ชั้นของแอปพลิเคชันรุ่นเก่า (Legacy Application Layer) เป็นอุปสรรคแรกและอาจชัดเจนที่สุด องค์กรขนาดใหญ่ดำเนินงานอยู่บนระบบที่เชื่อมต่อกันอย่างลึกซึ้ง ซึ่งถูกสร้างขึ้นมาตลอดหลายทศวรรษ การแทนที่ระบบเหล่านั้นทั้งหมดมักมีค่าใช้จ่ายสูงเกินไป เสี่ยงเกินไป หรือเป็นสิ่งที่คิดไม่ถึงในแง่ปฏิบัติการ แทนที่จะบังคับให้รื้อทิ้งแล้วสร้างใหม่ (rip-and-replace) วิธีการของ IBM-ServiceNow ใช้เครื่องมือต่างๆ อย่าง IBM Bob, IBM Enterprise Application Runtimes และ watsonx.data เพื่อสแกน, ปรับปรุงโครงสร้าง (refactor) และนำแอปพลิเคชันที่เขียนด้วยภาษา Java รุ่นเก่าเหล่านั้นเข้าสู่ยุค AI ในขณะที่ระบบยังคงใช้งานอยู่ในการดำเนินงานจริง
ปัญหาข้อมูลที่พร้อมสำหรับ AI (AI-Ready Data Problem) เป็นอุปสรรคที่สอง ซึ่งอาจมองเห็นได้ไม่ชัดเจนนัก แม้ว่าจะมีโครงสร้างพื้นฐานที่ทันสมัย แต่ข้อมูลขององค์กรมักกระจัดกระจาย ไร้การควบคุม และเต็มไปด้วยปัญหาด้านคุณภาพที่ทำให้ไร้ประโยชน์สำหรับการเทรนหรือการประมวลผลของ AI ความร่วมมือนี้ได้ขยาย ServiceNow Workflow Data Fabric ด้วย IBM watsonx.data เพื่อมอบความสามารถในการจัดการ "คุณภาพข้อมูล" (Data Quality), "การตรวจสอบติดตาม" (Observability) และ "การจัดการข้อมูลหลัก" (Master Data Management) โดยทั้งหมดนี้จะถูกนำเสนอผ่านแค็ตตาล็อกข้อมูลของ ServiceNow เป้าหมายคือการรักษาข้อมูลองค์กรให้อยู่ในสถานะ "พร้อมใช้" สำหรับ AI อย่างต่อเนื่อง แทนที่จะต้องทำโปรเจกต์ล้างข้อมูลครั้งใหญ่ที่ยุ่งยากเพียงครั้งเดียว
การปรับปรุงแอปพลิเคชันให้ทันสมัย (Application Modernization) อาศัย IBM Bob ผู้ช่วยเขียนโค้ด AI ที่ถูกออกแบบมาเพื่อเข้าใจและปรับปรุงโค้ดเก่าเป็นหลัก ควบคู่ไปกับ IBM Enterprise Application Runtimes สำหรับแอปฯ ที่ใช้ Java ด้วยการทำงานภายในสภาพแวดล้อมที่มีอยู่ เครื่องมือเหล่านี้มีเป้าหมายเพื่อช่วยให้องค์กรสามารถค่อยๆ เปลี่ยนแปลงระบบไปทีละส่วน โดยไม่ต้องเริ่มต้นใหม่ทั้งหมด
การกำกับดูแลข้อมูลองค์กร (Enterprise Data Governance) ใช้ ServiceNow Workflow Data Fabric ที่ถูกขยายความสามารถ โดยมี IBM watsonx.data เป็นเลเยอร์เสริม สิ่งนี้ทำให้องค์กรมีวิธีที่สอดคล้องกันในการจัดการคุณภาพข้อมูล ตรวจสอบโฟลว์ข้อมูล และดูแลรักษาบันทึกข้อมูลหลัก ซึ่งทั้งหมดนี้เชื่อมโยงกลับไปที่แค็ตตาล็อกข้อมูลของ ServiceNow เพื่อให้เห็นภาพและควบคุมได้
การปฏิบัติการโครงสร้างพื้นฐานแบบอัตโนมัติ (Autonomous Infrastructure Operations) นำเอา Red Hat Ansible, Instana, IBM Bob และเครื่องมือโครงสร้างพื้นฐานของ HashiCorp มาใช้งานร่วมกันเพื่อตรวจจับและแก้ไขปัญหาก่อนที่จะส่งผลกระทบต่อธุรกิจ ด้วยการผสานรวมเข้ากับเวิร์กโฟลว์ด้าน IT ของ ServiceNow โดยตรง เป้าหมายคือการย้ายทีมปฏิบัติการจากการ "ดับไฟ" แบบตอบสนอง ไปสู่การ "ป้องกัน" และแก้ไขปัญหาแบบ proactive ที่ขับเคลื่อนด้วย AI
