AI je „game-changerem“ v oblasti správy IT majetku

Není překvapením, že využití AI v rámci správy majetku je téma, které se začíná v oblasti řízení IT čím dál více zmiňovat. Hlavním důvodem je, že většina procesů souvisejících se správou IT majetku je časově náročná a pracná, zároveň však nezřídka přímočará a zcela závislá na práci s velkým množstvím dat – což je ideální práce pro AI. Využití umělé inteligence pro správu majetku přináší řadu výhod, mezi které patří automatizace úkolů a procesů, poskytování cenných doporučení pro efektivnější alokaci IT zdrojů a v konečném důsledku i zvýšení bezpečnosti i úspora nákladů.

Jaká jsou rizika a výzvy?

Výhody využití AI jsou zjevné, nicméně když na chvíli necháme stranou veškeré nadšení, je potřeba zvážit jeden často opomíjený faktor. Tím je kvalita a čistota dat. A to může být i pomyslnou Achillovou patou mnoha organizací, protože každý model strojového učení, který je základem AI, je pouze tak dobrý jako data, na kterých je trénován a používán. Například když je datum nákupu softwaru nebo hardwaru v evidenci zapsáno špatné nebo úplně chybí, jak může AI správně analyzovat a predikovat životní cyklus aktiva? Bohužel správa IT majetku byla v řadě organizací dlouhodobě přehlížena a upozaďována – až vyhlášky a certifikace jako ISO27001, NIS2, DORA, TISAX apod. daly (naštěstí) této oblasti v poslední době větší důležitost.

Jaké důsledky to může mít?

Implementace AI může být často velmi komplexní a pro řadu organizací poměrně nákladnou investicí, tudíž je zcela zásadní mít připravená kvalitní data, se kterými může AI model od prvního dne začít efektivně pracovat. I dnes z praxe víme, že mnoho organizací bojuje s nekompletními a chybnými daty o IT majetku kvůli neefek­tiv­ním a mnohdy i chybějícím procesům. To vystavuje organizace nejen problémům během auditů, značným bezpečnostním rizikům a neefektivnímu nakládání se svým prostředky, ale i výzvám při využití AI.

Mezi obvyklá rizika při trénování modelů na nekompletních datech patří:

• nepřesné, zkreslené a omezené predikce a doporučení mohou zásadním způsobem negativně ovlivnit správné rozhodování i plánování
• chybovost při automatizované evidenci aktiv, správě inventáře a prediktivní údržbě
• při využití AI i v rámci bezpečnostní agendy hrozí vyšší riziko chyb a bezpečnostních incidentů na základě zkreslených a neúplných dat
• lze očekávat i problémy s kontrolou dodržování specifických předpisů, zejména v odvětvích s přísnou regulací (např. finančnictví, zdravotnictví atd.) – v tomto případě musejí být data obohacena o patřičné atributy odpovídající konkrétním regulacím
• neefektivní nakládání se zdroji, které nepřináší očekávanou obchodní hodnotu a vede k nízké návratnosti investic

Klíčové jsou dobře nastavené procesy

Pokud si vedení společnosti chce být jisté, že jim AI v oblasti ICT a správy IT majetku přinese očekáváné výsledky, je nutné se nejdříve zaměřit na revizi stávajících ITAM procesů a analýzu potenciálních nedostatků. Mezi klíčové procesy, které je nutné zlepšit a které poskytnou AI důležitá data, patří:

• pravidelný sběr aktualizovaných dat o IT majetku a infrastruktuře, včetně hardwaru, softwaru, konfigurací a metrik využití – nejlépe automatizovaně, aby se minimalizovala rizika lidských chyb a zajistila se konzistentnost ve sběru dat. Používání pouze ruční tabulkové evidence (např. v Excelu) nemusí být v tomto ohledu dostačující a může v konečném důsledku vést k horší kvalitě dat i výsledků
• evidence historických dat – mezi takové informace patří provozní data o infrastruktuře, koncových stanicích, vývoji skladových zásob a roční spotřebě jednotlivých položek, ale neméně důležité mohou být i informace ze service desku, jako jsou nejčastější hlášené incidenty u konkrétních typů zařízení, jejich řešení (nejen technické, ale i z pohledu času) apod.
• využití dat z více zdrojů, jako např. CMDB, databáze do­da­va­te­lů a monitorovací systémy za účelem obohacení existujících dat o důležité informace, které poskytnou širší kontext a v konečném důsledku pomohou AI k lepším výsledkům
• pravidelné kontroly aktiv (například formou interních auditů) a vhodně nastavený rámec pro správu dat (tzv. data governance framework) jsou další postupy, které mohou organizace využít ke zvýšení přesnosti, konzistence a úplnosti svých dat o aktivech

Co vám to může přinést?

Výhody využívání kompletních a strukturovaných ITAM dat pro AI jsou mnohostranné. Když model pracuje s čistými, dobře organizovanými a hodnotnými daty, může poskytovat spolehlivá doporučení na zlepšení i generovat chybějící datové body, aby se kvalita dat a tím i výsledky neustále zlepšovaly.

Dobře fungující AI vám tedy může v praxi přinést:

• přesnější plánování prediktivní údržby a minimalizaci potenciálních výpadků a nedostupnosti služeb
• automatizaci rutinních a manuálních činností, jako doplňování chybějících informací v evidenci (např. sériové číslo zařízení, ceny na základě přiložené faktury, automatické vytvoření vazby v CMDB, apod.
• rychlejší řešení hlášených incidentů a problémů díky lépe cíleným a přesnějším doporučením
• efektivnější využívání aktiv na základě optimalizovaného alokování zdrojů v průběhu celého životního cyklu majetku (například nedochází ke zbytečným nákupům nového hardwaru, který má organizace na skladě)
• snížení provozních nákladů a přesnější plánování (nejen) IT rozpočtu
• vyšší bezpečnost díky automatizované analýze potenciálních zranitelností čerpající z více zdrojů (evidence IT majetku, monitorovací systémy, CMDB a další)
• jednoduší a efektivnější správu softwarových licencí – dobře vytrénovaný AI model lépe a rychleji pochopí komplexní licenční prostředí velkých dodavatelů, jako jsou Oracle, Microsoft, SAP atd., a poskytne IT týmu vhodné doporučení a upozornění na možný nesoulad s licenčními podmínkami či v méně závažných případech nedostatek i automaticky odstraní (např. přidělením chybějící licence uživateli)
• efektivnější samoobslužné funkce (např. chatboti, virtuální asistenti, apod.), které dovedou lépe cílit rady a doporučení koncovým uživatelům, kteří by jinak museli se svým problémem kontaktovat IT

Využití a možných přínosů je však nespočet. AI, která bude pracovat s přesnými daty o majetku, přinese hodnotu většině oddělení v organizaci – od nákupu, přes účetnictví až po vedení společnosti.

Závěrem

Synergie mezi ITAM a umělou inteligencí je zjevná a má potenciál přinést organizacím řadu výhod. Nicméně dosažení očekávaného přínosu může být bez dobře nastavených ITAM procesů obtížné. Organizace, které se již zaměřily na pečlivější evidenci IT majetku, a tím i lepší kvalitu a čistotu svých dat, ať už kvůli regulacím, či vlastní bezpečnosti, budou nyní schopny i rychleji využít všech výhod, které AI organizacím dnes přináší.

Adam Šima Autor článku je specialista na produktový marketing ve společnosti ALVAO.