Met de lancering van Yokohama kiest ServiceNow ervoor om vrijwel het volledig platform te voorzien van AI-functionaliteiten. Het Now-platform wordt meer en meer een AI-platform, alles om de gebruiker en IT-administrator werk uit handen te nemen. ServiceNow wil met het Now-platform de AI control tower (zeg maar de luchtverkeersleiding) van AI agents worden.
Bestaande klanten van ServiceNow zullen de manier waarop ze gewend zijn te werken met ServiceNow moeten gaan aanpassen. De toevoeging van AI kan veel zaken op het Now-platform versnellen, al vereist het wel een andere benadering en in sommige gevallen een ander licentiemodel. ServiceNow werkt met drie tiers en enkel in de hoogste tier krijg je alle AI-functionaliteiten.
De toevoeging van AI aan het Now-platform zorgt ervoor dat zaken die je voorheen met de hand moest doen, nu geautomatiseerd kan doen. Of het nu gaat om het bouwen van applicaties, RPA-bots, workflows of AI-agents, alles is AI-driven.
AI-agents (gedeeltelijk) autonoom
Daarnaast zorgt de brede introductie van (autonome) AI-agents in Yokohama ervoor dat me de juiste AI-agent veel werk uit handen kan worden genomen. Op het gebied van IT-operations bijvoorbeeld, ServiceNow geeft in een demo een voorbeeld van een AI-agent voor netwerk diagnostics.
IT AI-agent
IT-beheerders zijn nu gewend dat ze support tickets krijgen van medewerkers die problemen met het netwerk ervaren, of dat bepaalde applicaties niet of nauwelijks bereikbaar zijn. Vervolgens moet de IT-beheerder op zoek naar de oorzaak en de oplossing. Door hier een AI-agent voor in te richten is dat niet meer nodig. Die AI-agent kan alle logs en eventueel ook support tickets die binnenkomen in de gaten houden. Stel dat er de dag ervoor een configuratiewijziging is gemaakt en het netwerk daardoor niet meer goed functioneert, dan zal de AI-agent dat detecteren en een ticket aanmaken voor de IT-beheerder met de vraag of hij die wijziging mag terugdraaien.
De IT-beheerder krijgt daarmee overzichtelijk in beeld gebracht, wat het probleem is, wat de AI-agent denkt dat de oorzaak is en de vraag of de AI-agent een actie mag uitvoeren om het probleem op te lossen. De IT-beheerder kan vervolgens met één druk op de knop zijn toestemming verlenen om de wijziging uit te voeren.
Voor eenvoudige support tickets waarvan de IT-beheerder het vertrouwen heeft dat de AI-agent dit zelfstandig kan oplossen, kan hij de AI-agent volledig autonoom maken zonder controlestap. Dat kan bijvoorbeeld als de impact lager is of als het om hele duidelijke cases gaat. Bijvoorbeeld een password reset, de installatie van een applicatie en dergelijke.
Impact van Now-platform vergroten
Deze stap in de richting van veel meer AI zorgt ervoor dat de impact van het Now-platform fors vergroot wordt. Organisaties kunnen nu veel sneller bedrijfsprocessen automatiseren en daarmee de productiviteit verhogen. ServiceNow hoopt hiermee organisaties aan zich te binden die al hun AI-agents op het Now-platform laten landen zodat ze die rol als AI Agent control tower kunnen waarmaken.
Workflows bouwen met AI
Veel zaken die organisaties voorheen met workflows deden op het Now-platform kunnen nu door AI agents worden gedaan. Volgens ServiceNow zijn de acties van de AI-agents voorspelbaar genoeg om hierop te vertrouwen. Mocht je als organisatie toch 100 procent garantie willen dan kan je ook AI gebruiken om een workflow te bouwen. Je kan met een normale tekstuele omschrijving aangeven wat voor soort workflow je wilt bouwen, welke stappen deze moet doorlopen, welke systemen het moet raadplegen en de AI zal de workflow voor je genereren. Uiteraard kan je de workflow vervolgens nog aanpassen in de no-code editor.
Applicaties, RPA-bots en AI-agents bouwen met AI
Voor het bouwen van applicaties, RPA-bots en AI-agents geldt exact hetzelfde. Alles is AI-driven en alles kan middels een normale tekstuele beschrijving aan een AI worden gevoerd die vervolgens je applicatie, RPA-bot of AI-agent gaat bouwen. Het aanpassen gebeurt vervolgens via no-code, low-code of door aanvullende commando’s te geven aan een AI, die vervolgens aanpassingen maakt aan het onderdeel dat er zojuist gebouwd is.
AI Agent Studio en ServiceNow Studio
Voor AI Agents is de AI Agent studio ontwikkeld. Een studio waarin elke ServiceNow-gebruiker zijn eigen AI-agent kan bouwen. Het bouwen van AI-agents is zeer laagdrempelig, zeker als ServiceNow al bepaalde agents aanbiedt met soortgelijke expertise.
Voor het genereren van applicaties met AI is er de ServiceNow Studio. Die is in de basis ook laagdrempelig, maar wel iets minder in onze optiek. We zien in de demo’s van ServiceNow dat er nog wel wat technische kennis vereist is. Bij het genereren van een applicatie geeft de gebruiker bijvoorbeeld aan op welke database tabellen dit invloed heeft. Daarmee lijkt het bouwen van applicaties meer iets voor een Now-administrator dan voor een dagelijkse gebruiker. Wel laat deze demo zien dat het bouwen van applicaties redelijk uitgebreid is. De AI-agent vraagt bijvoorbeeld of er bepaalde functionaliteiten in de applicatie moeten worden toegevoegd. De AI-agent denkt dus alvast na hoe een dergelijke applicatie gebruikt gaat worden en wat voor functies daarbij handig kunnen zijn.
