GenAI는 사고 관리 프로세스의 미래를 만들어가고 있습니다.

응답자의 대다수(59.4%)가 명확한 사고 관리 프로세스를 갖추고 있고 자동화 수준이 요구 사항을 충족하고 있음(71.1%)에도 불구하고 기업은 여전히 ​​급증하는 사고에 대처하기 위해 고군분투하고 있으며 처리에 어려움을 겪고 있습니다. 이러한 이벤트는 빠르게 진행됩니다.

기업의 66.5%가 지난 12개월 동안 고객에게 영향을 미치는 사고 빈도가 증가했다고 보고했는데, 이는 2022년 설문조사보다 3.6% 증가한 수치입니다.

응답자의 63%에 따르면 이러한 다운타임을 유발하는 이벤트(예: 애플리케이션 중단, 서비스 품질 저하)로 인해 기업은 시간당 평균 최대 $499,999의 손실을 입을 위험이 있으며 이는 2022년보다 거의 5% 증가한 것입니다. 또한 응답자의 46.6%는 다운타임 비용이 미화 10만 달러에서 200만 달러에 달한다고 답했습니다.

회사에서는 현재 사고 관리가 비효율적이라고 생각합니다.

연구에서는 GenAI가 사고 관리의 기존 문제를 해결하는 수단으로 지적하며, 84.5%는 AI가 사고 관리 프로세스를 크게 간소화하고 전반적인 효율성을 향상시킬 수 있다고 믿고 있거나 자동화 기회에 대해 기대하고 있습니다. AI는 사고 관리의 특정 측면을 제공합니다.

“우리 연구에서 발견한 통찰력은 단순한 작업 반복을 넘어 환경의 단서와 맥락을 실시간으로 흡수하여 변화하는 조건에 동적으로 적응하는 적응형 LLM 기반 자동화의 중요한 필요성을 강조합니다.”라고 CEO인 Divanny Lamas는 말했습니다. 트랜스포셋의.

현대 운영팀의 요구 사항은 기존의 규칙 기반 자동화 도구를 능가합니다. 많은 기업이 잘 확립된 사고 관리 프로세스를 갖추고 있지만 사고 건수가 계속 증가하고 고객과 재정에 미치는 영향이 더욱 커짐에 따라 혁신적인 접근 방식이 필요합니다. 따라서 GenAI와 같은 혁신적인 솔루션을 채택하는 것이 앞으로 나아갈 길입니다. 자동화로 강화되고 인간의 판단에 따라 진행되는 이 접근 방식은 사고 처리 속도를 높일 뿐만 아니라 잠재적인 문제가 확대되기 전에 사전에 식별하고 선제 조치를 취합니다.

사고 관리 분야에서 신뢰성 엔지니어링 팀은 큰 과제에 직면해 있습니다. 신뢰성 엔지니어링 리더의 73.9%는 사고 처리 시 취약한 자동화 스크립트(59.7%), 번거로운 수동 프로세스(47.8%), 전문 지식 접근의 어려움(47.2%) 등 다양한 장애물에 직면했습니다.

또한 42.5%의 기업이 다음과 같이 말했습니다. 현재 사고 관리 프로세스는 혼란스러운 문서화(41.3%), 제한된 도구 가용성(40.4%), 기관 지식에 대한 의존(39.7%)으로 인해 비효율적이거나 일부 팀 구성원에게만 제공됩니다.

지난 1년 동안 61.5%의 기업이 사고 처리에 필요한 시간이 늘어났다고 답했습니다. 또한 기업의 79.8%는 첫 번째 경고부터 해결까지 평균 최대 6시간이 걸린다고 답했습니다. 사고 해결 시간이 늘어나는 것 외에도 적절한 팀 구성원을 구성하면 복잡성이 더욱 가중됩니다. 응답자의 71.3%는 이 프로세스가 최대 30분까지 걸릴 수 있다고 답했습니다.

또한 상당수의 팀원은 회사에서 정의한 절차를 이해하고 일상적으로 적용하는 것이 어렵다고 말했습니다. 37.4%의 기업은 선택된 팀원만이 정의된 사고 관리 프로세스를 완전히 이해하고 지속적으로 준수한다고 보고했습니다.

자동화 장벽으로 인해 사건 복잡성이 증가합니다.

기업은 사건 처리의 비효율성을 해결하고 자동화 구현에 대한 장벽을 극복해야 합니다. 응답자의 33.3%는 사고 관리 업무 또는 워크플로의 11%~25%만이 자동화되었다고 답했으며, 이는 기업이 사고 관리 프로세스에 더 많은 자동화를 구현할 수 있는 기회를 나타냅니다.

심층적인 조사 결과 응답자 방문자들은 다음 사항에 강한 관심을 보였습니다. 자동화 이벤트 라이프사이클의 주요 측면. 그 중, 응답자의 50.0%는 이벤트 설정에 대해 우려하고, 응답자의 44.2%는 통신 프로토콜에 대해 우려하고, 응답자의 30%는 조사 과정에 대해 우려하고, 응답자의 29%는 교정 조치에 대해 우려합니다.