IBM และ ServiceNow ได้ระบุว่า โซลูชันที่พัฒนาร่วมกันนี้คาดว่าจะพร้อมให้บริการแก่ลูกค้าในช่วงครึ่งหลังของปี 2026 ในประกาศเริ่มแรกไม่ได้มีการเปิดเผยรายละเอียดเรื่องราคาหรือระดับแพ็กเกจที่แน่ชัด ซึ่งบ่งชี้ว่าการเปิดตัวน่าจะดำเนินไปเป็นระยะๆ ตามการผสานรวมเทคโนโลยีที่ลึกซึ้งยิ่งขึ้น
ความร่วมมือของสองยักษ์ใหญ่แห่งอุตสาหกรรมนี้หลายครั้งมักจางหายไปอย่างรวดเร็ว แต่สำหรับคู่ของ IBM และ ServiceNow นั้น ถูกหนุนหลังจากประวัติการทำงานร่วมกันมานานกว่าสิบปี ซึ่งเริ่มต้นมานานก่อนที่กระแส Generative AI (AI แบบรู้สร้าง) ในปัจจุบันจะดึงดูดความสนใจของภาคธุรกิจ
IBM ได้ทำหน้าที่เป็นผู้ให้บริการจัดการระบบ (managed service provider) ให้กับพอร์ตโฟลิโอทั้งหมดของ ServiceNow มาตั้งแต่ปี 2011 จากนั้นในปี 2017 ทั้งสองบริษัทได้ประกาศความร่วมมือเชิงกลยุทธ์ระดับโลกอย่างเป็นทางการ โดยมุ่งเน้นไปที่ระบบอัตโนมัติอัจฉริยะบนแพลตฟอร์มคลาวด์เดียวสำหรับเวิร์กโฟลว์ด้าน IT, HR, บริการลูกค้า และความปลอดภัย
ในปี 2020 พวกเขาได้ขยายข้อตกลงดังกล่าวเพื่อนำ AI ไปใช้กับการปฏิบัติการ IT โดยเฉพาะ โดยมีเป้าหมายเพื่อลดความเสี่ยงและต้นทุนผ่านระบบอัตโนมัติ
ภายในปี 2023 ServiceNow ได้สร้างพันธมิตรเชิงลึกกับ IBM ในฐานะพันธมิตรบริการเชิงกลยุทธ์หลักอย่างเป็นทางการ และทั้งสองบริษัทเริ่มต้นปี 2024 ด้วยการอัปเดตโปรแกรมพาร์ตเนอร์เพื่อสนับสนุนการส่งมอบการปรับเปลี่ยนสู่ AI จากนั้นในเดือนพฤษภาคม 2024 ที่งาน Knowledge conference ของ ServiceNow พวกเขาประกาศการรวม IBM watsonx.ai และโมเดลภาษาขนาดใหญ่ (LLM) ตระกูล Granite เข้ากับประสบการณ์การใช้งาน Now Assist GenAI ของ ServiceNow พร้อมด้วยการจัดตั้งศูนย์ความเป็นเลิศด้าน Generative AI แห่งใหม่
ในเดือนกรกฎาคม 2024 ได้เพิ่มมิติด้านการพัฒนาบุคลากรเมื่อ IBM Consulting เปิดตัวโซลูชันการยกระดับทักษะพนักงานที่ขับเคลื่อนด้วย AI ซึ่งสร้างบนแพลตฟอร์มของ ServiceNow โดยการรวมข้อมูลทักษะของ IBM เข้ากับความเชี่ยวชาญด้านการปรับเปลี่ยน HR
การประกาศในเดือนมิถุนายน 2026 จึงเป็นก้าวต่อไปที่สมเหตุสมผล แทนที่จะมุ่งเน้นไปที่ฟังก์ชัน AI อีกชั้นหนึ่ง มันกลับจัดการกับเงื่อนไขเบื้องต้นที่เป็นตัวกำหนดว่าโครงการ AI ขององค์กรจะประสบความสำเร็จได้หรือไม่ นั่นก็คือ ข้อมูลสามารถเชื่อถือได้หรือไม่ และระบบต่างๆ สามารถรันโมเดล AI ได้จริงหรือเปล่า
Comments
0 comments