Honderden AI-agents met allerlei specialisaties
ServiceNow heeft zelf allerlei AI-agents ontworpen die beschikken over specialisaties zodat het werkzaamheden eenvoudiger uit handen kan nemen. Zo is er een Security Operations AI Agent. Die is in staat om de cybersecurity van een organisatie te monitoren en de volledige incident lifecycle te managen. Of wat te denken van een Autonomous change management AI agent of een Proactive network test & repair AI agent. Zo zijn er nog veel meer AI agents IT-operations, maar ook voor CRM en HR processen.
Orchestration agent in AI control tower maakt het verschil
Veel organisaties denken dat ze snel resultaat kunnen halen met AI als ze de juiste data via RAG aan de juiste LLM knopen. Helaas is dat niet het geval. Dat werkt enkel voor eenvoudige use cases. Zodra je gaat werken met grotere hoeveelheden data of meer complexe data, dan wordt de kans dat de AI de plank misslaat enorm groot. Hetzelfde geldt wanneer je met gevoelige data gaat werken, waarbij governance en compliance een rol gaan spelen.
Grote platformen zoals ServiceNow, maar ook Salesforce bijvoorbeeld, hebben daarom een extra laag gebouwd tussen de AI-agents en de LLM’s die het werk moeten doen. Deze extra laag bestaat uit verschillende onderdelen. Bij SericeNow is dit een orchestration engine, die kan vergeleken worden met de reasoning engine van Salesforce, en een AI governance en security engine.
De orchestration engine analyseert de opdracht en koppelt deze vervolgens aan de juiste beschikbare AI-agent. Daarnaast kijkt de orchestration engine ook naar welke data een LLM vervolgens teruggeeft om te zien of dat voldoet aan de gestelde eisen van de opdracht. Het is hiertoe in staat omdat het beschikt over alle integraties, data, processen en incidenten die ooit op het ServiceNow platform hebben plaatsgevonden. Als er iets niet klopt of naar wens is van de orchestration engine, zal deze de opdracht opnieuw verstrekken aan de LLM om correcties door te voeren. Ook als een proces ergens vastloopt kan de orchestration engine ingrijpen.
Als alles naar wens is komt ook de AI governance en security engine in beeld. Die controleert of aan alle eisen is voldaan op het gebied van security en data privacy. Deze orchestration engine speelt dus een grote rol in hoe de AI-agents op het Now-platform werken en functioneren. Eigenlijk is dat het hart van de hele AI-strategie van ServiceNow.
Knowledge graph
Voor de release van Yokohama is de Knowledge Graph van ServiceNow opnieuw flink uitgebreid. Wel begrijpen we op basis van gesprekken die we hadden met mensen van ServiceNow dat deze nog volop in ontwikkeling is. ServiceNow heeft zijn hele data-architectuur het laatste jaar onder handen genomen. Om te beginnen is de architectuur omgezet van MariaDB naar RaptorDB. Die laatste is een PostgreSQL gebaseerde database die beschikt over optimalisaties voor het ServiceNow-platform.
Daarboven bouwt ServiceNow nu ook een knowledge graph met data en metadata om alle AI-modellen en agents te voorzien van nog betere datasets, zodat de context van de data ook duidelijker is.
ServiceNow-klanten moeten upgraden naar RaptorDB
Als klanten op dit moment nog geen gebruik maken van RaptorDB dan zullen ze eerst moeten upgraden voordat ze gebruik kunnen maken van alle AI-mogelijkheden die het Now-platform nu te bieden heeft. Voor veel klanten is dit geen probleem, die kunnen vrij eenvoudig upgraden. Enkel klanten die al langer dan vijf jaar gebruik maken van het Now-platform en in de broncode of de core van het platform aanpassingen hebben gedaan staan voor een grote uitdaging. Zij moeten naar het fit-to-standard principe voordat ze kunnen upgraden. Dat betekent wat meer werk, maar dat is een industrie standaard tegenwoordig. Het geeft ook meteen de garantie dat je vanaf dat moment altijd snel kan updaten naar de meest recente stack en featureset.
Data Fabric
Voor wat betreft het gebruik van data stopt het niet bij RaptorDB en de Knowledge Graph. ServiceNow heeft ook een hele lading connectors met zero-copy ondersteuning. Hiermee kan je data direct koppelen aan het Now-platform. Deze data kan zich bevinden in onder andere Snowflake, Databricks of diverse cloud databases en S3 buckets.
ServiceNow kiest voor enterprise AI stack
Al met al heeft ServiceNow een aardige AI stack neergezet, waarmee het grote organisaties direct kan helpen om AI toe te passen op veel werkgebieden. Van HR tot aan IT operations. De komende maanden zal duidelijk moeten worden wat de adoptie gaat zijn, hoe eenvoudig klanten deze AI-agents kunnen toepassen op eigen datasets en wat dan de resultaten zijn. Hier horen we ongetwijfeld meer over tijdens Knowledge 2025, waar Techzine in mei verslag van zal doen.
Lees ook: ServiceNow wordt steeds relevanter, ook in Nederland