Applicare l’AI generativa nell’ITAM
Una delle sue applicazioni concrete sarà proprio nell’ambito ITAM: l’AI trasformerà radicalmente il modo in cui gli IT manager interagiranno con i dati relativi agli asset IT.
Immaginiamo di voler sapere quanti pc diventeranno obsoleti entro una tale data: per ottenere risposte i dati vanno analizzati a partire dalle fonti informative che li contengono (es. esportando in Excel o in PowerBI o “lavorando” sui campi di elaborazione degli strumenti ITAM più evoluti). L’applicazione di filtri e l’utilizzo di pivoting è l’unico modo per mettere in relazione righe e righe di dati sugli asset tecnologici e avere approfondimenti utili alla loro gestione.
Ora non è più necessario perdere tempo per farlo: si può direttamente interrogare il sistema dalla sua interfaccia utente. L’utilizzo dell’AI generativa, infatti, ci permette di “attivare” nuovi assistenti AI che consentono agli utenti di porre domande in conversazione e di ricevere risposte in linguaggio naturale.
Un IT manager potrebbe quindi ottenere approfondimenti su previsioni, allocazione degli asset e identificare tendenze sui dati solo interrogando il sistema, come se stesse scrivendo in chat a un collega. Può chiedere ad esempio quali software e servizi sono in esecuzione sia all’interno dell’IT che in tutta l’azienda, informarsi sul loro stato e sulla loro conformità, capire se ci sono tendenze da considerare.
Non è solo evitare di perdere tempo ad esportare e analizzare dati: l’AI ci può aiutare nell’integrare diverse fonti di dati e normalizzarle.
Se, infatti, per capire l’effettivo stato di un device in produzione dobbiamo interrogare diverse fonti dati (Active Directory, Antivirus, lo strumento EPM, la posta su MS Exchange) e queste sono programmate per registrare la data di ultima connessione del client, l’AI può metterci in evidenza l’aggiornamento più recente e rilevare eventuali discrepanze (es. in una fonte il dato manca perché il processo di provisioning non è stato completato correttamente). Il tutto in brevissimo tempo, perché il sistema con il supporto dell’AI generativa dà risposte immediate e conversazionali.
Queste implementazioni ci permetterebbero di ridurre il 60/70% del tempo (come stimato da uno degli speaker del webinar “AI + ITAM”) dedicato alla lavorazione – spesso ancora manuale – dei dati, conseguentemente migliorare la qualità dei dati utilizzabili. L’AI generativa, infatti, ci aiuta ad affrontare il gap di visibilità quando si tratta di comprendere e agire su grandi set di dati sugli asset IT.
Un esempio concreto: Snow Copilot
Il nostro partner Snow Software di recente ha presentato Snow Copilot, che è un assistente AI che permette di interrogare i dati relativi al Software Asset Management all’interno della piattaforma Snow Atlas. Per farlo sfrutta il servizio OpenAI di Microsoft Azure.
Si tratta della prima di una serie di funzionalità AI che Snow sta rilasciando per risolvere in modo più efficace le sfide ITAM e FinOps: attraverso una “finestra” dell’interfaccia utente, qualsiasi persona può interrogare il sistema ponendo semplici domande (es. “Quanti computer sono stati installati negli ultimi 90 giorni?”) o esplorando scenari “what if” e ricevere risposte in linguaggio naturale.
