W 2018 roku umocniliśmy swoją pozycję – usługi zarządzania IT (ITSM) oraz usługi IT nadal funkcjonują, mimo nieustających dyskusji na temat ich przyszłości w erze transformacji cyfrowej. Rzeczywiście, popyt na usługi wsparcia technicznego rośnie – w Raporcie o wsparciu technicznym i Raporcie o wynagrodzeniach (Help Desk Institute) za rok 2017 wskazuje, że 55% usług wsparcia technicznego odnotowało wzrost liczby zgłoszeń w ciągu ostatniego roku.
Z drugiej strony, wiele firm odnotowało spadek liczby kontaktów z pomocą techniczną w ubiegłym roku (15%) w porównaniu do 2016 roku (10%). Kluczowym czynnikiem, który przyczynił się do zmniejszenia liczby zgłoszeń, była samodzielna pomoc techniczna. Niemniej jednak, HDI również informuje, że w ubiegłym roku koszt zgłoszenia wzrósł do 25 dolarów amerykańskich w porównaniu do 18 dolarów w 2016 roku. To nie jest to, do czego dąży większość usług IT. Na szczęście automatyzacja oparta na analizie i uczeniu maszynowym może poprawić procesy oraz wydajność wsparcia poprzez zmniejszenie liczby błędów i zwiększenie jakości oraz szybkości. Czasami wykracza to poza możliwości człowieka, a uczenie maszynowe i analiza są kluczowymi fundamentami inteligentnej, pomocnej i operacyjnej usługi wsparcia IT.
W tym artykule bliżej przyjrzymy się, jak uczenie maszynowe może rozwiązać wiele problemów związanych z wsparciem technicznym i ITSM, związanych z liczba i kosztami zgłoszeń oraz jak stworzyć szybszą i bardziej zautomatyzowaną usługę wsparcia, której pracownicy będą chętnie korzystać.
Skuteczne ITSM za pomocą uczenia maszynowego i analizy
Moje ulubione definiowanie uczenia maszynowego pochodzi od firmy :
„Uczenie maszynowe uczy komputery robić to, co jest naturalne dla ludzi i zwierząt – uczyć się na własnym doświadczeniu. Algorytmy uczenia maszynowego wykorzystują metody obliczeniowe do nauki informacji bezpośrednio z danych, nie polegając na wcześniej określonym równaniu jako modelu. Algorytmy adaptacyjnie poprawiają własną efektywność wraz ze wzrostem liczby próbek dostępnych do nauki.”
Poniższe możliwości są dostępne dla niektórych narzędzi ITSM opartych na technologiach uczenia maszynowego i analityki big data:
- Wsparcie przez bota. Wirtualni agenci i czatboty mogą automatycznie proponować nowinki, artykuły, usługi i oferty wsparcia z katalogów danych oraz publicznych zapytań. Takie wsparcie dostępne 24/7 w postaci proponowanych programów szkoleniowych dla użytkowników końcowych przyspiesza rozwiązywanie problemów. Kluczowymi zaletami bota są ulepszony interfejs użytkownika oraz mniejsza liczba zgłoszeń.
- Inteligentne powiadomienia i alerty. Te narzędzia pozwalają na wcześniejsze informowanie użytkowników o potencjalnych problemach. Ponadto specjaliści IT mogą zalecać obejścia problemów poprzez spersonalizowane powiadomienia, które dostarczają użytkownikom końcowym aktualne i użyteczne informacje o problemach, z którymi mogą się zmierzyć, oraz porady dotyczące ich unikania. Poinformowani użytkownicy wysoko oceniają aktywne wsparcie IT, co zmniejsza liczbę zgłoszeń.
- Inteligentne wyszukiwanie. Kiedy użytkownicy końcowi szukają informacji lub usług, kontekstowo zależny system zarządzania wiedzą może dostarczać rekomendacje, artykuły i linki. Użytkownicy końcowi zazwyczaj pomijają część wyników, preferując inne. Te kliknięcia i liczba wyświetleń są uwzględniane w kryteriach 'ważyć' przy ponownej indeksacji treści w czasie, dzięki czemu możliwości wyszukiwania są dynamicznie dostosowywane. Ponieważ użytkownicy końcowi dostarczają feedback w formie głosowania 'lubię/nie lubię', ma to również wpływ na ranking treści, którą oni i inni użytkownicy mogą znaleźć. Z perspektywy korzyści, użytkownicy końcowi mogą szybko znajdować odpowiedzi i czuć się całkiem pewnie, a agenci wsparcia mają możliwość obsługi większej liczby zgłoszeń i osiągnięcia większej liczby umów na poziom jakości usług (SLA).
