Искусственный интеллект в управлении ИТ-активами: что умеет сейчас и как поможет в будущем
5 минут чтения
Мгновенная обработка документов, автоматическое обновление данных о технике и софте, глубокая аналитика, рекомендации — так меняется подход к ИТ-учету с помощью ИИ. Компании активно тестируют возможности LLM-моделей, чтобы быстрее закрывать задачи управления ИТ-активами, изучать потенциальные риски, решать проблемы до их наступления. Рассказываем, как это работает сейчас и каких изменений стоит ожидать в будущем.
Влияние ИИ на эффективность компаний
Как показывают опросы McKinsey, 75% организаций по всему миру внедряют искусственный интеллект в бизнес-процессы. Российский рынок тоже на подъеме. В 2026 году половина отечественных ИТ-компаний планирует до 5% выручки направить на ИИ-проекты, согласно исследованию СберАналитики.
Применение этой технологии постоянно расширяется. Сейчас виртуальных ассистентов используют команды ИТ-разработки, сервисные службы, отделы маркетинга и продаж. Организации постепенно приходят к пониманию, что искусственный интеллект — это ценный ресурс, которым необходимо управлять.
Огромные массивы данных об ИТ-инфраструктуре получается обрабатывать уже сейчас. В этом задействуются автономные системы искусственного интеллекта (ИИ-агенты), которые применяют алгоритмы машинного обучения. Подход помогает вести учет эффективнее, снижая риск человеческих ошибок. И это только первый шаг.
По прогнозам Gartner, к 2028 году крупные компании увеличат производительность ITAM-специалистов на 60% благодаря новейшим технологиям. При этом фактически удастся в 2 раза снизить затраты на учет и обслуживание ИТ-активов.
Это произойдет за счет изменения подхода к автоматизации процессов. Так, ITAM-система постепенно перестанет опираться на ручной ввод и анализ информации человеком. По мере роста эффективности больших языковых моделей (LLM) появятся новые возможности автоматизировать обработку данных, аналитические задачи и, формирование рекомендаций для последующих решений.
По прогнозам экспертов, развитие искусственного интеллекта в сегменте ITAM будет усиливаться с каждым годом
Как искусственный интеллект уже помогает в учете ИТ-активов: главные тренды
Одно из перспективных направлений применения ИИ — это возможность избавить сотрудников от необходимости вручную вносить в ITAM-систему информацию из многочисленных документов. Это трудоемкая работа, при которой нередко случаются ошибки и неточности.
Извлечение данных. С помощью LLM распознавание данных о новой технике и софте происходит мгновенно при загрузке отсканированных договоров на закупку оборудования или лицензий. После интеллектуальной обработки создаются новые карточки ИТ-активов с указанием месторасположения и материально ответственного лица. К карточкам автоматически привязываются сканы документов с подробными сведениями: что приобретено, технические характеристики, количество, поставщик, стоимость.
Нормализация данных. Извлеченные «сырые» данные необходимо структурировать, убрать лишние сущности с точки зрения учета активов, привести к единому виду. В настоящее время участие человека требуется, чтобы задать правила нормализации для каждого типа закупочного документа. В дальнейшем искусственный интеллект «заберет» на себя и эту рутинную задачу, обучившись на исторических данных компании. Нормализация будет выполняться в автоматическом фоновом режиме, даже если загруженный документ новый и сложный по составу информации.
ИИ уже сейчас можно применять при обработке договоров, спецификаций и других документов об активах
Интеллектуальное управление ИТ-активами в будущем
Разберем, какие задачи удастся передать ИИ уже в ближайшее время.
Прогнозирование потребности в ИТ-активах. Виртуальный помощник научится давать рекомендации по закупке оборудования, лицензий и расходных материалов на основе:
исторических данных по использованию ИТ-активов;
планов найма персонала;
планов развития инфраструктуры;
факторов сезонности спроса.
Оптимизация использования ИТ-активов. В будущем ИИ-агенты также смогут давать рекомендации по перераспределению оборудования и лицензий между отделами компании, автоматически выявлять неиспользуемое ПО и отзывать лицензии, высвобождая их для повторного использования.
Предиктивная аналитика начнет широко применяться для управления жизненным циклом актива. ML-модели смогут выявлять скрытые закономерности и корреляции. Для предсказания поломок пригодятся данные инфраструктурного мониторинга, история ремонтов и замен. Углубленный анализ позволит ИИ-помощнику рекомендовать действия, продлевающие жизненный цикл оборудования.
Еще одна область применения — моделирование вариантов оптимизации лицензионных соглашений. Рекомендации будут формироваться на основе фактической информации из ITAM-системы. Поэтому важно, чтобы компания выстраивала процесс управления лицензиями и системно собирала исторические данные в достаточном количестве для обучения ИИ. В итоге ассистент сможет давать практические советы, как снижать расходы на ПО.
Минимизация рисков. Интеллектуальные функции дадут специалистам больше контекста для оценки уровня безопасности и уязвимостей. ИИ-ассистенты смогут проводить мониторинг базы уязвимостей CVE и сопоставлять с полученной информацией все модели техники и ПО, которые использует компания. Итог анализа будет приходить в виде отчета по рискам или в формате оповещения ответственному сотруднику. Такой подход поможет выявлять и устранять системные проблемы, уменьшать количество инцидентов, снижать незапланированные расходы на оборудование.
В части юридических рисков ИИ-ассистент сможет формировать отчет с рекомендациями по действиям для достижения лицензионной чистоты организации: какое количество лицензий на какой продукт и по какой метрике лицензирования необходимо дополнительно приобрести или деактивировать, чтобы получить лицензионное соответствие.
Генерация отчетов по текстовым запросам.ИТ-директор, инженеры и другие специалисты смогут через ИИ-ассистента получать мгновенные ответы без обращения в ИТ. Например: «Покажи все ноутбуки старше трех лет в финансовом департаменте, у которых гарантия истекает в следующем квартале, и оцени бюджет на замену».
Интеллектуальный помощник сможет выделить из этого запроса сущности (тип ИТ-актива, департамент), атрибуты (срок эксплуатации, гарантия) и цель (оценка бюджета). Затем ИИ выполнит структурированный запрос к базе данных, проанализирует ответ, проведет расчеты и предоставит результат в той форме, которую запросил пользователь. Например, подготовит табличный отчет, сформирует дашборд, напишет краткое текстовое резюме.
Поиск, анализ, актуализация данных об ИТ-активах. В крупной компании сведения об используемой технике и ПО бывают фрагментированы, противоречивы, быстро устаревают. Специально обученный ИИ-помощник сможет сканировать и анализировать все источники: результаты инвентаризации, информацию из Active Directory, заявки в Service Desk, документы по закупкам.
Такой ИИ-ассистент будет помогать в поиске, понимая контекст. К примеру, по запросу «проблемные мониторы» сумеет найти активы, с которыми связано больше всего инцидентов.
Автоматическая актуализация сведений в ITAM-системе — еще одна задача, которую получится поручить искусственному интеллекту. Например, научить обновлять местонахождение ноутбука на основе сведений о последнем подключении к корпоративной сети Wi-Fi.
На основе обработки информации из множества источников ИИ научится выполнять самые разные задачи
В следующей статье разберем на примерах, как ускорить обработку документов при работе с активами с помощью LLM.
Готовы усилить контроль над ИТ-активами с помощью ИИ? Оставьте заявку, и мы покажем, что умеет Naumen ITAM.
