De toename van automatisering en digitalisering is onvermijdelijk. Meer bedrijven zetten hun activiteiten over naar IT-systemen en meer van deze activiteiten worden geautomatiseerd. Wat echter ook niet onvermijdelijk is, is de toename van IT-storingen en periodes van downtime die digitalisering en automatisering met zich meebrengen. Bedrijven verliezen flink wat geld per jaar aan IT-storingen. Gelukkig kan het toenemende gebruik van op AI gebaseerde voorspellende analyses problemen oplossen voordat die zich voordoen.
Laten we eerst eens goed kijken naar de omvang van het probleem en hoeveel wordt gedigitaliseerd en geautomatiseerd. Houdt dit even vast: Vele werkgevers in Suriname achten het logisch dat indien de mogelijkheid daartoe er bestaat, te zullen kiezen voor goedkopere automatiseringsprocessen in plaats van menselijk arbeid. Het merendeel van de werkgevers (92% mannen en 75% vrouwen) denkt dat Automatisering het Surinaamsbedrijfsleven ten goede komt. Hoewel het merendeel van deze zelfde werkgevers denkt dat de Surinaamse arbeidsmarkt er nog niet klaar voor is. Er zijn wel duidelijke voorbeelden van bedrijven die de gedachte van digitalisering strak uitrollen.
Nu naar buiten. Bijna 80 procent van de bedrijven in de Verenigde Staten is bezig met digitale transformatie, wat betekent dat 80% van de Amerikaanse bedrijven zich steeds meer tot IT-systemen wendt om verschillende aspecten van hun werk af te handelen en uit te voeren. En ze pompen veel geld in dit veranderingsproces: volgens een recente studie van Reports and Data werd de wereldwijde markt voor digitale transformatie in 2018 geschat op $ 261,9 miljard, terwijl deze naar verwachting tegen 2026 $ 1,051 miljard zal stijgen.
Met andere woorden, er vinden wereldwijd enorme verschuivingen plaats naarmate bedrijven meer afhankelijk worden van IT-systemen en digitale platformen. Tegelijkertijd wordt een groot deel van de werking van deze systemen en platformen geautomatiseerd. Uit een rapport van Deloitte dat dit jaar werd gepubliceerd, bleek dat 58% van de organisaties wereldwijd een of andere vorm van automatisering in hun werkprocessen heeft geïntroduceerd, terwijl het aantal bedrijven dat automatisering op grote schaal implementeert, het afgelopen jaar is verdubbeld. Dit is weer een monumentale verandering, die aangeeft dat wanneer bedrijven overstappen op IT-systemen, ze ook op weg zijn om veel van wat deze systemen doen te automatiseren.
Dit is allemaal erg spannend, maar helaas heeft deze verschuiving geleid tot een exponentiële stijging van de mogelijkheden voor IT-storingen en downtime. Naarmate er meer processen op een computersysteem worden uitgevoerd en meer van deze processen worden uitgevoerd door algoritmen, ontstaan er onvermijdelijk meer kansen op fouten en storingen, vooral omdat het personeel niet goed is toegerust om alles te controleren wat een steeds meer geautomatiseerd systeem doet. De schattingen van de kosten van uitvaltijd bij gederfde inkomsten gingen van 26,5 miljard dollar wereldwijd in 2011 tot 700 miljard dollar in 2016 (en alleen voor Noord-Amerikaanse bedrijven).
De zaken lopen uit de hand en een van de belangrijkste redenen waarom veel bedrijven deze uitdaging niet hebben kunnen oplossen, is omdat ze deze met de verkeerde mentaliteit hebben benaderd. Over het algemeen hebben ze tools ontwikkeld en gebruikt om IT-problemen te detecteren en wanneer die zich voordoen. Dit klinkt op het eerste gezicht misschien goed, maar wachten op problemen kan gevaarlijk zijn, omdat het soms lang kan duren voordat ze zijn opgelost.
De Treasury-commissie van het Britse parlement bracht vorig jaar bijvoorbeeld een rapport uit waarin werd geklaagd over de golf van problemen bij de IT-banken die zich de afgelopen jaren in Groot-Brittannië had voorgedaan. Miljoenen klanten werden uitgesloten van hun rekeningen terwijl betrokkenen instellingen moeite hadden om hun systemen te herstellen. Een van de ergste voorbeelden hiervan was in 2018, toen een IT-storing bij Lloyds Bank ertoe leidde dat 1,9 miljoen klanten wekenlang van hun rekeningen werden uitgesloten, waarbij de onderliggende problemen enkele maanden in beslag namen om volledig op te lossen.
Om dergelijke rampen te voorkomen, moeten bedrijven hun IT-systemen echt proactief benaderen. In het bijzonder moeten ze zich concentreren op het voorkomen van problemen die zich in de eerste plaats voordoen, zodat ze niet met periodes van downtime blijven zitten die uiteindelijk hun bedrijfsresultaten schaden. Kunstmatige intelligentie is daarbij de sleutel.
Op AI gebaseerde detectieplatforms kunnen IT-systemen in realtime monitoren en controleren op vroege tekenen van mogelijke storingen. Door gebruik te maken van machine learning kunnen dergelijke platforms gegevens uit het verleden gebruiken om te leren hoe problemen zich typisch ontwikkelen, waardoor een bedrijf kan ingrijpen voordat er iets ongelukkigs gebeurt. In 2017 bedacht Gartner de term ‘kunstmatige intelligentiesystemen voor IT-operaties’ (AIOps ) om dit soort AI-gestuurde voorspellende analyses te beschrijven, en het marktonderzoeksbureau gelooft dat het gebruik van AIOps de komende jaren aanzienlijk zal toenemen. In 2018 gebruikte slechts 5% van de grote ondernemingen AIOps , maar het bureau schat dat dit cijfer tegen 2023 zal stijgen tot 30%.
Deze groei zal worden aangedreven door het feit dat verschillende voordelen voortvloeien uit de toepassing van machine learning en data science op IT-systemen. Afgezien van het detecteren van waarschijnlijke problemen voordat ze zich voordoen, kan AI vals alarm aanzienlijk verminderen, omdat het een betrouwbaarder beeld kan krijgen van wat daadwerkelijk tot storingen leidt dan eerdere technologieën en menselijke operators. Bovendien kan het afwijkingen detecteren die niet noodzakelijkerwijs tot storingen of downtime leiden, maar dat kan een IT-systeem minder efficiënt maken.
Naarmate meer bedrijven migreren naar AIOps en aanverwante platforms, zullen ze een sneeuwbaleffect creëren, worden hun concurrenten gedwongen deel te nemen aan de race om onnodige downtime te voorkomen of achter te blijven. En het is volkomen logisch dat naarmate de automatisering in IT-systemen toeneemt, er een parallelle toename zou moeten komen in geautomatiseerde voorspellende analysesystemen. Omdat software de wereld zal domineren en wij mensen steeds minder centraal staan in onze eigen banen, is het alleen AI die AI kan bijhouden.