ServiceNow voegt machine-learningtoepassingen toe aan het Now Platform. De oplossing, met het accent op de zogeheten Intelligent Automation Engine, is toegespitst op vier gebruikssituaties: het voorkomen van storingen, het automatisch classificeren en routeren van werk, het voorspellen van toekomstige prestaties en het vergelijken van prestaties met peers. Dat maakt ceo John Donahoe bekend tijdens Knowledge17 in Orlando.
Dave Wright, chief strategy officer van ServiceNow, licht tijdens de keynote van Knowledge17 de nieuwe functionaliteiten toe. ‘Met behulp van anomalie-detectie helpen wij gebruikers om storingen te voorspellen en voorkomen. Het algoritme identificeert patronen, leert wat ‘normaal’ gedrag is en signaleert daarmee afwijkende gebeurtenissen die waarschijnlijk tot een storing leiden.’
Ten tweede worden algoritmes beschikbaar gesteld om werk te categoriseren en routeren. Wright: ‘De Intelligent Automation Engine categoriseert en routeert it-verzoeken. Lerende modellen bepalen de categorie van het verzoek en wijzen de taak toe aan het juiste team. Daarbij wordt het risico van wel of geen actie ondernemen berekend.’
Ook is de Intelligent Automation Engine in te zetten voor prestatievoorspellingen. ‘Klanten stellen een prestatiedoelstelling vast en op basis van het gegevensprofiel voorspelt het algoritme van de tool Performance Analytics wanneer ze het doel bereiken.’
Tot slot is er een oplossing om de prestaties te vergelijken met zogenaamde peers, laat Wright weten. ‘Wij bieden klanten de mogelijkheid om hun service-efficiëntie te vergelijken met peers, zoals organisaties of bedrijven actief in dezelfde branche. In het verleden was het vergelijken van prestaties met peers moeilijk of zelfs helemaal niet mogelijk. Nu komen bedrijven niet alleen te weten hoe ze presteren ten opzichte van hun eigen doelen, maar ook hoe hun prestaties zich verhouden tot vergelijkbare organisaties.’
De Intelligent Automation Engine is beschikbaar in het Now Platform voor csm, security en hr. In de toekomst moeten de toepassing voor alle afdelingen en applicaties beschikbaar zijn.
Die prestatievoorspeller daar geloof ik niet zo in. Vooral dat vandaag de capaciteit heel dicht tegen de behoefte aangeschaald wordt en middels scale out capaciteiten makkelijk zijn uit te bereiden. Een goede sizing heeft een behoorlijke bezetting van de beschikbare capaciteit. Vroeger was dat anders. Je kocht een groot systeem en daar kwamen meer en meer service op of in te draaien en op een gegeven moment kon het systeem niet meer. Toen wilde je weten wanneer dat punt ongeveer zou worden bereikt. Vandaag de dag weet je al dat je met slechts 30% overcapaciteit een systeem inzet dus de beschikbare capaciteit is minder en zal veel sneller gaan toenemen naar bv de 90% grenswaarde. Alleen dan juist zet je middels scaleout weer extra capaceit in om weer naar de 70 te zakken. Verder zakken betekend dat je toegevoegde CI eigenlijk te kostbaar was voor de behoefte. Dit proces monitoren is een dagelijks (geautomatiseerd) proces waardoor een voorspelling en algoritme minder zin hebben naar mijn mening. Als één klant tijdelijk meer capaciteit nodig heeft, bv in het vakantie seizoen, dan wordt dat makkelijk over het hoofd gezien door zo’n performance voorspeller terwijl ik het nu al kan bedenken als we de klant gaan toevoegen tot de gedeelde infra.
Hier heeft Amazon wel een enorme voorsprong op ServiceNow. Ik ben benieuwd of het echt wat gaat worden of dat het weer iets is wat alleen werkt met heel veel consultancy inzet.
Een prestatiemeter gemaakt door de leverancier doet mij een beetje aan Volkswagen denken.
Hier heeft Amazon wel een enorme voorsprong op ServiceNow. Ik ben benieuwd of het echt wat gaat worden of dat het weer iets is wat alleen werkt met heel veel consultancy inzet.