L'HYPER-AUTOMATISATION COGNITIVE PEUT AIDER VOTRE ENTREPRISE
Les dirigeants d'entreprises et responsables informatiques sont trop souvent confrontés à des situations de perte commerciale due à une défaillance de processus, elle-même due à un problème informatique, tel que l'indisponibilité temporaire d'une application. En coulisses, plusieurs équipes s'affairent pour résoudre le problème, mais elles travaillent invariablement en silos et les précieuses toutes premières heures sont gaspillées en diagnostics divers, sans oublier les accusations qui s'en suivent : « Le problème ne vient pas du réseau ! », ou encore : « Mon serveur d'applications fonctionne très bien ; le problème ne vient pas de chez nous ! », et autres réjouissances.
La triste réalité est que la plupart des incidents ou interruptions de service hautement prioritaires et entraînant des pertes commerciales significatives ne se produisent pas en silos. Par exemple, les problèmes courants, tels que les arrêts d'applications, sont souvent la conséquence à la fois de serveurs de bases de données chargés et de fluctuations du réseau.
Il est donc impératif d'avoir une vision intégrée en temps réel des différentes tours informatiques. Mais qui est réellement apte à comprendre l'environnement informatique dans son intégralité et à en donner une visualisation en temps utile pour éviter des interruptions de service aussi importantes ? Les capacités horizontales cognitives rendent cela possible. Les entreprises doivent suivre une méthode étape par étape afin de se donner les moyens de travailler selon un contexte spécifique.
La triste réalité est que la plupart des incidents ou interruptions de service hautement prioritaires et entraînant des pertes commerciales significatives ne se produisent pas en silos. Par exemple, les problèmes courants, tels que les arrêts d'applications, sont souvent la conséquence à la fois de serveurs de bases de données chargés et de fluctuations du réseau.
Il est donc impératif d'avoir une vision intégrée en temps réel des différentes tours informatiques. Mais qui est réellement apte à comprendre l'environnement informatique dans son intégralité et à en donner une visualisation en temps utile pour éviter des interruptions de service aussi importantes ? Les capacités horizontales cognitives rendent cela possible. Les entreprises doivent suivre une méthode étape par étape afin de se donner les moyens de travailler selon un contexte spécifique.
MAIS C'EST PLUS FACILE À DIRE QU'À FAIRE
Les entreprises ayant recours à l'automatisation et à l'intelligence artificielle (IA) depuis des années ont obtenu d'excellents résultats. Aujourd'hui, l'automatisation est aussi reconnue en tant que levier stratégique, et plus seulement technologique. Toutefois, l'élaboration d'une stratégie et d'une feuille de route d'automatisation se révèle très compliquée et en voici les raisons :
• La majorité des systèmes opérationnels informatiques existants sont organisés en silos, ce qui se traduit par des interruptions, des arrêts et des pertes commerciales qui demandent beaucoup de temps pour être résolus et corrigés.
• L'absence d'instructions systématiques empêche les entreprises d'exploiter l'automatisation intelligente comme levier stratégique et d'élaborer une stratégie et une feuille de route d'automatisation en interne.
• Du fait de l'organisation en silos des activités d'automatisation sans vision stratégique et sans feuille de route, les dépenses importantes allouées aux capacités d'automatisation n'offrent que rarement les retours sur investissements attendus.
• Au final, les dirigeants sont de moins de moins enclins à soutenir et financer ces projets pourtant indispensables par manque d'impact stratégique et de résultats avérés.
• La majorité des systèmes opérationnels informatiques existants sont organisés en silos, ce qui se traduit par des interruptions, des arrêts et des pertes commerciales qui demandent beaucoup de temps pour être résolus et corrigés.
• L'absence d'instructions systématiques empêche les entreprises d'exploiter l'automatisation intelligente comme levier stratégique et d'élaborer une stratégie et une feuille de route d'automatisation en interne.
• Du fait de l'organisation en silos des activités d'automatisation sans vision stratégique et sans feuille de route, les dépenses importantes allouées aux capacités d'automatisation n'offrent que rarement les retours sur investissements attendus.
