En 2018, nous avons solidement établi nos positions – les services de gestion des services informatiques (ITSM) et les services informatiques continuent d'opérer, malgré les discussions incessantes sur la durée de leur maintien à l'ère de la révolution numérique. En effet, la demande pour les services d'assistance technique est en augmentation – dans le Rapport sur le support technique et le Rapport sur les salaires (Help Desk Institute) pour l'année 2017 indique que 55 % des services d'assistance technique ont signalé une augmentation du volume des demandes au cours de l'année dernière.
D'autre part, de nombreuses entreprises ont noté une diminution des demandes de support technique l'année dernière (15 %) par rapport à 2016 (10 %). Un facteur clé ayant contribué à la diminution du nombre de demandes a été le support technique autonome. Cependant, HDI rapporte également que l'année dernière le coût par demande a augmenté à 25 dollars américains contre 18 dollars américains en 2016. Ce n'est pas ce que la plupart des services informatiques aspirent. Heureusement, l'automatisation basée sur l'analyse et l'apprentissage automatique peut améliorer les processus et la performance du service d'assistance en réduisant le nombre d'erreurs et en augmentant la qualité et la rapidité. Parfois, cela dépasse les capacités humaines, et l'apprentissage automatique et l'analyse sont des bases clés pour un service d'assistance informatique intelligent, engageant et efficace.
Cet article examine plus en détail comment l'apprentissage automatique peut résoudre de nombreux problèmes de support technique et d'ITSM liés aux volumes et aux coûts des demandes, et comment créer un service d'assistance plus rapide et automatisé que les employés de l'entreprise apprécieront.
ITSM efficace grâce à l'apprentissage automatique et à l'analyse
Ma définition préférée de l'apprentissage automatique vient de l'entreprise :
« L'apprentissage automatique enseigne aux ordinateurs à faire ce qui est naturel pour les humains et les animaux – apprendre de leur propre expérience. Les algorithmes d'apprentissage automatique utilisent des méthodes computationnelles pour apprendre des informations directement à partir des données, sans se fier à une équation prédéfinie comme modèle. Les algorithmes améliorent de manière adaptative leur propre efficacité à mesure que le nombre d'échantillons disponibles à l'étude augmente ».
Les fonctionnalités ci-dessous sont disponibles pour certains outils ITSM basés sur les technologies d'apprentissage automatique et d'analyse des données massives :
- Support via un bot. Les agents virtuels et les chatbots peuvent automatiquement proposer des actualités, des articles, des services et des offres de support à partir de catalogues de données et de demandes publiques. Ce type de support 24/7, sous forme de programmes de formation proposés aux utilisateurs finaux, aide à résoudre les problèmes beaucoup plus rapidement. Les principaux avantages du bot sont une interface utilisateur améliorée et un nombre réduit de requêtes entrantes.
- Actualités et notifications intelligentes. Ces outils permettent d'informer à l'avance les utilisateurs des problèmes potentiels. De plus, les professionnels de l'IT peuvent recommander des solutions de contournement pour les problèmes à l'aide de notifications personnalisées qui fournissent aux utilisateurs finaux des informations pertinentes et utiles sur les problèmes qu'ils pourraient rencontrer, ainsi que des conseils pour les éviter. Les utilisateurs informés apprécieront le soutien proactif de l'IT, ce qui réduira le nombre de demandes entrantes.
- Recherche intelligente. Lorsque les utilisateurs finaux recherchent des informations ou des services, un système de gestion des connaissances contextuellement dépendant peut fournir des recommandations, des articles et des liens. Les utilisateurs finaux passent généralement à côté d'une partie des résultats, préférant d'autres. Ces clics et le nombre de vues sont inclus dans les critères de « pondération » lors de la réindexation du contenu au fil du temps, de sorte que les capacités de recherche sont ajustées dynamiquement. Étant donné que les utilisateurs finaux fournissent des commentaires sous forme de votes « j'aime / je n'aime pas », cela influence également le classement du contenu qu'ils et d'autres utilisateurs peuvent trouver. En termes d'avantages, les utilisateurs finaux peuvent rapidement trouver des réponses et se sentir assez confiants, tandis que les agents du service d'assistance ont la possibilité de traiter un plus grand nombre de demandes et d'atteindre un plus grand nombre d'accords sur la qualité des services (SLA).
