Искусственный интеллект шаг за шагом завоевывает мир, и службы ИТ не стали исключением. Внедрений пока немного, но уже сейчас в компаниях пользуются средствами искусственного интеллекта для улучшения технической поддержки и управления инфраструктурой. В частности, ощутимую пользу приносят системы обработки естественного языка и машинное обучение.

Техническая поддержка

Будучи основой чат-ботов, применяемых в службах поддержки клиентов, системы обработки естественного языка также внедряются в отделах ИТ, в том числе в качестве более удобного пользовательского интерфейса.

В Credit Suisse Group начали использовать чат-боты для типовых задач, таких как сброс паролей и перезагрузка компьютеров. Прежде в банке техническая поддержка осуществлялась только людьми по телефону и эффективность обработки обращений оставляла желать лучшего.

Сотрудники, которые звонили в центр поддержки, вынуждены были ждать, пока освободится специалист. Чтобы покончить с потерей времени, решено было создать еще один канал связи в форме чат-системы, способной быстро отвечать на вопросы пользователей.

Над планом перемен в Credit Suisse начали работать в конце 2016 года. В начале 2017-го решили остановить выбор на чат-боте Amelia компании IPSoft.

Как признаются в компании, сперва интеллект чат-бота был на уровне новорожденного, а сейчас — как у годовалого ребенка, и процесс обучения продолжается. Если чат-бот не способен обработать запрос, то он переадресуется человеку. Чат-бот обучается в процессе разговора, а затем специалисты проверяют его на системные ошибки перед вводом в рабочий режим.

Новая система обслуживает 76 тыс. пользователей в 40 странах. Благодаря ей в Credit Suisse около 80 сотрудников телефонного центра переведены на поддержку, требующую более высокой квалификации. В компании надеются к концу нынешнего года автоматизировать обработку 25% обращений, поступающих в службу, а в конечном счете — освободить для другой работы около трети всех специалистов центра.

 

Чат-бот, или виртуальный цифровой помощник

Как искусственный интеллект меняет работу ИТ-службы

Обычно боты предназначаются для выполнения однообразной и повторяемой работы с максимально возможной скоростью. Боты находят также применение в условиях, когда требуется лучшая реакция по сравнению с возможностями человека (игровые боты), или для имитации действий человека (боты для чатов).

Управляемые запрограммированными правилами или искусственным интеллектом, чат-боты позволяют взаимодействовать и общаться с ними через платформу.

 

Безопасность и мотивация

В сети техасских университетов A&M внедряют Artemis — интеллектуального ассистента, разработанного компанией Endgame, который будет помогать недавно нанятым сотрудникам защищать учебные заведения от кибератак. Отдел информационной безопасности осуществляет мониторинг сетей 11 университетов и 7 ведомств штата. В службе трудятся 9 штатных сотрудников, а еще подрабатывают 8 студентов, пока еще не обладающих достаточным опытом разрешения инцидентов безопасности.

Системе искусственного интеллекта можно задавать вопросы в произвольной форме на английском языке. Как отмечают в отделе безопасности, она помогает не только в поиске ответов, но и в обучении новичков. В январе были наняты новые сотрудники, и благодаря Artemis они освоили свои обязанности буквально за пару часов.

Кроме того, новшество позволило быстрее находить новых специалистов. Еще два года тому назад, когда понадобилось заполнить три вакансии аналитиков по безопасности, претендентов нашлось очень мало. В январе же на семь ваканский поступило 88 заявок — благодаря молве о том, что в отделе информационной безопасности интересно работать.

Обеспечение связи

В школах округа Норт-Кантон, штат Огайо, имели место трудности обслуживания беспроводной сети — например, не всегда удавалось добиться надежного соединения с ней ноутбуков и мобильных устройств всех пользователей.

Всего в округе семь школ, в которых учатся 4,4 тыс. учеников и работают 650 сотрудников. К сети подключаются 6–8 тыс. устройств, а администрируют ее всего три человека. С лета прошлого года округ начал пользоваться для управления сетью решением Mist Systems, основанным на средствах искусственного интеллекта. (Для отслеживания и оптимизации производительности каждого пользователя в сети, Mist использует микросервисы, которые позволяют отслеживать состояние каждого клиента, а затем обрабатывать огромное количество данных с помощью алгоритмов машинного обучения. Mist проактивно определяет отклонения, ищет аномалии между устройствами, операционными системами, точками доступа и приложениями. — Прим. ред.)

Как признаются сисадмины, процедуры управления сетью ощутимо ускорились, поскольку теперь причины неполадок выясняются быстрее. Так, системе можно просто задать вопрос «Что происходит с точкой доступа 1?», и она отобразит все сведения о ней с возможностью дальнейшей детализации.

Помимо интерфейса на основе естественного языка, система снабжена внутренними механизмами искусственного интеллекта, которые анализируют сетевую активность.

