De sleutel tot elke succesvolle transformatie bestaat uit een duidelijke en goed gedefinieerde set standard operating procedures (SOP’s). Tegelijkertijd hebben IT-operations vaak te maken met “stamkennis”, oftewel kennis die niet goed gedocumenteerd is en mondeling wordt overgedragen of bestaat uit onuitgesproken gewoonten. Dit kan een belemmering vormen voor snelle IT-implementatie – misschien wel de grootste. Ervaring leert dat ongeveer 50 procent van de IT-supportactiviteiten alleen wordt gedocumenteerd door stamkennis.

Wanneer cruciale kennis de deur uit gaat

Bijna iedereen heeft weleens meegemaakt dat ‘good old’ Klaas’ met pensioen ging of van baan veranderende. En dan merk je het probleem van kennis die alleen in hoofden zit. Op dat moment komt het besef dat hij de enige was die wist hoe een database gestructureerd moest worden in de verouderde applicatie die je nog steeds gebruikt.

Stamkennis is nog problematischer bij AIOps-transformaties. AI is een snelgroeiende technologie, die IT-operations sneller moet ondersteunen, maar ook menselijke besluitvorming nabootst. AI heeft echter context nodig om te kunnen werken – dat wil zeggen, een model. En dat model moet gebaseerd zijn op goed opgestelde SOP’s. Stamkennis, die per definitie gefragmenteerd, contextafhankelijk en niet grondig gedocumenteerd is, biedt niet de nodige ondersteuning om een AI-model te bouwen dat robuust genoeg is om IT-activiteiten uit te voeren.

Kennis uit het hoofd en op papier krijgen: een essentiële taak

Bovendien is de ‘stam’ die kennis vasthoudt niet geneigd deze te delen. Zoals het oude gezegde luidt, kennis is macht… en mensen werken niet graag samen als ze macht moeten delen. Dit betekent dat het echte dilemma van AI-transformaties is hoe kennis te delen buiten de stam. Het is van belang dat de stamkennis wordt vastgelegd in de juiste documentatie – een saaie en ondankbare, maar essentiële taak.

Daarbij moet de kwaliteit van de SOP’s voorop staan. Oplossingen voor Intelligente Automatisering (IA) zijn eigenlijk niet zo intelligent als het gaat om het begrijpen hoe een taak moet worden uitgevoerd. Daarom zijn er gedetailleerde specificaties nodig en moet het ‘hoe’ gecodeerd worden, zodat de SOP’s te begrijpen zijn voor machines.

Dit is gemakkelijker gezegd dan gedaan. SOP’s zijn het ‘vuile geheim’ van elke IT-operatie: ze zijn meestal verouderd, onvolledig en slecht geschreven. Er is geen glorie in het efficiënt en effectief beheren van IT SOP’s. Maar vandaag de dag is het de enige weg naar succes in elke IA-transformatie. Digitate studies tonen aan dat meer dan 60 procent van de inspanning om een use case op te leveren wordt verspild aan het beheren van inefficiënte en effectieve SOP’s.

Drie stappen om transformatie te versnellen

Onze ervaring leert dat deze drie stappen helpen om het SOP-vraagstuk aan te pakken:

1. Beschik over een effectieve en efficiënte template om SOP’s te vertalen van mensentaal naar machinetaal.

2. Maak een goede SOP-inventarisatie. Niet alle SOP’s zullen worden vertaald in use cases; een paar (ongeveer 30%) zullen worden geschrapt. Dit zijn de belangrijkste redenen waarom SOP’s niet langer relevant kunnen zijn:

• • Currency (IT-productieomgeving verandert, waardoor deze SOP’s hun geldigheid verliezen);
  • Security-zorgen;
  • Niet genoeg ROI op de use cases (de kosten van implementatie zijn hoger dan het behaalde voordeel);

3. Stel een kwaliteitscontrole op voor elke SOP.

Van deze stappen is de eerste fundamenteel: Het bepaalt zowel hoe je een SOP-inventaris maakt als hoe je een goede kwaliteitscontrole uitvoert.

Terug naar de basis: goede vereisten zorgen voor goede oplossingen

Een automation requirement document (ARD)-template die wij binnen Digitate gebruiken, is een goed gestructureerd document dat bestaat uit twee hoofdsecties:

• Thesis-definitie: wat moet er geautomatiseerd worden?
• Body: alle noodzakelijke details om een SOP te vertalen – wat, hoe, wie en waar (‘wanneer’ maakt geen deel uit van een ARD. Dit type document is geen projectplan en bevat daarom geen data).

De ARD begint met de probleemstelling. Het is een goede gewoonte om te definiëren wat elke use case moet oplossen (wat wordt er gedaan om het werk te doen) en welke waarde het creëert. Zo’n aanpak is een belangrijk hulpmiddel om later de ROI te bepalen voor het creëren van een autonome onderneming.

De ARD body bevat alle belangrijke details om een SOP te coderen. Deze details omvatten input en output, randvoorwaarden (bijvoorbeeld systeemtoegang), architectuur (beschrijving van de IT-omgeving waar use cases moeten werken), niet-functionele eisen (zoals de verwachting dat de use case in vijftien seconden voltooid moet zijn), en een beschrijving van het team dat betrokken is bij de specifieke SOP.

Een effectieve ARD maakt het proces korter zorgt voor minder miscommunicatie en frustraties. Uit onze analyse blijkt zelfs dat 60 procent van de inspanning om IA use cases op te leveren te wijten is aan het definiëren en verduidelijken van vereisten en het oplossen van randvoorwaarden. Efficiënt en effectief beheer van ARD’s vermindert deze inspanning met minstens de helft.

Bovenstaande sjabloon biedt het raamwerk voor een goede ARD. Het stimuleert gebruikers om de noodzakelijke details te verstrekken om volledig te begrijpen hoe een SOP werkt en schept de voorwaarden die nodig zijn voor elk IA-proces.