Todas as mudanças são, de certa forma, arriscadas. Isso inclui alterações incrementais em produtos e serviços digitais dos quais milhões (às vezes bilhões) de clientes podem depender. Uma gestão de mudanças diligente significa quantificar os riscos e buscar soluções que os evitem, sem comprometer a velocidade de implementação das mudanças por mais tempo do que o necessário.

Em determinado momento, esperava-se que todas as alterações fossem minuciosamente analisadas antes da implementação, reduzindo assim o risco de interrupções de serviço, incidentes ou outros problemas. No entanto, grande parte desse protocolo teve um efeito inibidor na velocidade de implementação, sem necessariamente melhorar a qualidade das versões lançadas.

Agora, temos as informações baseadas em dados e a tecnologia necessárias para evitar a necessidade de revisar manualmente cada alteração no processo. Usando modelagem de IA/ML em combinação com um painel de análise e automação de processos, DevOps As equipes podem migrar da “gestão de mudanças” para o ideal de “habilitação de mudanças“Onde as equipes de mudança e os engenheiros de desenvolvimento recebem as condições necessárias para implementar mudanças em um ritmo regular.”

Digital.ai A Previsão de Risco de Mudança funciona em conjunto com Digital.ai Release Para que essa ambição se concretize, modelos de dados e análises com suporte de IA possibilitam. DevOps Os líderes podem revelar quais categorias e equipes de mudança têm uma alta taxa de sucesso. Eles podem então usar essas informações para automatizar as aprovações desses tipos de mudança, evitando grande parte dos processos de revisão complexos que, de outra forma, atrasariam a implementação.

Em essência, esse é o ideal da facilitação da mudança: criar uma situação em que as mudanças fluam livremente e as equipes entreguem mais valor aos clientes com maior frequência.

Dados ricos e contextualizados impulsionam a viabilização da mudança.

O principal problema que impede a implementação de mudanças e atrasa as equipes de mudança é o fator desconhecido. As equipes podem não ter ideia de quais mudanças falharão. Mais preocupante ainda, elas não têm ideia de como proceder. porque Certas alterações falham. Nessa situação, a maneira mais comum de gerenciar um risco desconhecido é implementar um mecanismo de controle, geralmente na forma de um processo de revisão manual.

O ITIL foi uma das primeiras estruturas de TI a sugerir um processo formalizado de revisão de mudanças. começando já em 1989Agora, com o lançamento das diretrizes ITIL v4 em 2019, o manual de melhores práticas de TI sugere que as equipes mudem de uma perspectiva excessivamente diligente de "gestão de mudanças" para uma de "facilitação de mudanças".

Vamos analisar mais a fundo como essa mudança semântica revela uma mudança de atitude maior. "Gerenciamento" implica que cada mudança deve ser tratada por meio de um processo específico. Na realidade, muitas mudanças podem ser implementadas com revisões mínimas e níveis mínimos de risco. Esperar que cada mudança seja "gerenciada" individualmente por funcionários implica um nível de controle que não é necessário, nem realmente possível. Impor revisões manuais de mudanças não só atrasa cada lançamento, como também exige que os revisores apliquem o mesmo nível de diligência e planejamento a cada mudança. O que acaba acontecendo na prática é que, embora muitas aprovações de mudanças sejam concedidas corretamente, algumas inevitavelmente levam a defeitos não detectados.

Em vez de tentar gerenciar cada mudança manualmente, o que se precisa é de um método para determinar quais tipos e fatores de mudança tendem a gerar riscos. Esses fatores de risco podem ser identificados e compreendidos por meio de análise de dados em combinação com modelagem de IA/ML. Ao usar processos automatizados para filtrar os dados relevantes, as equipes de mudança podem não apenas ampliar o escopo das revisões de mudança, mas também aprender em quais fatores de risco se concentrar — e quais mudanças de risco mínimo devem ser ignoradas no processo completo de revisão. Essa diferença representa uma verdadeira mudança em direção à fluidez das mudanças, priorizando os tipos de mudança e as equipes que mais precisam delas.

De acordo com o relatório Declarações do especialista em ITIL Jon Stevens e do consultor de ITSM Joseph Mathenge.“O objetivo da prática de habilitação de mudanças é maximizar o número de mudanças de TI bem-sucedidas, garantindo que os riscos sejam devidamente avaliados.”

A ideia, portanto, é permitir a aceleração das mudanças, concentrando-se exclusivamente nas alterações que apresentam alto nível de risco, enquanto as alterações de baixo ou nenhum risco recebem aprovações automatizadas. Uma maneira de fazer isso é... Quantificar os riscos de cada mudança Por meio do uso de modelagem de aprendizado de máquina/inteligência artificial. Utilizando dados históricos e um modelo de dados que associa interrupções/incidentes passados ​​a fatores de risco específicos, os líderes de TI podem visualizar rapidamente em um painel quais mudanças têm maior probabilidade de falhar e por quê.

