TADетали:
Как внедрить искусственный интеллект в службу поддержки пользователей?
Сегодня компании по всему миру активно ищут пути повышения производительности и эффективности, опираясь на передовые технологии. В последние годы мейнстримом стали технологии искусственного интеллекта (ИИ) и машинного обучения (МО), они активно применяются в реальных бизнес-задачах. Результаты исследований, проводимых по всему миру, показывают, что технологии ИИ и МО в ближайшие годы будут наиболее востребованы как в автоматизации рутинных операций, так и в сложных задачах, там, где человеку тяжело самостоятельно принимать решение. Как автоматизировать с применением ИИ и МО обработку заявок пользователей ИТ-систем, помог разобраться Константин Родионов, старший руководитель группы в компании ICL Services (АйСиЭл Сервисез).
Содержание |
ИИ и МО для Сервис Деска
Одной из самых объемных задач в текущий момент на рынке ИТ-аутсорсинга является работа, связанная с обработкой запросов пользователей и инцидентов в ИТ-системах. В их растущем объеме проблема балансировки задач и верного пути их эскалирования становится все более трудоемкой и важной. Очень часто запросы пользователей содержат расплывчатые формулировки проблем, агентам служб обработки заявок (Сервис Деск) тяжело корректно классифицировать такие запросы и передавать компетентному инженеру.
В целях решения этой задачи эксперты ИТ-сервисной компании ICL Services несколько лет назад разработали и по текущий момент успешно реализуют комплексное решение по автоматизации данного процесса. Таким решением стал автоматический смарт-ассистент (ACA), позволяющий анализировать текст обращений пользователей или инцидентов, а также классифицировать их средствами МО, выбирая наиболее доступного и компетентного инженера – агента службы Сервис Деска – для последующего решения.
Инновационность автоматического смарт-ассистента (АСА) заключается в активном применении классических методов автоматизации процессов наряду с современными технологиями МО.
![]() | Эксперты компании ICL Services при разработке автоматического смарт-ассистента, в первую очередь, сосредоточились на рутинных операциях. Одной из таких задач является распределение запросов пользователей и инцидентов согласно требуемой экспертизе команды и отдельного инженера. Благодаря подготовленным моделям машинного обучения стало возможным учитывать экспертизу отдельных сотрудников и сопоставлять их с каждым конкретным случаем, обращением пользователя ITSM-систем. Константин Родионов, старший руководитель группы, ICL Services
| ![]() |
Учет текущей нагрузки специалиста с точки зрения рабочего расписания позволяет определить самого доступного из выбранных экспертов. В решении этой задачи важно учитывать много аспектов и параметров работы инженеров поддержки и группы Сервис Деска. У каждой компании может быть свой подход к ответу на вопрос о доступности инженеров: от учета расписания до проверки статусов в корпоративном мессенджере. Автоматизировать также можно распределение по уровням поддержки на 2-ю и 3-ю линии, с учетом сделанного за определенный период времени.
Классификация запросов
Нередко технологических направлений, оказывающих поддержку ИТ-инфраструктур заказчиков, бывает огромное количество – иногда больше ста. В такой ситуации новому агенту службы поддержки первой линии (Сервис Деска) требуется помощь в классификации запросов. Эту задачу решает обученный на исторических данных алгоритм МО. Для решения такой задачи требуется объединение усилий специалистов, связанных с аналитикой данных и МО, а также специалистов, курирующих автоматизацию процессов ITSM.
Используя имеющуюся базу данных тикетов ITSM-систем, стало также возможно подготовить модели МО для классификации их по приоритету, определению технологического стрима и другим показателям. В комплексе возможно решение сквозной задачи передачи инцидента от пользователя сразу на уровень L2L3 требуемого технологического направления, выбрав при этом самого доступного инженера.Сергей Петренко, МТС RED: ИБ-игроки строят экосистемы, чтобы обеспечить заказчика интегрированными средствами защиты
'Функции автоматического смарт-ассистента (АСА)'
Оповещение о событиях в ITSM-системе
Не менее важными можно считать автоматизации, направленные на оповещение инженеров о событиях в ITSM (например, смена статуса инцидента из «в ожидании» в «получен ответ») через роботизированные чат-боты; сообщения о новых назначениях, истекающем SLA и другие.
