Nel 2018 abbiamo consolidato le nostre posizioni: i servizi di gestione dei servizi IT (ITSM) e i servizi IT continuano a operare, nonostante le continue discussioni su quanto tempo possano resistere nell'era della rivoluzione digitale. In effetti, la domanda per i servizi di supporto sta crescendo: nel Rapporto sul supporto tecnico e nel Rapporto sulle retribuzioni (Help Desk Institute) per il 2017 riporta che il 55% dei servizi di supporto tecnico ha segnalato un aumento del volume delle richieste nell'ultimo anno.
D'altra parte, molte aziende hanno segnalato una diminuzione del volume delle richieste di supporto tecnico nell'anno scorso (15%) rispetto al 2016 (10%). Un fattore chiave che ha contribuito alla diminuzione del numero di richieste è stata il supporto tecnico self-service. Tuttavia, HDI riferisce anche che l'anno scorso il costo per richiesta è aumentato a 25 dollari USA rispetto a 18 dollari nel 2016. Questo non è ciò a cui aspira la maggior parte dei servizi IT. Fortunatamente, l'automazione basata su analisi e apprendimento automatico può migliorare i processi e le prestazioni del servizio di supporto riducendo il numero di errori e aumentando la qualità e la velocità. A volte questo va oltre le possibilità umane, e l'apprendimento automatico e l'analisi sono fondamentali per un servizio di supporto IT intelligente, coinvolgente e reattivo.
In questo articolo si esplorerà più nel dettaglio come l'apprendimento automatico possa affrontare molte sfide del servizio di supporto e dell'ITSM legate ai volumi e ai costi delle richieste e come creare un servizio di supporto più rapido e automatizzato che gli impiegati apprezzeranno.
Un ITSM efficace attraverso l'apprendimento automatico e l'analisi
La mia definizione preferita di apprendimento automatico è fornita dall'azienda :
«Il machine learning insegna ai computer a fare ciò che è naturale per le persone e gli animali: imparare dalle proprie esperienze. Gli algoritmi di machine learning utilizzano metodi computazionali per apprendere le informazioni direttamente dai dati, senza fare affidamento su un'equazione prestabilita come modello. Gli algoritmi migliorano adattivamente la propria efficienza man mano che aumenta il numero di campioni disponibili per l'apprendimento».
Le seguenti funzionalità sono disponibili per alcuni strumenti ITSM basati su tecnologie di machine learning e analisi dei big data:
- Supporto tramite bot. Agenti virtuali e chatbot possono automaticamente offrire notizie, articoli, servizi e offerte di supporto dai cataloghi di dati e dalle richieste pubbliche. Questo supporto disponibile 24/7 sotto forma di programmi di formazione proposti agli utenti finali aiuta a risolvere i problemi in modo significativamente più rapido. I principali vantaggi del bot includono un'interfaccia utente migliorata e un numero ridotto di richieste in entrata.
- Notizie intelligenti e notifiche. Questi strumenti consentono di avvisare in anticipo gli utenti su potenziali problemi. Inoltre, gli specialisti IT possono raccomandare soluzioni alternative ai problemi attraverso notifiche personalizzate, che forniscono agli utenti finali informazioni pertinenti e utili sui problemi che potrebbero affrontare e consigli su come evitarli. Gli utenti informati apprezzeranno molto il supporto IT attivo e il numero di richieste in entrata diminuirà.
- Ricerca intelligente. Quando gli utenti finali cercano informazioni o servizi, un sistema di gestione della conoscenza contestuale può fornire raccomandazioni, articoli e link. Gli utenti finali tendono a saltare parte dei risultati, preferendo quelli alternativi. Questi clic e il numero di visualizzazioni vengono inclusi nei criteri di "ponderazione" per la reindicizzazione del contenuto nel tempo, quindi le capacità di ricerca sono impostate dinamicamente. Poiché gli utenti finali forniscono feedback sotto forma di voti "mi piace/non mi piace", questo influisce anche sul ranking del contenuto che loro e altri utenti possono trovare. In termini di vantaggi, gli utenti finali possono trovare rapidamente risposte e sentirsi piuttosto sicuri, mentre gli agenti del servizio clienti hanno la possibilità di gestire più richieste e raggiungere un numero maggiore di accordi sul livello di servizio (SLA).
