En 2018, consolidamos nuestra posición: los servicios de gestión de IT (ITSM) y los servicios de soporte técnico siguen operando a pesar de las conversaciones continuas sobre cuánto tiempo más podrán resistir en esta era de revolución digital. De hecho, la demanda de servicios de soporte está en aumento: el Informe de Soporte Técnico y el Informe de Salarios (Help Desk Institute) para 2017 indica que el 55% de los servicios de soporte técnico reportaron un aumento en el volumen de solicitudes en el último año.
Por otro lado, muchas empresas notaron una disminución en el volumen de solicitudes al soporte técnico el año pasado (15%) en comparación con 2016 (10%). Un factor clave que contribuyó a la reducción en la cantidad de solicitudes fue el soporte técnico autoservicio. Sin embargo, HDI también informa que el año pasado el costo por solicitud aumentó a 25 dólares en comparación con 18 dólares en 2016. Esto no es lo que la mayoría de los servicios de IT aspiran. Afortunadamente, la automatización, basada en análisis y aprendizaje automático, puede mejorar los procesos y el rendimiento del soporte al reducir la cantidad de errores y aumentar la calidad y velocidad. A veces, esto sobrepasa las capacidades humanas, y el aprendizaje automático y el análisis son la base clave para un servicio de soporte IT inteligente, acogedor y eficiente.
Este artículo examina más detalladamente cómo el aprendizaje automático puede resolver muchos de los problemas que enfrenta el soporte técnico y ITSM relacionados con los volúmenes y costos de las solicitudes, y cómo crear un servicio de soporte más rápido y automatizado que los empleados disfruten usar.
ITSM efectivo a través de aprendizaje automático y análisis
Mi definición favorita de aprendizaje automático la proporciona la empresa :
El "aprendizaje automático enseña a las computadoras a hacer lo que es natural para los humanos y los animales: aprender de su propia experiencia. Los algoritmos de aprendizaje automático utilizan métodos computacionales para extraer información directamente de los datos, sin depender de una ecuación predefinida como modelo. Los algoritmos mejoran adaptativamente su propia eficiencia a medida que aumenta el número de muestras disponibles para el aprendizaje."
Las siguientes capacidades están disponibles para algunas herramientas de ITSM basadas en tecnologías de aprendizaje automático y análisis de grandes datos:
- Soporte a través de un bot. Los agentes virtuales y chatbots pueden ofrecer automáticamente noticias, artículos, servicios y ofertas de soporte desde catálogos de datos y consultas públicas. Este soporte disponible 24/7 en forma de programas de capacitación propuestos para usuarios finales ayuda a resolver problemas mucho más rápido. Las ventajas clave del bot son una mejor interfaz de usuario y un menor número de consultas entrantes.
- Noticias y notificaciones inteligentes. Estas herramientas permiten notificar con anticipación a los usuarios sobre problemas potenciales. Además, los especialistas de TI pueden recomendar soluciones alternativas a los problemas mediante notificaciones personalizadas que proporcionan a los usuarios finales información relevante y útil sobre los problemas que podrían enfrentar, así como consejos sobre cómo evitarlos. Los usuarios informados valorarán el apoyo activo de TI, y el número de consultas entrantes disminuirá.
- Búsqueda inteligente. Cuando los usuarios finales buscan información o servicios, un sistema de gestión del conocimiento contextual puede proporcionar recomendaciones, artículos y enlaces. Los usuarios finales suelen pasar por alto parte de los resultados, prefiriendo otros. Estos clics y la cantidad de vistas se incluyen en los criterios de 'ponderación' al re-indexar contenido con el tiempo, por lo que las capacidades de búsqueda se ajustan dinámicamente. Dado que los usuarios finales proporcionan retroalimentación en forma de votos 'me gusta/no me gusta', esto también influye en la clasificación del contenido que ellos y otros usuarios pueden encontrar. En términos de beneficios, los usuarios finales pueden encontrar rápidamente respuestas y sentirse seguros, mientras que los agentes de soporte tienen la capacidad de manejar más solicitudes y alcanzar un mayor número de acuerdos sobre la calidad de los servicios proporcionados (SLA).
