Em 2018, solidificamos nossas posições – os serviços de gestão de TI (ITSM) e os serviços de TI continuam suas operações, apesar das constantes conversas sobre quanto tempo mais conseguirão se manter na era da revolução digital. De fato, a demanda por serviços de suporte técnico está crescendo – no Relatório de Suporte Técnico e no Relatório de Salários (Help Desk Institute) de 2017 indica que 55% dos serviços de suporte técnico relataram um aumento no volume de chamados no último ano.
Por outro lado, muitas empresas relataram uma diminuição no volume de chamadas para suporte no ano passado (15%) em comparação com 2016 (10%). O principal fator que contribuiu para a redução no número de chamados foi o suporte técnico autônomo. No entanto, a HDI também informa que, no ano passado, o custo por chamado aumentou para 25 dólares em comparação com 18 dólares em 2016. Isso não é o que a maioria dos serviços de TI almeja. Felizmente, a automação baseada em análises e aprendizado de máquina pode melhorar processos e a eficiência do suporte ao reduzir erros e aumentar a qualidade e velocidade. Às vezes, isso vai além das capacidades humanas, e o aprendizado de máquina e a análise são a base fundamental para um suporte técnico inteligente, acolhedor e ágil.
Este artigo explora mais detalhadamente como o aprendizado de máquina pode resolver muitos problemas de suporte e ITSM relacionados ao volume e custo dos chamados, e como criar um suporte mais rápido e automatizado que os funcionários da empresa terão prazer em utilizar.
ITSM eficaz através do aprendizado de máquina e análise
Minha definição favorita de aprendizado de máquina vem da empresa :
“O aprendizado de máquina ensina os computadores a fazer o que é natural para pessoas e animais – aprender com a própria experiência. Os algoritmos de aprendizado de máquina usam métodos computacionais para aprender informações diretamente dos dados, sem depender de uma equação pré-definida como modelo. Os algoritmos adaptativamente melhoram sua própria eficácia à medida que o número de amostras disponíveis para aprendizado aumenta.”
As funcionalidades abaixo estão disponíveis para algumas ferramentas de ITSM baseadas em tecnologias de machine learning e análise de grandes dados:
- Suporte através de um bot. Agentes virtuais e chatbots podem automaticamente oferecer notícias, artigos, serviços e propostas de suporte de catálogos de dados e consultas públicas. Esse suporte 24/7 na forma de programas de treinamento oferecidos aos usuários finais ajuda a resolver problemas com muito mais rapidez. Os principais benefícios do bot incluem uma interface de usuário aprimorada e um menor volume de solicitações de entrada.
- Notícias e notificações inteligentes. Essas ferramentas permitem informar os usuários antecipadamente sobre problemas potenciais. Além disso, profissionais de TI podem recomendar soluções alternativas para problemas utilizando notificações personalizadas, que fornecem aos usuários finais informações relevantes e úteis sobre os problemas que podem enfrentar, além de dicas sobre como evitá-los. Usuários informados valorizam o suporte ativo de TI, e o número de solicitações de entrada diminui.
- Busca inteligente. Quando os usuários finais procuram informações ou serviços, um sistema de gerenciamento de conhecimento contextualmente dependente pode fornecer recomendações, artigos e links. Os usuários finais geralmente ignoram parte dos resultados, preferindo outros. Esses cliques e visualizações são incluídos nos critérios de 'ponderação' durante a reindexação do conteúdo ao longo do tempo, assim as funcionalidades de busca são ajustadas dinamicamente. Como os usuários finais fornecem feedback na forma de votos 'curtir/descurtir', isso também afeta a classificação do conteúdo que eles e outros usuários podem encontrar. Em termos de benefícios, os usuários finais podem encontrar respostas rapidamente e se sentir mais confiantes, enquanto os agentes de suporte têm a capacidade de atender mais solicitações e alcançar mais acordos de nível de serviço (SLA).