자동화 구현에 대한 관심에도 불구하고 응답자들은 자동화에 대한 네 가지 주요 장벽을 언급했습니다.

• 리더십이나 경영진의 지원이 충분하지 않습니다(57.1%).
• 지식 공유가 부족합니다(54.3%).
• 제도적 지식 및 기존 절차에 대한 문서가 충분하지 않습니다(54%).
• 무엇을 자동화해야 할지 잘 모르겠습니다(52.4%).

회사는 SaaS 도구를 사용하면 더 빠르게 자동화할 수 있습니다. 설문조사에 따르면 응답자의 74.6%가 SaaS 도구를 사용하고 있으며, 응답자의 82.0%는 코드를 작성하지 않고도 작업을 자동화할 수 있다고 확인했습니다. 또한 응답자의 84.3%는 단 11분에서 1시간밖에 걸리지 않는다고 답하여 사고 관리에 있어 SaaS 솔루션의 효율성을 입증했습니다.

기업에서는 AI 기반 애플리케이션 및 자동화 도구를 사용하여 기술 스택을 향상합니다

향후 12개월 동안 72.1% 의 팀이 기술 스택을 확장할 것으로 기대합니다. 사고 관리 프로세스를 강화하고 MTTR(평균 해결/수리 시간)을 단축하기 위해 기업은 다음과 같은 새로운 도구를 구현할 계획입니다.

• AI 또는 ML 기반 도구 또는 애플리케이션(60.0%).
• 자동화 도구 또는 애플리케이션(53.1%).
• 커뮤니케이션/협업 도구 또는 애플리케이션(48.1%).

SRE와 플랫폼 엔지니어링은 AI와 자동화를 구현하는 데 중요한 역할을 합니다. 지난 1년 동안 응답자의 61.5%가 SRE 실무에 더 집중하고 더 많은 현장 신뢰성 엔지니어를 고용할 계획을 세웠으며, 57.5%는 플랫폼 엔지니어링 노력을 강화하고 더 많은 플랫폼 엔지니어를 도입할 계획을 세웠습니다. 이러한 전략적 움직임은 사고 관리 역량을 강화하려는 회사의 의지를 강조합니다.

설문조사 결과는 사고 대응 라이프사이클의 명확한 방향을 제시하며, 회사에서 사용하는 모든 사고 관리 도구를 원활하게 통합하고 인간 데이터 통찰력을 활용하며 GenAI를 활용하여 운영을 개선할 수 있는 SaaS 도구 또는 플랫폼의 필요성을 강조합니다. 효율성과 의사결정.

AI 재구성 업무 경험

응답자의 90.4%는 인간 데이터(예: 보관된 슬랙 커뮤니케이션, 회고적 인터뷰, 그룹 피드백 등)에서 체계적으로 통찰력을 추출하면 향후 사고 대응과 운영을 개선할 수 있다고 믿습니다. 그러나 품질은 다음과 같습니다. 90.2%는 자동화를 통해 인간이 주요 결정 지점에서 판단을 사용하여 더욱 안정적이고 효과적으로 만들 수 있어야 한다고 생각하며 이는 2022년 연구보다 거의 10% 증가한 수치입니다.

89.8%는 GenAI 기능을 사고 관리 도구 또는 플랫폼에 통합하면 새로운 자동화를 생성하는 데 필요한 시간을 줄이고 다른 고부가가치 작업에 시간을 확보할 수 있다는 것을 발견했습니다. 96.3%는 사고 발생 시 회사에서 사용하는 모든 도구가 하나의 도구나 플랫폼을 통해 통합되면 유익할 것이라고 생각합니다.

기술 스택에 AI를 채택하는 기업의 79.5%는 그 영향이 상당합니다. 51%의 사람들은 인공지능이 직업을 더 좋게 만들어 인간의 노동 생활도 개선한다고 믿고 있습니다. 63.5%는 AI를 사용하여 데이터의 정확성과 품질을 향상시켰으며, 응답자의 50.7%는 사고를 더 빠르게 해결한다고 답했습니다. 49.4%는 AI를 사용하여 문제의 근본 원인, 잠재적인 위협 및 취약점을 더 빠르고 쉽게 식별하고, 48%는 AI를 사용하여 반복적인 작업이나 프로세스를 자동화하여 운영을 효과적으로 간소화합니다.

Lamas 요약 Dow: “현대 운영의 진화하는 요구 사항을 고려할 때 이러한 팀에 필요한 것은 LLM을 기반으로 한 적응형 자동화 및 사고 관리 솔루션이라는 것이 분명합니다. 이 통합되고 지능적인 접근 방식은 프로세스를 간소화할 뿐만 아니라 팀이 자동화를 활용할 수 있도록 하며 인공 지능을 사용하여 회사의 사고 관리를 향상시킵니다. 보다 효율적인 자동화된 워크플로우를 더욱 개발합니다. 팀은 복잡한 문제에 효율적이고 효과적인 솔루션을 제공하는 데 집중할 수 있도록 하여 원활한 사고 해결과 MTTR 감소를 위해 점점 더 중요해지고 있습니다.

위 내용은 GenAI는 사고 관리 프로세스의 미래를 만들어가고 있습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!