- Analítica de temas populares. Aquí, las capacidades analíticas revelan patrones a partir de fuentes de datos estructuradas y no estructuradas. La información sobre los temas populares se visualiza gráficamente en forma de un mapa de calor, donde el tamaño de los segmentos corresponde a la frecuencia de ciertos temas o grupos de palabras clave demandadas por los usuarios. Los incidentes recurrentes se detectarán de inmediato, se agruparán y se resolverán juntos. La analítica de temas populares también identifica clústeres de incidentes con una causa raíz común y reduce significativamente el tiempo para identificar y resolver el problema subyacente. Además, la tecnología puede crear automáticamente artículos en la base de conocimientos, basados en interacciones similares o problemas parecidos. La búsqueda de tendencias en cualquier dato incrementa la actividad del departamento de TI, previene la repetición de incidentes y, por lo tanto, mejora la satisfacción de los usuarios finales al tiempo que reduce los costos de TI.
- Solicitudes inteligentes. Los usuarios finales esperan que enviar una solicitud sea tan sencillo como escribir un tuit: un mensaje corto en lenguaje natural que describa un problema o solicitud, el cual se puede enviar por correo electrónico. O incluso simplemente adjuntar una fotografía del inconveniente y enviarla desde un dispositivo móvil. El registro de solicitudes inteligentes acelera el proceso de creación de tickets, llenando automáticamente todos los campos basándose en lo que el usuario final escribió o en la imagen escaneada procesada mediante un programa de reconocimiento óptico de caracteres (OCR). Utilizando un conjunto de datos de observación, la tecnología clasifica y dirige automáticamente las solicitudes a los agentes de soporte adecuados. Los agentes pueden reenviar solicitudes a distintos grupos de soporte y pueden reescribir los campos automáticamente llenados si el modelo de aprendizaje automático no resultó óptimo para el caso en cuestión. El sistema aprende de nuevos patrones, lo que permite manejar mejor los problemas que surgen en el futuro. Todo esto significa que los usuarios finales pueden abrir solicitudes de manera fácil y rápida, lo que resulta en una mayor satisfacción al utilizar las herramientas de trabajo. Esta capacidad también reduce la cantidad de trabajo manual y errores, y ayuda a disminuir el tiempo y costos de resolución.
- Correo electrónico inteligente. Esta herramienta es similar a las solicitudes inteligentes. El usuario final puede enviar un correo al soporte técnico y describir un problema en lenguaje natural. La herramienta de soporte crea una solicitud basada en el contenido del correo electrónico y también responde automáticamente al usuario final con enlaces a soluciones propuestas. Los usuarios finales quedan satisfechos, ya que es fácil y conveniente abrir solicitudes y consultas, y los agentes de TI tienen menos trabajo manual.
- Gestión inteligente de cambios. El aprendizaje automático también apoya la analítica moderna y la gestión del cambio. Dado el frecuente número de cambios que hoy requieren las empresas, los sistemas inteligentes pueden ofrecer a los agentes o gerentes de cambio sugerencias para optimizar el entorno y aumentar la tasa de éxitos en los cambios futuros. Los agentes pueden describir los cambios necesarios en lenguaje natural, y las capacidades analíticas verificarán el contenido por elementos de configuración que se vean involucrados. Todos los cambios están regulados, y los indicadores automáticos informan al gerente de cambios si hay algún problema con el cambio, como riesgo, planificación en una ventana no planificada o estado de
En última instancia, el aprendizaje automático y la analítica transforman los sistemas ITSM mediante supuestos y recomendaciones inteligentes sobre problemas de solicitudes y procesos de cambio, que ayudan a los agentes y grupos de soporte de TI a describir, diagnosticar, predecir y prescribir lo que ha ocurrido, lo que está ocurriendo y lo que ocurrirá. Los usuarios finales reciben evaluaciones analíticas proactivas, personalizadas y dinámicas, además de soluciones rápidas. Mucho de esto se realiza automáticamente, es decir, sin intervención humana. Y dado que la tecnología aprende con el tiempo, los procesos solo mejoran. Es importante destacar que todas las funciones inteligentes descritas en este artículo están disponibles hoy en día.
Fuente: habr.com