- Análise de temas populares. Aqui, as capacidades analíticas revelam padrões a partir de fontes de dados estruturadas e não estruturadas. Informações sobre tópicos populares são apresentadas graficamente em um mapa de calor, onde o tamanho dos segmentos corresponde à frequência de tópicos ou grupos de palavras-chave solicitados pelos usuários. Incidentes recorrentes serão identificados instantaneamente, agrupados e resolvidos em conjunto. A análise de tópicos populares também identifica clusters de incidentes com uma causa raiz comum, reduzindo significativamente o tempo para identificar e resolver o problema subjacente. Além disso, a tecnologia pode automaticamente criar artigos na base de conhecimentos, com base em interações semelhantes ou problemas similares. A busca por tendências em quaisquer dados aumenta a atividade do departamento de TI, previne a repetição de incidentes e, consequentemente, melhora a satisfação dos usuários finais, enquanto reduz os custos com TI.
- Solicitações inteligentes. Os usuários finais esperam que enviar um pedido não seja mais complicado do que escrever um tweet, ou seja, uma mensagem curta em linguagem natural que descreva o problema ou solicitação, que possa ser enviada por e-mail. Ou até mesmo anexar uma foto do problema e enviá-la a partir de um dispositivo móvel. O registro de um pedido inteligente acelera o processo de criação de solicitações, preenchendo automaticamente todos os campos com base no que o usuário final escreveu ou em uma imagem digitalizada processada por software de reconhecimento óptico de caracteres (OCR). Utilizando um conjunto de dados de observações, a tecnologia classifica automaticamente e endereça as solicitações aos agentes de suporte apropriados. Os agentes podem redirecionar as solicitações para diferentes grupos de suporte e podem reescrever campos preenchidos automaticamente, caso o modelo de aprendizado de máquina não seja o mais adequado para aquele caso. O sistema aprende com novos padrões, permitindo lidar melhor com problemas futuros. Tudo isso significa que os usuários finais podem abrir solicitações de forma fácil e rápida, o que resulta em maior satisfação ao usar ferramentas de trabalho. Essa funcionalidade também reduz o volume de trabalho manual e erros, ajudando a diminuir o tempo e os custos de resolução.
- E-mail inteligente. Esta ferramenta é similar ao pedido inteligente. O usuário final pode enviar um e-mail para o suporte técnico e descrever o problema em linguagem natural. A ferramenta de suporte técnico cria um pedido com base no conteúdo do e-mail e também responde automaticamente ao usuário final com links para soluções sugeridas. Os usuários finais ficam satisfeitos, pois abrir pedidos e consultas é fácil e conveniente, e os agentes de TI têm menos trabalho manual.
- Gerenciamento inteligente de mudanças. A aprendizagem de máquina também suporta análises modernas e gestão de mudanças. Considerando a frequência das alterações que as empresas exigem hoje, sistemas inteligentes podem fornecer sugestões a agentes ou gerentes de mudanças, voltadas para otimizar o ambiente e aumentar a taxa de sucesso das mudanças no futuro. Os agentes podem descrever as mudanças necessárias em linguagem natural, enquanto as capacidades analíticas vão verificar o conteúdo para detectar elementos de configuração afetados. Todas as mudanças são regulamentadas, e indicadores automáticos informam ao gerente de mudanças se há algum problema com a alteração, como risco, agendamento em uma janela não planejada ou status "não aprovado". A principal vantagem da gestão inteligente de mudanças é um retorno mais rápido do investimento, com menos configurações, ajustes e, no final, menores custos financeiros.
Em última análise, a aprendizagem de máquina e a análise transformam os sistemas ITSM por meio de suposições inteligentes e recomendações sobre problemas com solicitações e no processo de mudanças, que ajudam agentes e grupos de suporte de TI a descrever, diagnosticar, prever e prescrever o que aconteceu, o que está acontecendo e o que acontecerá. Os usuários finais recebem avaliações analíticas proativas, personalizadas e dinâmicas e soluções rápidas. Grande parte disso acontece automaticamente, ou seja, sem a intervenção humana. E à medida que a tecnologia aprende ao longo do tempo, os processos ficam cada vez melhores. É importante notar que todas as funções inteligentes descritas neste artigo estão disponíveis já hoje.
Fonte: habr.com