Mist обнаруживает неполадки в сети, анализируя данные организации и анонимизированные справочные данные от других клиентов. Обучение происходит как в непрерывном режиме (прогноз обновляется с учетом вновь поступающих данных), так и в пакетном (для обучения используется весь объем накопленной информации). Применяются также модели обучения с учителем, уточняемые, по словам специалистов Mist, буквально каждые несколько часов.

Управление инфраструктурой

Murphy Oil — нефтяная компания со штатом 1200 сотрудников, работающая в США, Канаде и Малайзии. Последний год в ней идут преобразования по модели SaaS: ИТ-инфраструктура, развернутая локально и у поставщиков услуг центров обработки данных, переносится в облако. Причем наибольшую экономию принесло освоение интеллектуальных средств управления облачной инфраструктурой. Как уточняют в компании, если просто перенести рабочие нагрузки в облако без изменений, экономии не будет, напротив, возможны убытки.

Несмотря на всю ту гибкость, которую обеспечивают облака, для адаптации рабочих нагрузок может понадобиться труд многих людей и соответствующие затраты. В Murphy Oil решили воспользоваться системой с искусственным интеллектом компании Turbonomic, способной давать советы по оптимизации инфраструктуры. Но по-настоящему она окупилась, когда к системе привыкли и доверили ей задачи выбора размещения и масштаба систем. (Система от Turbonomic представляет собой решение для управления производительностью различных систем виртуализации с возможностью автоматической или полуавтоматической оптимизации использования ресурсов c обеспечением максимальной их утилизации. Система либо сама выполняет все необходимые действия с каждым из компонентов виртуального ИТ-стека, либо рекомендует администратору произвести конкретные действия для обеспечения максимально возможной плотности размещения нагрузки, обеспечения производительности и повышения общей эффективности ИТ. Решение представляет собой автономный искусственный интеллект, управляющий гетерогенным окружением при помощи когнитивных технологий. — Прим. ред.)

Выяснилось, что система способна принимать более удачные решения, чем люди, поскольку руководствуется накопленными данными, а люди — интуицией и эмоциями.

Раньше в компании четыре сотрудника, работающих на полную ставку, и один с частичной занятостью занимались исключительно обработкой заявок в службу поддержки. Сейчас на это требуется одна десятая часть полной штатной единицы.

В итоге персонал, занимавшийся простейшими задачами эксплуатации и сопровождения, был переведен на должности, связанные с поддержкой бизнеса. Например, сотрудники осваивают автоматизацию процессов, готовя новые преобразования в компании. Как подчеркивают в Murphy Oil, поскольку у отдела ИТ всегда есть запланированные проекты, увольнять никого не приходится.

 

Что же такое искусственный интеллект

Джон Маккарти еще в 1956 году на конференции в Дартмутском университете дал такое определение искусственному интеллекту (artificial intelligence, AI): это наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. Поясняя свое определение, Маккарти указал, что под интеллектом в пределах этой науки понимается только вычислительная составляющая способности достигать целей в мире.

Но однозначное определение искусственному интеллекту не дает даже Wikipedia. Например участники Российской ассоциации искусственного интеллекта дают такое определение искусственного интеллекта — это научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными.

А одно из частных определений формулируется так: «Интеллект — способность системы создавать в ходе самообучения программы для решения задач определенного класса сложности и решать эти задачи».

В Wikipedia также дается такое определение моделям ИИ и методам исследований:

Символьное моделирование мыслительных процессов

В это направление входят: доказательство теорем, принятие решений и теория игр, планирование и диспетчеризация, прогнозирование.

• Работа с естественными языками

Некоторые прямые применения обработки естественного языка включают информационный поиск и машинный перевод.

• Представление и использование знаний

Производство знаний из данных — одна из базовых проблем интеллектуального анализа данных. Существуют различные подходы к решению этой проблемы, в том числе — на основе нейросетевой технологии, использующие процедуры вербализации нейронных сетей.

• Машинное обучение

Класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач.

• Биологическое моделирование искусственного интеллекта

Сюда можно отнести несколько направлений. Нейронные сети используются для решения нечетких и сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов. Генетический подход основан на идее, что некий алгоритм может стать более эффективным, если позаимствует лучшие характеристики у других алгоритмов. Агентный подход — когда ставится задача создания автономной программы, взаимодействующей с внешней средой.

• Робототехника

Интеллектуальность требуется роботам, чтобы манипулировать объектами, выполнять навигацию с проблемами локализации и планировать движение.

• Машинное творчество

Здесь поставлены проблемы написания компьютером музыки, литературных произведений. Сюда же относится художественное творчество.

 

Прогнозное обслуживание

В Konica Minolta внедрили систему управления ИТ-инфраструктурой на основе искусственного интеллекта компании ScienceLogic в начале 2017 года. Некогда известная как производитель камер, сейчас Konica Minolta является поставщиком офисной техники и ИТ-услуг. Решение ScienceLogic помогает предсказывать сбои оборудования.

