Nel 2018 abbiamo consolidato la nostra posizione: i servizi di gestione dei servizi IT (ITSM) e i servizi di supporto IT continuano a operare nonostante le continue discussioni su quanto possano durare nell'era della rivoluzione digitale. Infatti, la domanda per i servizi di supporto tecnico è in aumento - nel Report di supporto tecnico e nel Report sulle retribuzioni, (Help Desk Institute) per il 2017 è stato riportato che il 55% dei servizi di supporto tecnico ha registrato un aumento del volume delle richieste nell'ultimo anno.
D'altro canto, molte aziende hanno registrato una diminuzione del volume delle richieste di supporto tecnico nell'anno scorso (15%) rispetto al 2016 (10%). Un fattore chiave che ha contribuito alla riduzione delle richieste è stato il supporto tecnico autonomo. Tuttavia, HDI riporta anche che lo scorso anno il costo per richiesta è aumentato a 25 dollari USA rispetto a 18 dollari USA nel 2016. Questo non è ciò a cui mira la maggior parte dei servizi IT. Fortunatamente, l'automazione basata su analisi e machine learning può migliorare i processi e le performance del supporto riducendo il numero di errori e aumentando la qualità e la velocità. A volte, questo va oltre le capacità umane e il machine learning e l'analisi rappresentano la base fondamentale per un supporto IT intelligente, accogliente e operativo.
In questo articolo si esplorerà più in dettaglio come il machine learning possa affrontare molte delle sfide del supporto e dell'ITSM relative al volume e al costo delle richieste, e come creare un servizio di supporto più rapido e automatizzato che i dipendenti dell'azienda saranno lieti di utilizzare.
ITSM efficace tramite machine learning e analisi
La mia definizione preferita di machine learning è fornita da un'azienda :
«Il machine learning insegna ai computer a fare ciò che è naturale per gli esseri umani e gli animali – apprendere dalle proprie esperienze. Gli algoritmi di machine learning utilizzano metodi computazionali per apprendere informazioni direttamente dai dati, senza fare affidamento su un'equazione predefinita come modello. Gli algoritmi migliorano adattivamente la propria efficienza man mano che il numero di campioni disponibili per l'apprendimento aumenta».
Le seguenti funzionalità sono disponibili per alcuni strumenti ITSM basati su tecnologie di machine learning e analisi dei big data:
- Supporto tramite bot. Gli agenti virtuali e i chatbot possono automaticamente offrire notizie, articoli, servizi e offerte di supporto dai cataloghi di dati e dalle richieste pubbliche. Questo tipo di supporto 24/7 in forma di programmi di formazione proposti agli utenti finali aiuta a risolvere le questioni in modo significativamente più veloce. I principali vantaggi di un bot sono un'interfaccia utente migliorata e una riduzione del numero di richieste in ingresso.
- Notizie e avvisi intelligenti. Questi strumenti consentono di informare in anticipo gli utenti su potenziali problemi. Inoltre, gli specialisti IT possono suggerire soluzioni alternative ai problemi attraverso notifiche personalizzate, fornendo agli utenti finali informazioni pertinenti e utili sui problemi che potrebbero affrontare, oltre a consigli su come evitarli. Gli utenti informati apprezzeranno molto il supporto IT proattivo, e il numero di richieste in ingresso diminuirà.
- Ricerca intelligente. Quando gli utenti finali cercano informazioni o servizi, un sistema di gestione delle conoscenze contestuale può fornire raccomandazioni, articoli e collegamenti. Gli utenti finali spesso saltano parte dei risultati, preferendo altri. Questi clic e il numero di visualizzazioni sono inclusi nei criteri di ‘ponderazione’ durante la reindicizzazione dei contenuti nel tempo, quindi le funzionalità di ricerca vengono dinamicamente adattate. Poiché gli utenti finali forniscono feedback sotto forma di votazioni ‘mi piace/non mi piace’, questo influisce anche sul ranking dei contenuti che essi e altri utenti possono trovare. Dal punto di vista dei benefici, gli utenti finali possono trovare rapidamente risposte e sentirsi sicuri, mentre gli agenti del supporto possono gestire più richieste e raggiungere un numero maggiore di accordi sui livelli di servizio (SLA).