• Au final, les dirigeants sont de moins de moins enclins à soutenir et financer ces projets pourtant indispensables par manque d'impact stratégique et de résultats avérés.
ALORS COMMENT METTRE DE L'ORDRE DANS CE CHAOS ?
En procédant étape par étape.
Étape 1 : Mettre au point des mécanismes de suivi fiables pour permettre la corrélation d'événements
L'une des fonctions essentielles de l'automatisation est d'émettre des alertes, signaux et exceptions en temps utile lorsque quelque chose ne va pas. Elle est assurée par des outils de monitoring de bout en bout dont beaucoup sont dotés de capacités d'analyse et de gestion d'événements avancées permettant de supprimer, ou tout du moins de réduire significativement, le bruit dans les données, ainsi que les faux positifs. Mais une approche automatisée directe utilisant des consoles de gestion des événements pourrait bien finir par créer davantage de silos ! C'est pourquoi il est important de s'efforcer d'avoir des alertes exploitables provenant d'outils solides, qui remédient aux causes des anomalies. Cette démarche contribue à maintenir un suivi des actions réalisées afin d'avoir une référence future, de collecter des connaissances et d'assurer une qualité de service.
Étape 2 : Favoriser l'auto-réparation / l'auto-assistance grâce à une automatisation basée sur des scripts en vue d'améliorer l'expérience utilisateur
La deuxième étape consiste à chercher des moyens de générer des gains d'efficacité supplémentaires afin d'améliorer l'expérience utilisateur dans sa globalité. Les solutions d'auto-réparation et d'auto-assistance aident non seulement les utilisateurs à résoudre certains problèmes plus rapidement, mais leur donne aussi un haut niveau de satisfaction.
Étape 3 : Instaurer des règles dynamiques et une orchestration s'appuyant sur des seuils pour résoudre les problèmes courants
Avant l'automatisation, il était presque impossible d'éviter les répercussions sur l'activité puisque les ingénieurs support avaient des difficultés à accéder aux tâches en attente qui leur étaient attribuées. La nature des tâches pouvait être aussi bassement matérielle que redémarrer un service ou nettoyer un espace disque. Aujourd'hui, avec l'automatisation, les tâches courantes peuvent être réalisées en déployant un moteur d'orchestration efficace, dynamique et basé sur des règles, intégré aux solutions de gestion des services informatiques. Il est préférable de démarrer par des problèmes courants dans un premier temps afin de favoriser une adoption plus rapide par les équipes sur le terrain.
Étape 4 : Mettre en place des capacités cognitives et d'apprentissage automatique en commençant par des modèles d'apprentissage supervisé
Les systèmes cognitifs permettent des interactions tenant compte du contexte entre le système et l'utilisateur final. Il est important de commencer avec des modèles d'apprentissage supervisé afin d'assurer un haut niveau de précision. Par exemple, les interfaces conversationnelles intelligentes dédiées aux opérations de service desk sont des solutions faciles à concevoir et à déployer à l'aide de capacités cognitives. Ces solutions peuvent être déployées à partir d'outils de chat et de communication existants, tels que Skype. Les cas d'usage informatiques et métier peuvent être mis à disposition via des bots cognitifs et offrir ainsi une expérience sans couture aux utilisateurs finaux.
Étape 5 : Déployer des algorithmes d'apprentissage automatique non supervisé, comme le deep learning ou l'automatisation intelligente d'auto-optimisation basée sur un réseau de neurones artificiels
Les réseaux neuronaux basés sur le deep learning et les réseaux neuronaux récurrents, dotés de fonctions non linéaires et de multiples couches cachées, sont capables d'identifier des tendances et des modèles de classification plus précis et plus proches de la réalité, mais potentiellement invisibles à l'œil humain. L'application de ces algorithmes aux opérations informatiques courantes permet de réduire considérablement les temps de réponse, les délais de traitement et les cycles grâce à des classifications plus précises, une réduction significative des hops et des reprises des efforts de résolution.
