Meningkatkan kualitas pengalaman karyawan adalah fondasi dari langkah inisiatif ITSM (Manajemen Layanan IT) dan ITOM (Manajemen Operasional IT) mana pun. Pernyataan tersebut diutarakan oleh sebuah firma konsultasi global, The Hackett Group dalam Executive Insight-nya yang berjudul “The Future of IT Service Management.”
Mengelola operasional IT atau apa pun hal yang masih berhubungan dengan teknologi pada umumnya semakin tidak mudah. Tantangan demi tantangan semakin lebat menghujam, apalagi di masa pasca pandemi Covid-19 saat ini. Hal ini tentunya “memaksa” Anda, para manajer atau pimpinan departemen IT, untuk segera melakukan modernisasi layanan operasional IT Anda.
Executive insight dari The Hackett Group, selanjutnya, menjelaskan tentang kondisi masa depan dari Manajemen Layanan TI (ITSM) dan Manajemen Operasional IT (ITOM). Di situ tertulis kalau para manajer atau pimpinan IT perusahaan sebaiknya harus segera memodernisasi dua hal itu. Salah satu cara memodernisasinya adalah dengan memperkenalkan intelligent automation. Automasi pintar ini bisa termungkinkan jika Anda menggunakan analisis proses data, dan operasional IT bertenaga kecerdasan buatan, atau bisa dikenal sebagai Artificial Intelligence for IT Operations (AIOps).
AIOps lebih dari sekadar operasional IT: AIOps mencakup DevOps, IT Service Management, manajemen insiden, kemampuan observasi, support, keamanan, KPI, dan beberapa actionable insights lainnya.
Fitur yang Harus Ada di AIOps operasional IT
Untuk mendapatkan value maksimal dari sebuah alat AIOps, Perusahaan Anda harus menerapkan alat tersebut sebagai platform independen atau sebagai ehancement dari software operasional IT yang sudah ada. AIOps harus bisa “menyerap” data dari semua sumber, sekaligus juga mampu bertindak sebagai sistem pusat mau pun pembantu pembantu dari IT Service Management.
Setidaknya, ada lima hal utama dalam operasional IT yang harus bisa diautomasi dan disederhanakan oleh AIOps Anda. Berikut ini daftarnya:
Pemilihan Data
Alat AIOps harus sanggup menyerap sejumlah besar data operasional sehari-hari yang dihasilkan oleh ekosistem IT perusahaan. Kemudian, alat itu harus mampu menentukan elemen data mana yang tepat sesuai dengan konteks yang diperlukan. Oh dan, jika ada data yang kurang “koheren” di suatu garis operasional, maka si AI harus bisa menunjukkan data mana yang bermasalah.
Menemukan Pola dari Data
Alat AIOps harus mampu memilah-milah data di suatu danau data yang berukuran masif. Kemudian, alat itu juga harus bisa menghubungkan set data, dan mendeteksi hubungan antara elemen data yang dipilih. Tidak hanya itu, AIOps juga harus dapat mengelompokkan data tersebut untuk diolah atau dianalisis secara lebih mendalam.
Root Cause Analysis
AIOps harus mampu mengidentifikasi akar penyebab dari suatu masalah. Tidak hanya mengidentifikasi, alat ini juga harus menyediakan, setidaknya, satu solusi actoionable dari permasalahan itu. Apakah sampai situ saja? Tidak. Paling tidak Anda harus bisa menemukan jawaban atas 4 pertanyaan ini.
- Apa yang bisa dilakukan untuk mencegah masalah muncul kembali?
- Apakah solusi yang diterapkan sudah sesuai dengan aturan atau kebijakan?
- Apakah tim IT sudah mufakat dalam pengambilan solusi ini?
- Adakah risiko yang kemungkinan muncul setelah solusi ini diterapkan?
Kolaborasi
Fitur lain yang harus dimiliki dalam alat AIOps adalah kemampuan untuk memberi tahu tim yang tepat, sekaligus memfasilitasi kolaborasi antar tim. Hal ini sangat penting ketika tim operasional IT Anda tersebar di berbagai wilayah geografis dan zona waktu.