- Analisi degli argomenti popolari. Qui le capacità analitiche identificano schemi per fonti di dati strutturate e non strutturate. Le informazioni sui temi popolari vengono visualizzate graficamente come una mappa di calore, dove la dimensione dei segmenti corrisponde alla frequenza di determinati temi o gruppi di parole chiave ricercati dagli utenti. Gli incidenti ripetuti vengono rilevati istantaneamente, raggruppati e risolti insieme. L'analisi dei temi popolari identifica anche cluster di incidenti con una causa comune e riduce significativamente il tempo di individuazione e risoluzione del problema fondamentale. Inoltre, la tecnologia può creare automaticamente articoli nella base di conoscenza basati su interazioni o problemi simili. La ricerca di tendenze in qualsiasi dato aumenta l'attività del reparto IT, previene la ripetizione degli incidenti e, di conseguenza, aumenta la soddisfazione degli utenti finali, riducendo al contempo i costi IT.
- Smart requests. Gli utenti finali si aspettano che inviare una richiesta non sia più difficile che scrivere un tweet, ovvero un breve messaggio in linguaggio naturale che descrive un problema o una richiesta, che può essere inviato via email. Oppure, semplicemente allegare una foto del problema e inviarla dal dispositivo mobile. La registrazione delle smart request accelera il processo di creazione delle richieste, compilando automaticamente tutti i campi in base a quanto scritto dall'utente finale o dallo scanner dell'immagine elaborato tramite software di riconoscimento ottico dei caratteri (OCR). Utilizzando un insieme di dati osservabili, la tecnologia classifica automaticamente e indirizza le richieste agli agenti di supporto appropriati. Gli agenti possono inoltrare le richieste a vari gruppi di supporto e possono riscrivere i campi compilati automaticamente se il modello di apprendimento automatico non è risultato ottimale per quel caso. Il sistema apprende da nuovi schemi, migliorando la gestione dei problemi futuri. Tutto ciò significa che gli utenti finali possono aprire facilmente e rapidamente le richieste, portando a una maggiore soddisfazione nell'uso degli strumenti di lavoro. Questa funzionalità riduce anche il carico di lavoro manuale e gli errori, contribuendo a ridurre il tempo e i costi di risoluzione.
- Smart email. Questo strumento è simile alle smart request. L'utente finale può inviare una email all'assistenza descrivendo il problema in linguaggio naturale. Lo strumento di supporto crea una richiesta basata sul contenuto dell'email e risponde automaticamente all'utente finale con link alle soluzioni suggerite. Gli utenti finali sono soddisfatti, poiché aprire richieste e domande è facile e comodo, mentre gli agenti IT hanno meno lavoro manuale.
- Smart change management. L'apprendimento automatico supporta anche l'analisi moderna e il change management. Considerando il frequente numero di cambiamenti richiesti alle imprese oggi, i sistemi intelligenti possono fornire agli agenti o ai manager delle proposte volte a ottimizzare l'ambiente e aumentare la percentuale di cambiamenti riusciti in futuro. Gli agenti possono descrivere i cambiamenti necessari in linguaggio naturale, mentre le capacità analitiche verificheranno il contenuto per eventuali elementi di configurazione interessati. Tutti i cambiamenti sono regolati, e indicatori automatici avvisano il manager dei cambiamenti se ci sono problemi legati alla modifica, come rischi, pianificazione in finestre non programmate o stato "non approvato". Il vantaggio chiave dello smart change management è il tempo di ritorno più rapido con un numero inferiore di configurazioni, impostazioni e, infine, costi monetari inferiori.
In definitiva, l'apprendimento automatico e l'analisi trasformano i sistemi ITSM attraverso assunzioni e raccomandazioni intelligenti su problemi con richieste e processi di cambiamento, che aiutano agenti e gruppi di supporto IT a descrivere, diagnosticare, prevedere e prescrivere ciò che è accaduto, ciò che sta accadendo e ciò che accadrà. Gli utenti finali ricevono valutazioni analitiche proactive, personalizzate e dinamiche e soluzioni rapide. Gran parte del lavoro viene svolto automaticamente, cioè senza intervento umano. E poiché la tecnologia impara nel tempo, i processi diventano sempre migliori. È importante notare che tutte le funzionalità intelligenti descritte in questo articolo sono già disponibili oggi.
Fonte: habr.com