- Analisi dei temi popolari. Qui, le capacità analitiche rivelano modelli per fonti di dati strutturate e non strutturate. Le informazioni sui temi popolari sono graficamente rappresentate in una mappa di calore, in cui la dimensione dei segmenti corrisponde alla frequenza di determinati temi o gruppi di parole chiave richieste dagli utenti. Gli incidenti ripetuti vengono rilevati immediatamente, raggruppati e risolti insieme. L'analisi dei temi popolari rileva anche i cluster di incidenti con una causa comune, riducendo notevolmente il tempo necessario per identificare e risolvere il problema di base. Inoltre, la tecnologia può creare automaticamente articoli nella base di conoscenza, basati su interazioni simili o problemi simili. La ricerca delle tendenze in qualsiasi dato aumenta l'attività del dipartimento IT, previene la ripetizione degli incidenti e, di conseguenza, aumenta la soddisfazione degli utenti finali riducendo nel contempo i costi IT.
- Richieste smart. Gli utenti finali si aspettano che inviare una richiesta sia semplice come scrivere un tweet, ovvero un breve messaggio in linguaggio naturale che descriva un problema o una richiesta, che può essere inviato via email. O anche semplicemente allegare una foto del guasto e inviarla da un dispositivo mobile. La registrazione di una richiesta smart accelera il processo di creazione del ticket, compilando automaticamente tutti i campi in base a ciò che ha scritto l'utente finale o a uno scan dell'immagine elaborato tramite un software di riconoscimento ottico dei caratteri (OCR). Utilizzando un insieme di dati di osservazioni, la tecnologia classifica automaticamente e indirizza le richieste agli agenti di supporto appropriati. Gli agenti possono reindirizzare le richieste a diversi gruppi di supporto e possono riscrivere i campi riempiti automaticamente, nel caso in cui il modello di apprendimento automatico non risulti ottimale per quel caso. Il sistema apprende dai nuovi modelli, consentendo di gestire meglio i problemi futuri. Tutto ciò significa che gli utenti finali possono facilmente e rapidamente aprire richieste, aumentando la soddisfazione nell'uso degli strumenti di lavoro. Questa funzionalità riduce anche la quantità di lavoro manuale e gli errori, contribuendo a ridurre i tempi e i costi di risoluzione.
- Email smart. Questo strumento ricorda le richieste smart. L'utente finale può inviare un'email al supporto descrivendo un 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 conveniente, mentre gli agenti IT hanno meno lavoro manuale.
- Gestione dei cambiamenti smart. Il machine learning supporta anche l'analisi moderna e la gestione del cambiamento. Data la frequente necessità di cambiamenti dei settori oggi, i sistemi intelligenti possono fornire ad agenti o manager del cambiamento suggerimenti volti ad ottimizzare l'ambiente e aumentare la percentuale di cambiamenti riusciti in futuro. Gli agenti possono descrivere i cambiamenti richiesti in linguaggio naturale, mentre le capacità analitiche verificheranno il contenuto per rilevare eventuali elementi di configurazione interessati. Tutti i cambiamenti sono regolamentati e indicatori automatici informano il manager del cambiamento se ci sono problemi con la modifica, come rischi, pianificazione in finestre non programmate o stato 'non approvato'. Il principale vantaggio della smart change management è un tempo di recupero più rapido con meno configurazioni, impostazioni e, infine, minor costo.
In ultima analisi, machine learning e analisi trasformano i sistemi ITSM attraverso supposizioni intelligenti e raccomandazioni sui problemi con le richieste e il processo di cambiamento, che aiutano agenti e team di supporto IT a descrivere, diagnosticare, prevedere e prescrivere cosa è successo, cosa sta succedendo e cosa succederà. Gli utenti finali ricevono valutazioni analitiche proattive, personali e dinamiche e soluzioni rapide. Molto viene fatto automaticamente, cioè senza l'intervento umano. E poiché la tecnologia impara nel tempo, i processi diventano sempre migliori. È importante notare che tutte le funzioni intelligenti descritte in questo articolo sono già disponibili oggi.
Fonte: habr.com