- Analyse des sujets populaires. Ici, les capacités analytiques révèlent des modèles pour des sources de données structurées et non structurées. Les informations sur les sujets populaires sont affichées graphiquement sous forme de carte de chaleur, où la taille des segments correspond à la fréquence de certains sujets ou groupes de mots-clés recherchés par les utilisateurs. Les incidents récurrents seront détectés instantanément, regroupés et résolus ensemble. L'analyse des sujets populaires découvre également des clusters d'incidents avec une cause fondamentale commune et réduit considérablement le temps nécessaire pour identifier et résoudre le problème principal. De plus, la technologie peut automatiquement créer des articles dans la base de connaissances, basés sur des interactions similaires ou des problèmes similaires. La recherche de tendances dans n'importe quelles données accroît l'activité du service informatique, empêche la récurrence des incidents et, par conséquent, améliore la satisfaction des utilisateurs finaux tout en réduisant les coûts informatiques.
- Demandes intelligentes. Les utilisateurs finaux s'attendent à ce qu'envoyer une demande soit aussi simple que d'écrire un tweet, à savoir un court message en langage naturel décrivant le problème ou la demande, qui peut être envoyé par e-mail. Ou même simplement joindre une photo de la panne et l'envoyer depuis un appareil mobile. L'enregistrement des demandes intelligentes accélère le processus de création des tickets, en remplissant automatiquement tous les champs en fonction de ce que l'utilisateur final a écrit ou d'une image scannée traitée par un logiciel de reconnaissance optique de caractères (OCR). En utilisant un ensemble de données d'observation, la technologie classe et adresse automatiquement les demandes aux agents de support appropriés. Les agents peuvent rediriger les tickets vers différents groupes de support et peuvent réécrire les champs automatiquement remplis si le modèle d'apprentissage automatique n'est pas optimal pour ce cas particulier. Le système apprend de nouveaux modèles, ce qui permet de mieux gérer les problèmes futurs. Tout cela signifie que les utilisateurs finaux peuvent facilement et rapidement ouvrir des tickets, ce qui améliore la satisfaction lors de l'utilisation des outils de travail. Cette capacité réduit également la charge de travail manuel et les erreurs et contribue à réduire le temps et les coûts de résolution.
- E-mail intelligent. Cet outil ressemble aux demandes intelligentes. L'utilisateur final peut envoyer un e-mail au support et décrire le problème en langage naturel. L'outil de support crée un ticket basé sur le contenu de l'e-mail et répond automatiquement à l'utilisateur final avec des liens vers des solutions suggérées. Les utilisateurs finaux sont satisfaits, car ouvrir des tickets et faire des demandes est facile et pratique, tandis que les agents informatiques ont moins de travail manuel.
- Gestion intelligente des changements. L'apprentissage automatique soutient également l'analyse moderne et la gestion des changements. Compte tenu du nombre fréquent de changements requis par les entreprises aujourd'hui, les systèmes intelligents peuvent fournir aux agents ou aux responsables des changements des propositions visant à optimiser l'environnement et à augmenter le pourcentage de changements réussis à l'avenir. Les agents peuvent décrire les changements nécessaires dans un langage naturel, et les capacités analytiques vérifieront le contenu pour identifier les éléments de configuration concernés. Tous les changements sont réglementés, et des indicateurs automatiques informent le gestionnaire de changement s'il y a des problèmes liés au changement, tels que le risque, la planification dans une fenêtre non planifiée ou le statut « non approuvé ». Le principal avantage de la gestion intelligente des changements est un retour sur investissement plus rapide avec un nombre réduit de configurations, d'ajustements et, en fin de compte, de coûts financiers moindres.
En fin de compte, l'apprentissage automatique et l'analyse transforment les systèmes ITSM grâce à des suppositions intelligentes et à des recommandations concernant les problèmes liés aux demandes et au processus de changement, qui aident les agents et les équipes de support IT à décrire, diagnostiquer, prévoir et prescrire ce qui s'est passé, ce qui se passe et ce qui se produira. Les utilisateurs finaux reçoivent des évaluations analytiques proactives, personnalisées et dynamiques, ainsi que des solutions rapides. Cela se fait en grande partie automatiquement, c'est-à-dire sans intervention humaine. Et puisque la technologie apprend au fil du temps, les processus ne peuvent que s'améliorer. Il est important de noter que toutes les fonctions intelligentes décrites dans cet article sont déjà disponibles aujourd'hui.
Source : habr.com