Поначалу точность прогнозов составляла примерно 56%, но со временем система обучилась, и теперь двухнедельные прогнозы поломки техники сбываются на 95%.

В Konica Minolta планируют снабдить средствами прогнозирования ScienceLogic свою платформу управления ИТ-средами Workplace Hub.

Добиться экономии благодаря применению машинного обучения удалось в компании Interxion, которая владеет 50 центрами обработки данных в 13 городах мира и предоставляет услуги колокации. Пару лет назад в компании начали внедрять систему управления инфраструктурой ЦОДа (data center infrastructure management, DCIM) EcoStruxure компании Schneider Electric.

Обычно Interxion строит ежегодно четыре новых дата-центра, и в компании имеют возможность сравнивать показатели по ранее сооруженным ЦОДам, в которых EcoStruxure отсутствует, с показателями тех, где используется система старых версий, и самых новых, где развернута последняя версия.

В Interxion признают, что первые версии EcoStruxure были трудны в использовании. Они выдавали много информации, но, чтобы разбираться в ней и принимать решения, требовалось много работы. Последующие версии улучшились, но выдавали слишком много рекомендаций.

Самая новая версия обладает более развитыми интеллектуальными возможностями и уже приносит экономию оператору дата-центров. В частности, бюджет, выделяемый на замену оборудования, уменьшился на 1–2%. Что касается затрат на ремонт, в компании рассчитывают на то, что благодаря механизмам аналитики они в конечном счете уменьшатся на 10%. Экономия достигается за счет ремонта оборудования еще до поломки, а также благодаря рекомендациям по оптимизации энергоэффективности.

Тем не менее даже самые новые версии системы нуждаются в доработке. Например, типична такая ситуация: система рекомендует установить сегодня определенную температуру, на следующий день — другую, а на третий — снова первый вариант, поскольку считает его наилучшим на конкретный момент. В Interxion полагают, что система должна выдавать рекомендации на основе долгосрочных прогнозов, отсортированных по приоритетности. Оператор ЦОДа помогает Schneider вносить улучшения в систему.

Возможности машинного обучения систем управления инфраструктурой ЦОДа, доступные Interxion, пока еще ограниченны, признают в компании.

Аналитики 452 Research уверены, что технические возможности средств искусственного интеллекта систем DCIM будут расширяться. Сегодня только начался процесс, который со временем приведет к интеграции управления физической инфраструктурой ЦОДов и многих других сервисов, в том числе управления рабочими нагрузками, потреблением энергии, безопасностью, сетями и персоналом.

Чем больше данных будут собирать поставщики систем, тем умнее и полезнее будут становиться платформы DCIM, а клиенты смогут приобретать такие инструменты по достаточно низкой цене.

Инструментарий прогнозного обслуживания готовятся предложить и в компании Nlyte Software. В ее решении используются технологии IBM Watson. Система Nlyte собирает сведения об оборудовании, используемом одновременно многими клиентами компании, и, комбинируя их с данными по конкретным средам, расширяет свою компетенцию.

Как объясняют в Nlyte, система уже выявила немало закономерностей, и соответствующая информация по мере необходимости предоставляется клиентам. Кроме того, каждый клиент получает инструментарий машинного обучения, позволяющий обнаруживать закономерности, характерные для его конкретной среды.

Одно из популярных применений системы — оптимизация потребления энергии: она помогает выбирать место размещения новых серверов так, чтобы обеспечить лучшие температурные условия. Еще один распространенный сценарий — оптимизация размещения рабочих нагрузок.

Обычно подобные средства разрабатываются в компаниях собственными силами. Но теперь, с появлением готового программного обеспечения и уже построенных моделей, внедрять такие инструменты можно гораздо быстрее и без глубоких знаний в области искусственного интеллекта.

Пока что — только точечные решения

Возможность появления основанной на искусственном интеллекте универсальной платформы управления эксплуатацией ИТ остается призрачной, полагают в Forrester Research: на сегодня еще нет систем искусственного интеллекта, способных заменить администратора баз данных или сисадмина. Пройдет несколько лет, прежде чем решения достигнут зрелости, а в организациях станут четко понимать, каким образом проводить внедрения искусственного интеллекта в конкретных ИТ-средах.

Дело осложняется еще и тем, что системам нужны огромные объемы учебных данных, а на сегодня они доступны только для определенных видов задач. Кроме того, необходимы более оптимальные механизмы обмена данными между различными системами, полагают в IDC. Например, идею интеграции управления ИТ-услугами и управления эксплуатацией ИТ-среды в теории можно реализовать за два-три года — технические возможности есть. Однако соответствующее направление развивается недостаточно, отмечают аналитики. Понадобится не только автоматизация процессов — нужны опыт и знания специалистов по поддержке и эксплуатации. Ряд поставщиков делают определенные шаги, но до воплощения идеи в жизнь еще далеко.

— Maria Korolov. How AI is reshaping IT operations. CIO. June 13, 2018