數據中心自動化已經存在多年了，但現在進入IT部門的更復雜形式有可能解放或潛在地替代員工。
機器人過程自動化（RPA）可能是最重要的技術示例，它們顯著地重塑了IT操作模型。RPA工具旨在創建一個機器人部隊，可以接管手工、基于規則的IT部門的工作。但RPA是更廣泛的自動化的一部分，范圍從簡單的腳本和宏，到融合自動化和人工智能的仍然新興的認知平臺。
Gartner研究副總裁Susan Tan說，“一切形式的自動化”絕對會對就業市場產生重大影響。 “IT部門需要較少的人才和不同的技能。”
對于這些不同的技能，自動化可能引發20世紀90年代的復蘇：業務流程重組。自動化一個破壞或低效的過程沒有任何意義，所以要思考。這種重新設計減少可能導致IT人員對需要重新思考和重新設計流程的需求增加。
伴隨自動化，AI準備影響IT商店的方向及其所需的技能。IT部門的AI正處于起步階段，因此這里的發展可能會追蹤自動化的影響。但結果也可能會同樣引人注目。
自動化的雙刃劍無論是增加自動化水平還是增加技術人員，釋放他們做不同的任務或取代它們，都是IT部門和整個行業面臨的問題。
Tan指出，相對簡單的自動化形式將會自動執行諸如數據輸入，故障單解決或基礎設施配置等常規重復任務。
她說：“所有可以自動化的重復性任務都將自動化。 做這些重復任務的人將被替換或釋放，以做不同的事情。”
這些替代任務可能包括使用分析技能的員工發現利用企業數據和利用新興技術的機會。Tan表示，IT人員可能可以或可能無法提高執行此類功能所需的技能水平。
“問題是，那些時間被釋放的人實際上能做那些更高附加值的活動嗎？”她問。
德勤律師事務所董事總經理David Schatsky同意這一評估：“關于自動化對就業的影響的問題現在一直被問到，談論工作比談論任務更難，例行重復不需要大量技能的任務正在消失，不管人們是否做，失去工作始終是個問題。。”
自動化技術（如RPA）的經濟學尚未充分體現，但對IT運營模式的影響可能會很快顯現。
Schatky說：“我認為你現在在IT部門看到了RPA，但是在許多IT部門，它仍處于初期階段。他補充說，未來十二至十八個月內，重大影響將會展開。
在這一點上，IT組織將面臨一次選擇：削減員工或保留他們以轉換到更高層次的工作。
“這真的取決于組織和他們的人才戰略，”Schatsky說。
通緝：過程重新設計技能一些信息技術部門確實可以為工作人員準備好，一旦擺脫了較低級別的工作，即可承擔新的IT角色。另一種可能性：重新培養IT人員在RPA技術本身及其周圍的機會。CIO和行業顧問建議，業務流程重組可能成為自動化的熱門技術。
洛杉磯市首席信息官Ted Ross表示，RPA加強了對業務流程重組的需求。
他說：“如果我自動化一些東西，那么我的既得利益就是自動化15個步驟而不是100。”
Ross指出，為了幫助員工了解如何在數字化之前完善流程，洛杉磯IT部門將工作人員送到精益六西格瑪培訓。通過市長預算和創新辦公室，促進了培訓。
普華永道美國咨詢業務首席技術專家Chris Curran也注意到自動化IT部門需要重新設計流程過程。
“我懷疑我們會看到的更多的是記錄當前的流程，所以他們可以腳本化和自動化，”他說，“而且，還要退步并尋找重新設計它們的方法，并簡化它們，以便他們可以使用新工具進行自動化。”
一旦過程重新設計工作完成，該任務就轉移到軟件機器人的關心和喂養。Tan設想了一個包含許多任務執行軟件實體的“機器人農場”的未來，它們都需要培訓，維護和升級。
“有人必須成為機器人老板，”Tan說，機器人至少暫時不能管理或維護自己。
強調異常管理Tan說，機器人最終可能會自我管理和自我修復，但在此期間，技術專家將需要糾正行為不端的機器人，這些機器人在新的RPA功能可用的情況下學習執行不良流程并執行更新。