Otomatisasi
AIOps harus memiliki kemampuan yang unggul dalam mengautomasikan respons, aksi, dan proses remediasi sebanyak mungkin. Mengapa? Karena sebagian besar insiden dalam alur operasional IT bersifat time-sensitive. Alur bisnis dan produktivitas sebisa mungkin tidak boleh terpengaruh dengan insiden apa pun agar pelayanan ke customer tetap terjaga kualitasnya.
AIOps sampai sini terlihat sangat menarik. Beberapa penjelasan di atas kemungkinan besar akan membuat Anda tertarik untuk mendapatkannya. But, there’s a catch.
Mengimplementasi alat atau solusi AIOps tanpa terlebih dahulu rethink fondasinya akan semakin memperburuk masalah yang ada. Karena itu Anda sebaiknya memerhatikan hal di bawah ini.
5 Hal yang Harus Anda Lakukan Sebelum Memodernisasi Operasional IT dengan AI
The Hackett Group bekerja sama dengan Freshworks berbagi ke kita semua tentang 5 hal ini. Apa saja isinya? Mari kita simak.
Pertama) Simak dengan Sudut Pandang Bisnis
Anda yang akan memodernisasi operasi TI harus memperhitungkan segalanya, termasuk ROI, biaya pengoperasian, kualitas layanan dan kredibilitas provider AIOps, dan sebagainya. Mengevaluasi dan menerapkan AIOps, biasanya akan membutuhkan waktu dan kemungkinan besar tidak akan menjadi prioritas. Karena itu, coba perhitungkan semua dan paparkan dalam deck presentasi apa pun terkait AIOps ini supaya ANda mendapat lampu hijau.
Kedua) Membutuhkan Spesialis
Penerapan AIOps kemungkinan besar merupakan sesuatu hal yang baru bagi sebagian besar tim IT perusahaan. Karena itu, coba Anda cari provider AIOps yang mau mengirimkan produk spesialisnya untuk membantu secara intens proses pengimplementasian solusi ini. Solusi AIOps yang baik harus dapat mendukung semua informasi telemetri yang telah dikumpulkan perusahaan—log, metrik, logic, dan lain sebagainya.
Ketiga) Rancang Roadmap
Departemen IT Anda harus memiliki roadmap sekitar tiga hingga lima tahun terkait perhitungan dan modernisasi dengan AI ini. Pastikan juga kalau algoritma dan semua proses “baru” ini bisa berjalan di platform apa pun.
Keempat) Minta PoC ke Provider
Proof of Concept adalah apa yang Anda butuhkan. Coba sampaikan ke provider apakah mereka bisa menwarkan hal ini dalam solusi AIOps-nya. PoC ini biasanya hadir sebelum Prototype.
PoC lebih cenderung ke menguji validitas ide atau konsep dari sebuah solusi software. Proses mengujinya menggunakan salah satu contoh real case umum. Kalau Proof of Concept sudah disetujui, maka proses berlanjut ke Prototype. Tidak hanya menguji ide, proses ini masuk lebih jauh sampai ke desain, tata letak, navigasi, visualisasi dan bagaimana solusi AIOps ini akan berfungsi secara real di salah satu case perusahaan Anda. Kalau semuanya sudah cocok dan mencapai persetujuan, maka proses implementasi akan dilakukan.
Kelima) Tambah Talenta Anda
Anda perlu tim khusus untuk handle masalah AI di perusahaan. Anda bisa melakukan training internal atau cari talenta lain dari luar. Anda membutuhkan talenta yang punya pemahaman tentang aplikasi, infrastruktur AI, pemahaman dasar tentang Pembelajaran Mesin, dan semacamnya. Jadi, misalnya ada suatu error dalam alur kerja berbasis AI ini, maka produk spesialis provider AIOps dan talenta IT khusus perusahaan Anda akan saling bahu membahu mencari solusinya.
–
Mungkin penjelasan ini lumayan berat untuk dicerna sekaligus, tidak apa apa, take your time. Untuk Anda yang ingin tahu lebih lanjut terkait hal ini, silakan klik banner di bawah ini dan mulai berdiskusi tim kami. Terima kasih dan semoga bisa bermanfaat.