- Analityka popularnych tematów. Możliwości analizy ujawniają wzorce dla strukturalnych i niestrukturalnych źródeł danych. Informacje na temat popularnych tematów są graficznie przedstawiane w postaci mapy cieplnej, gdzie rozmiar segmentów odpowiada częstości określonych tematów lub grup słów kluczowych, które są poszukiwane przez użytkowników. Powtarzające się incydenty zostaną natychmiast wykryte, pogrupowane i rozwiązane wspólnie. Analiza popularnych tematów również znajduje klastry incydentów z wspólną przyczyną, co znacznie skraca czas potrzebny na identyfikację i rozwiązanie podstawowego problemu. Technologia może również automatycznie tworzyć artykuły w bazie wiedzy, oparte na podobnych interakcjach lub podobnych problemach. Wyszukiwanie trendów w jakichkolwiek danych zwiększa aktywność działu IT, zapobiega powtórzeniom incydentów, a tym samym zwiększa satysfakcję końcowych użytkowników przy jednoczesnym obniżeniu kosztów IT.
- Inteligentne zgłoszenia. Użytkownicy końcowi oczekują, że zgłoszenie będzie tak proste, jak napisanie tweeta, czyli krótkiej wiadomości w naturalnym języku, opisującej problem lub prośbę, którą można wysłać e-mailem. A nawet po prostu załączyć zdjęcie usterki i wysłać je z urządzenia mobilnego. Rejestracja zgłoszenia smart przyspiesza proces tworzenia wniosku, automatycznie wypełniając wszystkie pola na podstawie tego, co napisał użytkownik końcowy lub skan obrazu przetworzony za pomocą programu do optycznego rozpoznawania znaków (OCR). Korzystając z zestawu danych obserwacji, technologia automatycznie klasyfikuje i kieruje zgłoszenia do odpowiednich agentów wsparcia. Agenci mogą przekazywać zgłoszenia różnym grupom wsparcia i mogą edytować automatycznie wypełnione pola, jeśli model uczenia maszynowego nie okazał się optymalny dla danego przypadku. System uczy się na nowych szablonach, co pozwala lepiej radzić sobie z pojawiającymi się problemami w przyszłości. To wszystko oznacza, że użytkownicy końcowi mogą łatwo i szybko otwierać zgłoszenia, co prowadzi do zwiększenia satysfakcji z korzystania z narzędzi roboczych. Ta funkcja również zmniejsza ilość pracy ręcznej i błędów oraz pomaga skrócić czas i koszty rozwiązania problemu.
- Smart email. To narzędzie przypomina zgłoszenia smart. Użytkownik końcowy może wysłać wiadomość do działu wsparcia, opisując problem w naturalnym języku. Narzędzie wsparcia tworzy zgłoszenie na podstawie treści e-maila oraz automatycznie odpowiada użytkownikowi końcowemu z linkami do proponowanych rozwiązań. Użytkownicy końcowi są zadowoleni, ponieważ otwieranie zgłoszeń i zapytań jest łatwe i wygodne, a agenci IT mają mniej pracy ręcznej.
- Smart zarządzanie zmianami. Uczenie maszynowe wspiera nowoczesną analitykę i zarządzanie zmianami. Biorąc pod uwagę częste zmiany, jakie są dziś wymagane w przedsiębiorstwach, systemy inteligentne mogą dostarczać agentom lub menedżerom ds. zmian sugestie mające na celu optymalizację środowiska i zwiększenie odsetka udanych zmian w przyszłości. Agenci mogą opisywać potrzebne zmiany w języku naturalnym, a możliwości analityczne będą sprawdzać zawartość pod kątem zmienionych elementów konfiguracji. Wszystkie zmiany są regulowane, a automatyczne wskaźniki informują menedżera ds. zmian, czy występują jakiekolwiek problemy związane z zmianą, takie jak ryzyko, planowanie w nieplanowanym oknie lub status „niezatwierdzono”. Kluczową zaletą inteligentnego zarządzania zmianami jest szybszy zwrot z inwestycji przy mniejszej liczbie konfiguracji, ustawień i w ostateczności – niższych kosztach.
Ostatecznie uczenie maszynowe i analityka przekształcają systemy ITSM dzięki inteligentnym założeniom i rekomendacjom dotyczącym problemów z wnioskami i procesem zmian, które pomagają agentom i zespołom wsparcia IT w opisywaniu, diagnozowaniu, przewidywaniu i zalecaniu, co się wydarzyło, co się dzieje i co się wydarzy. Użytkownicy końcowi otrzymują proaktywne, spersonalizowane i dynamiczne oceny analityczne oraz szybkie rozwiązania. Wiele z tego odbywa się automatycznie, tj. bez udziału człowieka. A ponieważ technologia uczy się z czasem, procesy stają się coraz lepsze. Ważne jest, aby zauważyć, że wszystkie opisane w tym artykule inteligentne funkcje są już dziś dostępne.
Źródło: habr.com
