Tahun 2018 menjadi tahun yang kokoh bagi kami - Manajemen Layanan TI (ITSM) dan Layanan TI masih tetap menjalankan bisnis, meskipun ada pembicaraan mengenai berapa lama keduanya akan bertahan dalam revolusi digital. Memang benar, permintaan akan layanan dukungan teknis semakin meningkat - dalam Laporan Dukungan Teknis dan Laporan Gaji (Help Desk Institute) Laporan tahun 2017 menunjukkan bahwa 55% help desk telah melaporkan peningkatan volume tiket selama setahun terakhir.
Di sisi lain, banyak perusahaan mencatat penurunan volume panggilan ke dukungan teknis tahun lalu (15%) dibandingkan tahun 2016 (10%). Faktor kunci yang berkontribusi terhadap pengurangan jumlah permintaan adalah dukungan teknis independen. Namun, HDI juga melaporkan bahwa biaya pendaftaran naik menjadi $25 tahun lalu, naik dari $18 pada tahun 2016. Ini bukanlah hal yang diinginkan oleh sebagian besar departemen TI. Untungnya, otomatisasi yang didukung oleh analitik dan pembelajaran mesin dapat meningkatkan proses dan produktivitas pusat bantuan dengan mengurangi kesalahan serta meningkatkan kualitas dan kecepatan. Terkadang hal ini berada di luar kemampuan manusia, dan pembelajaran mesin serta analitik adalah landasan utama untuk meja layanan TI yang cerdas, proaktif, dan responsif.
Artikel ini membahas lebih dekat bagaimana pembelajaran mesin dapat memecahkan banyak tantangan helpdesk dan ITSM yang terkait dengan volume dan biaya tiket, serta cara membuat helpdesk yang lebih cepat dan otomatis yang disukai karyawan perusahaan.
ITSM yang efektif melalui pembelajaran mesin dan analitik
Definisi favorit saya tentang pembelajaran mesin berasal dari perusahaan :
“Pembelajaran mesin mengajarkan komputer untuk melakukan apa yang secara alami dilakukan manusia dan hewan—belajar dari pengalaman. Algoritme pembelajaran mesin menggunakan metode komputasi untuk mempelajari informasi langsung dari data, tanpa bergantung pada persamaan yang telah ditentukan sebelumnya sebagai model. Algoritma secara adaptif meningkatkan kinerjanya seiring dengan meningkatnya jumlah sampel yang tersedia untuk dipelajari.”
Kemampuan berikut tersedia untuk beberapa alat ITSM berdasarkan pembelajaran mesin dan analisis data besar:
- Dukungan melalui bot. Agen virtual dan chatbot dapat secara otomatis menyarankan berita, artikel, layanan, dan penawaran dukungan dari katalog data dan permintaan publik. Dukungan 24/7 dalam bentuk program pelatihan pengguna akhir membantu menyelesaikan masalah dengan lebih cepat. Manfaat utama bot adalah antarmuka pengguna yang lebih baik dan lebih sedikit panggilan masuk.
- Berita dan pemberitahuan cerdas. Alat-alat ini memungkinkan pengguna untuk secara proaktif diberitahu tentang potensi masalah. Selain itu, profesional TI dapat merekomendasikan solusi untuk menyelesaikan masalah melalui pemberitahuan yang dipersonalisasi yang memberikan informasi relevan dan dapat ditindaklanjuti kepada pengguna akhir tentang masalah yang mungkin mereka hadapi, serta tips tentang cara menghindarinya. Pengguna yang terinformasi akan menghargai dukungan TI yang proaktif dan jumlah permintaan masuk akan berkurang.
- Pencarian cerdas. Saat pengguna akhir mencari informasi atau layanan, sistem manajemen pengetahuan sadar konteks dapat memberikan rekomendasi, artikel, dan tautan. Pengguna akhir cenderung melewatkan beberapa hasil demi hasil lainnya. Klik dan penayangan ini disertakan dalam kriteria "pembobotan" saat mengindeks ulang konten dari waktu ke waktu, sehingga pengalaman pencarian disesuaikan secara dinamis. Karena pengguna akhir memberikan umpan balik dalam bentuk suara suka/tidak suka, hal ini juga memengaruhi peringkat konten yang dapat mereka dan pengguna lain temukan. Dalam hal manfaat, pengguna akhir dapat menemukan jawaban dengan cepat dan merasa lebih percaya diri, dan agen pusat bantuan mampu menangani lebih banyak tiket dan mencapai lebih banyak perjanjian tingkat layanan (SLA).