Réaliser chacune des étapes une à une, commencer petit et rester concentré sur son objectif final d'hyper-efficience et de prestation d'expérience numérique est l'approche la plus efficace et éprouvée pour les entreprises précurseurs dans le domaine de l'automatisation cognitive.
Étape 1 : Mettre au point des mécanismes de suivi fiables pour permettre la corrélation d'événements
L'une des fonctions essentielles de l'automatisation est d'émettre des alertes, signaux et exceptions en temps utile lorsque quelque chose ne va pas. Elle est assurée par des outils de monitoring de bout en bout dont beaucoup sont dotés de capacités d'analyse et de gestion d'événements avancées permettant de supprimer, ou tout du moins de réduire significativement, le bruit dans les données, ainsi que les faux positifs. Mais une approche automatisée directe utilisant des consoles de gestion des événements pourrait bien finir par créer davantage de silos ! C'est pourquoi il est important de s'efforcer d'avoir des alertes exploitables provenant d'outils solides, qui remédient aux causes des anomalies. Cette démarche contribue à maintenir un suivi des actions réalisées afin d'avoir une référence future, de collecter des connaissances et d'assurer une qualité de service.
Étape 2 : Favoriser l'auto-réparation / l'auto-assistance grâce à une automatisation basée sur des scripts en vue d'améliorer l'expérience utilisateur
La deuxième étape consiste à chercher des moyens de générer des gains d'efficacité supplémentaires afin d'améliorer l'expérience utilisateur dans sa globalité. Les solutions d'auto-réparation et d'auto-assistance aident non seulement les utilisateurs à résoudre certains problèmes plus rapidement, mais leur donne aussi un haut niveau de satisfaction.
Étape 3 : Instaurer des règles dynamiques et une orchestration s'appuyant sur des seuils pour résoudre les problèmes courants
Avant l'automatisation, il était presque impossible d'éviter les répercussions sur l'activité puisque les ingénieurs support avaient des difficultés à accéder aux tâches en attente qui leur étaient attribuées. La nature des tâches pouvait être aussi bassement matérielle que redémarrer un service ou nettoyer un espace disque. Aujourd'hui, avec l'automatisation, les tâches courantes peuvent être réalisées en déployant un moteur d'orchestration efficace, dynamique et basé sur des règles, intégré aux solutions de gestion des services informatiques. Il est préférable de démarrer par des problèmes courants dans un premier temps afin de favoriser une adoption plus rapide par les équipes sur le terrain.
Étape 4 : Mettre en place des capacités cognitives et d'apprentissage automatique en commençant par des modèles d'apprentissage supervisé
Les systèmes cognitifs permettent des interactions tenant compte du contexte entre le système et l'utilisateur final. Il est important de commencer avec des modèles d'apprentissage supervisé afin d'assurer un haut niveau de précision. Par exemple, les interfaces conversationnelles intelligentes dédiées aux opérations de service desk sont des solutions faciles à concevoir et à déployer à l'aide de capacités cognitives. Ces solutions peuvent être déployées à partir d'outils de chat et de communication existants, tels que Skype. Les cas d'usage informatiques et métier peuvent être mis à disposition via des bots cognitifs et offrir ainsi une expérience sans couture aux utilisateurs finaux.
Étape 5 : Déployer des algorithmes d'apprentissage automatique non supervisé, comme le deep learning ou l'automatisation intelligente d'auto-optimisation basée sur un réseau de neurones artificiels
Les réseaux neuronaux basés sur le deep learning et les réseaux neuronaux récurrents, dotés de fonctions non linéaires et de multiples couches cachées, sont capables d'identifier des tendances et des modèles de classification plus précis et plus proches de la réalité, mais potentiellement invisibles à l'œil humain. L'application de ces algorithmes aux opérations informatiques courantes permet de réduire considérablement les temps de réponse, les délais de traitement et les cycles grâce à des classifications plus précises, une réduction significative des hops et des reprises des efforts de résolution.
Réaliser chacune des étapes une à une, commencer petit et rester concentré sur son objectif final d'hyper-efficience et de prestation d'expérience numérique est l'approche la plus efficace et éprouvée pour les entreprises précurseurs dans le domaine de l'automatisation cognitive.