Digital.ai Previsão de Risco de Mudança Chega ao ponto de atribuir pontuações de probabilidade de risco/falha para todas as mudanças planejadas. Essas informações contextuais permitem que as equipes de mudança ajam em relação aos riscos emergentes e também desviem o foco de mudanças de baixo risco que não precisam de sua atenção.

Uma vez estabelecido esse sistema aprimorado de viabilização de mudanças, DevOps Os líderes podem acelerar ainda mais a velocidade da mudança criando uma "via expressa" para equipes de mudança que atendam ou superem continuamente os padrões de qualidade. A análise orientada por IA pode usar KPIs de referência, combinando fatores como defeitos não detectados, para avaliar o risco relativo de cada equipe de mudança, permitindo um sistema de aprovação acelerada para equipes que demonstram continuamente sua eficácia.

Prepare o terreno para suas equipes de mudança de alto desempenho.

Digital.ai A Previsão de Risco de Mudança é capaz de considerar o desempenho de equipes de mudança individuais como um fator de risco geral para falhas na mudança.

As equipes podem ser atribuídas a um “alteração da pontuação de crédito de riscocom base no desempenho em métricas específicas. Exemplos de fatores que compõem a pontuação podem incluir:

• % de alterações malsucedidas
• Alertas de CI nos últimos 7 dias
• Defeitos de pré-produção detectados por automação de testes
• Dependências entre equipes

Equipes com uma pontuação de crédito geral de baixo risco podem receber aprovações automatizadas, desde que continuem a atender a determinados resultados de desempenho. A automação na gestão de riscos pode permitir a criação ou remoção de barreiras com base em limites, como testes de fumaça obrigatórios ou a aprovação em verificações de conformidade automatizadas.

Essencialmente, os líderes de mudança estão conduzindo processos automaticamente com base em previsões de risco e desempenho passado. A automação de mudanças por meio de aprovações instantâneas ou controle de baixo nível, em resumo, cria um caminho rápido para equipes capazes de entregar consistentemente mudanças estáveis ​​que não causam incidentes ou interrupções. Esse nível de automação também cria processos mais rápidos e menos rigorosos em torno das atividades de habilitação de mudanças.

A gestão de mudanças deve se concentrar em definir expectativas e medir a capacidade das equipes de mudança de atender ou superar essas expectativas. diz Greg Sanker, autor de Gestão de Mudanças de TI: Um Guia Prático.

“Desde que o resultado esperado da mudança seja alcançado, a gestão de mudanças não pode agregar valor ao fluxo de valor por meio da inspeção de mudanças individuais. Trata-se de uma expectativa de resultado que está literalmente incorporada ao próprio fluxo de valor.”

A implementação acelerada de certas mudanças não só economiza tempo, como também evita os custos de convocar um conselho consultivo de mudanças (CAB). Além disso, a modelagem e a compreensão dos riscos de mudança controlam os custos de incidentes e interrupções, que a Gartner estima em US$ 6,000 por minuto para grandes empresas e seus clientes — mais de US$ 10 milhões por dia para grandes interrupções de serviço.

Tudo isso faz parte de uma estratégia para tornar os processos de implementação de mudanças mais orientados por dados, impulsionando-os em direção a resultados específicos e maior retorno sobre o investimento (ROI).

Há também o aspecto de gamificação que vem com a pontuação das equipes e a recompensa por um desempenho positivo consistente. Nas palavras de Digital.ai O consultor de soluções Neal DeBuhr afirmou: "As equipes naturalmente desejarão melhorar a pontuação de crédito quando identificarem esses fatores e tiverem as informações necessárias para fazê-lo de forma eficaz e precisa."

Os dados revelados pelos modelos de IA/ML possibilitam uma compreensão profunda, abrangente e holística, ajudando as equipes de implementação de mudanças a trabalharem com mais eficiência e eficácia graças às informações fornecidas. DevOps As equipes podem usar essas informações para conduzir processos de forma eficiente, acelerando o andamento das tarefas e reduzindo a probabilidade de falhas. Graças aos recursos liberados, as equipes podem se concentrar no lançamento de inovações líderes de mercado, com maior eficiência e menor custo operacional, resultando em um risco geral menor de falhas inesperadas em mudanças.

Este é o poder e o potencial que a automação na gestão de riscos traz, tudo ao seu alcance.

Saiba mais sobre como aproveitar o poder da análise de dados em nosso vídeo da série de encontros do último verão: "Obtenha visibilidade completa e insights acionáveis ​​de que você precisa para tomar decisões baseadas em dados com Digital.ai Intelligence soluções"