- Analisis topik populer. Di sini, kemampuan analitik mengidentifikasi pola di seluruh sumber data terstruktur dan tidak terstruktur. Informasi tentang topik populer ditampilkan secara grafis dalam bentuk peta panas, di mana ukuran segmennya sesuai dengan frekuensi topik atau kelompok kata kunci tertentu yang diminati pengguna. Insiden yang berulang akan terdeteksi secara instan, dikelompokkan dan diselesaikan bersama. Trending Topic Analytics juga mendeteksi cluster insiden dengan akar permasalahan yang sama dan secara signifikan mengurangi waktu untuk mengidentifikasi dan menyelesaikan akar masalah. Teknologi ini juga dapat secara otomatis membuat artikel basis pengetahuan berdasarkan interaksi serupa atau masalah serupa. Menemukan tren dalam data apa pun akan meningkatkan aktivitas departemen TI, mencegah terulangnya insiden, sehingga meningkatkan kepuasan pengguna akhir sekaligus mengurangi biaya TI.
- Aplikasi pintar. Pengguna akhir berharap bahwa mengirimkan tiket semudah menulis Tweet—pesan singkat dan alami yang menjelaskan masalah atau permintaan yang dapat dikirim melalui email. Atau bahkan cukup lampirkan foto masalahnya dan kirimkan dari perangkat seluler Anda. Registrasi tiket pintar mempercepat proses pembuatan tiket dengan secara otomatis mengisi semua kolom berdasarkan apa yang ditulis pengguna akhir atau pemindaian gambar yang diproses menggunakan perangkat lunak pengenalan karakter optik (OCR). Dengan menggunakan sekumpulan data observasi, teknologi secara otomatis mengkategorikan dan mengarahkan tiket ke agen layanan bantuan yang sesuai. Agen dapat meneruskan tiket ke tim dukungan yang berbeda dan dapat menimpa kolom yang diisi secara otomatis jika model pembelajaran mesin tidak optimal untuk kasus tertentu. Sistem belajar dari pola-pola baru, yang memungkinkannya mengatasi masalah yang muncul di masa depan dengan lebih baik. Semua ini berarti pengguna akhir dapat membuka tiket dengan cepat dan mudah, sehingga meningkatkan kepuasan saat menggunakan alat kerja. Kemampuan ini juga mengurangi pekerjaan manual dan kesalahan serta membantu mengurangi waktu dan biaya perizinan.
- Email cerdas. Alat ini mirip dengan pesanan cerdas. Pengguna akhir dapat mengirim email ke tim dukungan dan menjelaskan masalahnya dalam bahasa alami. Alat meja bantuan menghasilkan tiket berdasarkan konten email dan secara otomatis merespons pengguna akhir dengan tautan ke solusi yang disarankan. Pengguna akhir puas karena pembukaan tiket dan permintaan mudah dan nyaman, dan agen TI memiliki lebih sedikit pekerjaan manual yang harus dilakukan.
- Manajemen perubahan yang cerdas. Pembelajaran mesin juga mendukung analisis tingkat lanjut dan manajemen perubahan. Mengingat banyaknya perubahan yang dibutuhkan dunia usaha saat ini, sistem cerdas dapat memberikan saran kepada agen atau manajer perubahan yang bertujuan untuk mengoptimalkan lingkungan dan meningkatkan tingkat keberhasilan perubahan di masa depan. Agen dapat menjelaskan perubahan yang diperlukan dalam bahasa alami, dan kemampuan analitik akan memeriksa konten untuk item konfigurasi yang terpengaruh. Semua perubahan diatur, dan indikator otomatis memberi tahu manajer perubahan jika ada masalah dengan perubahan, seperti risiko, penjadwalan dalam jangka waktu yang tidak direncanakan, atau status “tidak disetujui”. Manfaat utama dari manajemen perubahan yang cerdas adalah waktu yang lebih cepat untuk menilai dengan lebih sedikit konfigurasi, penyesuaian, dan pada akhirnya lebih sedikit uang yang dikeluarkan.
Pada akhirnya, pembelajaran mesin dan analitik mengubah sistem ITSM dengan asumsi dan rekomendasi cerdas tentang masalah tiket dan proses perubahan yang membantu agen dan tim dukungan TI mendeskripsikan, mendiagnosis, memprediksi, dan menentukan apa yang telah terjadi, apa yang sedang terjadi, dan apa yang akan terjadi. Pengguna akhir menerima wawasan proaktif, personal, dan dinamis serta solusi cepat. Dalam hal ini, banyak hal dilakukan secara otomatis, mis. tanpa campur tangan manusia. Dan seiring dengan pembelajaran teknologi dari waktu ke waktu, prosesnya menjadi lebih baik. Penting untuk diperhatikan bahwa semua fitur pintar yang dijelaskan dalam artikel ini tersedia saat ini.
Sumber: www.habr.com