自動化的另一個增長是更多地關注IT運營模型中的異常管理。隨著RPA和其他形式的自動化變得越來越普遍，具有分析和故障排除技能的人可以看到更高的需求。
三級通訊公司首席信息官Atilla Tinic表示，他的公司在軟件機器人領域做了一些工作，重點是IT人員在操作組中執行的一些更乏味的手動任務。他指出，以服務為導向的架構和平臺整合——例如訂購和計費系統的結合——也有助于減少體力勞動。
在這樣的環境中，隨著業務事務在自動化和集成系統中不間斷地流動，IT操作人員將不會被要求進行實時的鍵盤干預。但是，他們將需要研究那些在這個過程中停頓的交易。因此，Tinic表示，他認為，信息技術公司的運營方面應該更加注重異常。
Tinic解釋說，“操作人員”成了調查員，“為什么這筆交易不是從這里轉移到這里？”
AI已來臨AI可能是擺脫IT運營模式的下一個技術浪潮。AI可能扮演許多角色，從提供認知能力到處理機器人技術到啟用自然語言處理聊天室。
CIO需要能夠彌合業務、用戶和技術之間差距的人。Gartner副總裁Susan Tan 認為，對數據科學家的持續需求，他們可以生成和驗證假設，創建算法并了解AI的方面，例如機器學習和深度學習。但數據科學方面的技術人員并不容易找到。
“數據科學家是非常重要的，”Tinic同意，“我們不會為數據科學家組織的組織工作。”
相反，Tinic表示，他的做法將是演進系統工程師，以便更加分析和加速數據科學。他說，3級的技術團隊已經部署了各種各樣的AI。用途包括加強網絡安全，識別可能出現的系統問題和優化資源的模式——確定哪個員工將盡快完成特定任務。
培訓IT人員是克服數據科學家短缺的一種方法。另一個是獲取可以將業務用戶變成公民數據科學家的軟件工具。業務團隊開始使用自動化數據科學過程元素的工具。
無論如何，隨著AI進入IT部門，重組和重新安裝似乎是不可避免的。 IT招聘公司Robert Half Technology的高級執行總監John Reed表示，AI可能會改變一些人的工作方式和每天使用的技能。
“技術專家的力量在于他們能夠靈活而且不斷學習，這將有助于他們改變我們的工作步伐。”
但是他們最終學習的可能來自實驗，而不是正式的知識計劃。普華永道的Curran表示，他是示范實驗室的大信徒，作為一個機制來幫助確定組織需要吸收特定技術的技能。“AI域是完美的實驗，”他說。
Curran表示，AI實驗可以幫助確定需要什么樣的技能開發和培訓，以及可能需要什么樣的第三方幫助。
“我認為這是一個最佳實踐——有能力進行動手實驗。”
修建橋梁隨著自動化和AI繼續發展，CIO將需要能夠縮小人與機器之間差距的人。
Tan說：“在AI世界，你需要人們，與人和技術都能合作的人。首席信息官需要能夠彌合業務、用戶和技術之間差距的人。”
Tan表示，組織將依靠擁有技術知識和商業頭腦的人們，向業務利益相關者提供如何應用自動化和AI等技術應對其業務挑戰的建議。
她說：“你必須定義你要解決的問題，然后利用技術來解決這個問題。機器人不會這樣做。”
英特爾的作家，未來學家和前首席傳教士Steve Brown表示，企業需要開始關于如何建立人與機器作為合作伙伴參與的團隊的對話。
Brown說：“將自動化視為降低勞動力成本的一種方式是很容易的。我們可以擺脫哪些工作？這是一個簡單而短視的觀點。”
他說，手頭的任務和一個涉及公司IT和人力資源部門的任務是找到最好的人或機器來完成這項工作。
Brown說：“看看組織中的每一個業務流程，并解析出哪一個任務最好由人類、算法或機器人來完成。”
京公網安備 11010502049343號