Agenci AI w codziennej pracy: co właściwie dzieje się w narzędziach, których używamy?

Dużo mówi się teraz o sztucznej inteligencji, niemal za dużo, by nadążyć. Ale za szumem kryje się zmiana, która naprawdę wpływa na codzienną pracę dostawców usług zarządzanych (MSP): agenci AI przenoszą się do narzędzi, których już używamy, zamiast działać w osobnej zakładce, którą trzeba otwierać. To właśnie dlatego ważne jest, aby zrozumieć, jak działają „pod maską”, a nie tylko, że istnieją.

To jest właśnie zmiana, którą Acronis dobrze ilustruje swoim biurem obsługi klienta zasilanym sztuczną inteligencją, i służy jako dobry przykład tego, co w praktyce oznacza agent AI.

Konkretny przykład: od alertu do rozwiązania zgłoszenia

Wyobraź sobie typowy scenariusz. Kopia zapasowa kończy się niepowodzeniem, pojawia się alert, a technik musi otworzyć zgłoszenie, sprawdzić urządzenie, przejrzeć historię kopii zapasowych, poszukać podobnych wcześniejszych przypadków, zdecydować o naprawie i wreszcie napisać aktualizację dla klienta. Żaden z tych kroków nie jest trudny sam w sobie, ale powtarzany dla wielu klientów i zgłoszeń pochłania czas, który mógłby zostać przeznaczony na coś bardziej wartościowego.

Dzięki sztucznej inteligencji wbudowanej bezpośrednio w przepływ pracy zgłoszeń, proces wygląda inaczej. Alert automatycznie tworzy lub aktualizuje zgłoszenie, a AI może podsumować, co się stało, wyświetlić podobne lub zduplikowane zgłoszenia, wykryć, czy problem jest częścią czegoś większego, i zasugerować prawdopodobne rozwiązanie. W przypadku znanego błędu kopii zapasowej może to oznaczać ponowienie zadania, weryfikację wyniku, a następnie zamknięcie lub eskalację zgłoszenia w zależności od wyniku.

To, co czyni to interesującym, to to, co dzieje się po tym, jak poprawka zadziała raz. Zamiast tego, by technik rozwiązywał dokładnie ten sam problem ręcznie następnym razem, pomyślne kroki można przekształcić w regułę wielokrotnego użytku, opisaną prostym językiem. Następne podobne zgłoszenie będzie wtedy przetwarzane szybciej i bardziej spójnie, niezależnie od tego, kto z zespołu się nim zajmie.

Kontrola nadal jest podstawą

Łatwo jest założyć, że agent AI oznacza, że wszystko działa na autopilocie, ale dobra konfiguracja jest tak naprawdę zbudowana na zaufaniu, które rośnie krok po kroku. Niektóre rzeczy można bezpiecznie pozwolić AI robić od razu, takie jak zbieranie danych o statusie i logów. Inne rzeczy powinny być przygotowane i zatwierdzone przez osobę, zanim zostaną wykonane. A niektóre działania powinny być uruchamiane automatycznie tylko wtedy, gdy partner wyraźnie zdecyduje, że są wystarczająco bezpieczne.

W praktyce może to wyglądać mniej więcej tak:

• AI podsumowuje, sugeruje następne kroki i przygotowuje projekty, nie podejmując żadnych działań samodzielnie.
• AI przygotowuje działanie, ale technik zatwierdza je przed uruchomieniem.
• AI może wykonywać działania, które partner wyraźnie oznaczył jako bezpieczne, ze wszystkim logowanym, aby można było to później zweryfikować.

Ten model krok po kroku oznacza, że rutynowe działanie, takie jak ponowienie znanego zadania tworzenia kopii zapasowej, może zostać w pełni zautomatyzowane, gdy MSP będzie na to gotowe, podczas gdy wszystko, co dotyczy rozliczeń, nadal wymaga zatwierdzenia, zanim będzie miało jakikolwiek wpływ finansowy.

Dlaczego to ważne, że AI jest wbudowane

Różnica między AI działającą w narzędziu, w którym już pracujesz, a kopiowaniem danych zgłoszeń do zewnętrznego chatbota jest większa, niż mogłoby się wydawać. Kiedy informacje pozostają na platformie, której już używasz, istnieje logowanie, identyfikowalność i jasne granice dotyczące tego, co może być sugerowane, zatwierdzane lub automatyzowane. Wyjście do zewnętrznego narzędzia, a potem rzadko wiadomo, które konto zostało użyte, jakie dane zostały udostępnione lub jak faktycznie powstała odpowiedź.

Dla mniejszego MSP może to oznaczać rozpoczęcie pracy z praktycznym narzędziem bez konieczności budowania wokół niego ciężkiego projektu PSA. Dla większego MSP z już istniejącymi systemami, ta sama AI może zamiast tego działać jako dodatkowa warstwa do triage i analizy ponad tym, co już jest, bez konieczności zmieniania sposobu pracy zespołu.

Szerszy obraz

Wartość tutaj nie polega na tym, że AI pisze ładniejszy tekst. Wartość polega na tym, że usuwa niepotrzebną pracę z dnia: technicy szybciej rozumieją zgłoszenia, skuteczne rozwiązania są ponownie wykorzystywane, zamiast za każdym razem wymyślać je na nowo, a osoba odpowiedzialna za biznes otrzymuje lepsze dane wejściowe do swoich decyzji.

Jest to dobra ilustracja czegoś większego, co dotyczy każdego, kto obecnie pracuje w IT i bezpieczeństwie. Agenci AI szybko ewoluują, a to, co jest nowe dzisiaj, może stać się standardem w ciągu sześciu miesięcy. Ale korzyść nie pochodzi z samego ich używania, ale z faktycznego zrozumienia, jak działają w narzędziach, na których już polegamy, jakie decyzje podejmują samodzielnie i gdzie leży granica tego, co wolno im robić bez nas. To zrozumienie pozwala czerpać korzyści z tempa zmian, nie tracąc przy tym kontroli.