, как агенты ИИ могут увеличить и направлять человеческие знания. Операционные команды обрабатывают различные типы критических работ, которые различаются по сложности и требуют различных уровней человеческого надзора. Успешное сотрудничество с человеком-агентом адаптируется в соответствии с сложностью работы и имеет право преобразовать отдельных участников в оркестраторы этой новой, автономной цифровой рабочей силы.

Давайте рассмотрим три фундаментальных типа операционной работы и то, как агент AI может трансформировать каждый из них.

1. Хорошо понятная работа: автономное разрешение

Хорошо понимаемая работа включает в себя общие, повторяющиеся инциденты и задачи, которые следуют четким закономерникам, генерируют предсказуемые результаты и, следовательно, имеют документированные решения. Поскольку команды сталкиваются с этими операционными проблемами несколько раз, у них уже есть устоявшиеся пьесы, чтобы решить их, но эти обычные и повторяющиеся задачи отвлекают человеческий опыт от стратегических циклов доставки, которые поддерживают рост бизнеса.

Агенты ИИ могут автономно справиться с хорошо понятой работой:

• Выявление и классификация инцидентов.
• Запуск диагностики и исправления.
• Объединение и реализация предложений по повышению устойчивости.

Возможная стоимость труда — это инновации. Развертывая агентов для решения хорошо известных проблем и задач, команды уполномочены перенаправить свое внимание на инновации и обеспечение лучшего опыта клиентов, которые дают организации конкурентное преимущество.

2. Частично понятная работа: сортировка и диагноз с наддувом

Частично понятная работа включает инциденты, когда симптомы могут быть знакомыми, но коренные причины могут варьироваться в зависимости от сложности системы. То, что начинается как всплеск задержки в одном сервисе, может каскадность по общему деградации. В этом сценарии команды могут иметь некоторое понимание, но потребуется более сложный анализ по нескольким уровням инфраструктуры, чтобы узнать, что вызывает проблему, что в конечном итоге задерживает ответ.

Агенты ИИ могут повысить эффективность в этом сценарии:

• Соотношение сигналов между инструментами в режиме реального времени для оценки потенциального радиуса воздействия и затронутых услуг.
• Всплыть соответствующие исторические инциденты и предполагающие вероятные коренные причины.
• Вытягивая соответствующие блюд и выполнять их с одобрением человека в петле.

Наличие ИИ в качестве руководства по устранению неполадок и помощника резко снижает когнитивную нагрузку на респондентов, улучшая принятие решений и обеспечивая более быстрые действия в критические моменты. Вместо того, чтобы начинать с нуля с каждым инцидентом, команды могут основываться на сфере AI, посвященных AI, чтобы более эффективно решать проблемы.

3. Новая, новая работа: предвидеть проблемы, влияющие на клиента

Новая, новая работа охватывает беспрецедентные ситуации и новые модели, которые раньше не видели. Это самые сложные проблемы, когда традиционные инструменты мониторинга могут сказать вам, когда что -то не так, но не может предсказать новые режимы сбоя или определить тонкие паттерны деградации системы.

Здесь агенты искусственного интеллекта служат как системы раннего предупреждения и стратегические консультанты по:

• Обнаружение аномальных моделей поведения, прежде чем они запускают оповещения.
• Предоставление контекстных рекомендаций на основе аналогичных моделей.
• Учиться на каждом новом инциденте, чтобы расширить свою базу знаний.

Эти предсказательные возможности, управляемые ИИ, позволяют командам переходить от реактивного к проактивному управлению инцидентами, создавать операционную устойчивость для поддержания надежности обслуживания и повысить удовлетворенность клиентов.

Соображения реализации

Поскольку организации начинают свое агентское путешествие по ИИ, четыре ключевых принципа могут помочь обеспечить успешное принятие и устойчивую, надежную ценность:

Начните с хорошо понятых вариантов использования низкого риска: Начните с рутинных инцидентов, которые задокументировали пути разрешения и устанавливают четкие метрики для измерения производительности искусственного интеллекта.

Расставить приоритеты в безопасности и управлении: Ищите решения для ИИ со встроенными ограждениями и чистыми, безопасными протоколами. Убедитесь, что все автоматизированные действия могут быть зарегистрированы и проверены, и определите четкие пути эскалации для краевых случаев.

Обеспечить качество и защиту данных: Проверенные, специально построенные решения для обработки критической работы обеспечивают зрелую оперативную интеллектую, которая движет надежными действиями ИИ, когда это имеет наибольшее значение.

Объединить свою экосистему ИИ: Выберите решения, которые интегрируются с вашим существующим технологическим стеком, чтобы оказать видимое влияние на жизненный цикл полного операций, и обеспечивает бесшовные рабочие процессы ИИ и человека без необходимости капитального ремонта инфраструктуры.

Будущее сейчас

Организации, которые начнут внедрять агент AI сегодня, будут лучше, чтобы справиться с оперативной сложностью завтрашнего дня. Благодаря проверенным решениям, обеспечивающим безопасные и надежные возможности ИИ, вопрос не в том, следует ли использовать автономные операции, а как быстро вы можете начать путешествие для преобразования своих цифровых операций.

Modern Enterprises Trust PageRduty для управления цифровыми операциями, включая реагирование на инциденты, AIOPS, автоматизацию процессов и CSOPS. Благодаря облачному облаку Pagerduty Operations организации могут сжать затраты, ускорить производительность и поддерживать бесшовные цифровые впечатления. Узнайте больше последних из Pagerduty Trending Stories YouTube.com/thenewstack Tech, быстро движется, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Débora Cambé-менеджер по маркетингу продуктов в Pagerduty, поддерживающий реагирование на инцидент компании на рынок. Ее 10 с лишним лет опыта работы в качестве специалиста по маркетингу включает в себя работу в качестве собственного менеджера СМИ в PlayStation и в качестве консультанта по социальным сетям Yorn, … Подробнее от Debora Cambe