Компания ServiceNow, как лидер ITSM-систем на мировом рынке, уделяет особенное внимание новым решениям, связанным с чат-ботами и применением МО (сервис Predictive intelligence). Но не все эти решения подходят с точки зрения необходимости разрабатывать процессы ITIL внутри самой ITSM с помощью встроенных workflow или использования облачного сервиса вендора для создания и использования моделей МО и применения ИИ.
![]() | Достаточно распространенный и простой в реализации способ автоматизации – это использование API ITSM-систем, позволяющих избежать зависимости от групп поддержки ITSM-решений и вести самостоятельную и непрерывную работу по автоматизации и улучшению процессов, а также снизить затраты на такие работы за счет внутренних инициатив и рабочей силы, – рекомендует Константин Родионов. | ![]() |
Простые и сложные модели МО: что выбрать?
Качественная подготовка данных перед обучением модели МО является ключевым шагом в создании точных алгоритмов. Данные после извлечения из ITSM-систем очищаются, текст переводится в численно-векторный формат. После обучения каждая из моделей должна проверяться на точность в соответствии с заложенными параметрами и только после успешного прохождения тестирования подключаться к работе в решении.
При выборе инструментов МО следует соблюдать баланс стоимости эксплуатации решения и необходимого качества моделей МО. Исследования и обширная практика компании ICL Services показала, что не всегда рационально использовать сложные методы и алгоритмы создания моделей МО. Иногда правильнее сделать выбор в сторону широко распространенных библиотек МО, нетребовательных к вычислительным ресурсам систем. Использование «легких» методов и библиотек МО позволяет сокращать издержки эксплуатации.
Для более сложных вычислений там, где требования к информационной безопасности данных это позволяют, компания ICL Services на своих мощностях также готовит модели МО, в том числе с построением нейронных сетей. Решение АСА работает без привязки к конкретным ITSM-системам и может быть размещено как в центрах обработки данных (ЦОД) заказчика, так и в популярных облачных средах. Оно имеет свой API для настройки под любую ITSM-систему и обладает гибкостью, позволяющей автоматизировать практически любой ITIL-процесс.
Высокий ROI и SLA: что еще?
Ранее задачу обработки запросов выполняли люди. В условиях большого количества запросов, распределенных команд и специфики проблем она имела рутинный характер. Методы вытягивания специалистами задач из ITSM-систем занимали время инженеров и агентов группы поддержки пользователей, руководителям групп специалистов необходимо было вовлекаться в балансировку нагрузки внутри команд. Полезный эффект от сокращения ручного труда сильно зависит от специфики работы команды, тех проблем, которые им приходится решать повседневно.
![]() | Исходя из нашего опыта, решение АСА показывает положительный возврат инвестиций (ROI) уже на командах поддержки от 10 специалистов и более. Благодаря активному применению методологии DevOps, интеграция решения проходит в кратчайшие сроки, а ее развитие точно следует интересам вовлеченных и заинтересованных сторон. Это также в существенной степени позволяет достигать высокой эффективности на ранних этапах проекта, – отмечает Константин Родионов. – В результате автоматизации процесса обработки заявок один из наших заказчиков получил молниеносную реакцию требуемых групп поддержки, сократилось время реакции (Response SLA). С другой стороны, мы помогли исключить возможность ошибки со стороны агента службы Сервис Деска при определении технологического стрима, устранив по возможности агентов из ручной обработки. Заказчик сэкономил время агентов и сократил общее время жизни тикетов за счет быстрой передачи. | ![]() |
Справедливые и прозрачные правила распределения задач с учетом специфики и уровня квалификации специалистов повышают вовлеченность и мотивацию большинства сотрудников. Менеджмент компаний, внедривших АСА, отмечает положительный вклад с точки зрения минимизации времени обработки инцидентов и запросов, быстрой реакции на проблемы и сбои, сокращения издержек и рабочего времени для выполнения работы инженерами и другими специалистами.
На сегодняшний день АСА также помогает специалистам в решении проблем через систему рекомендаций, проводит аналитику по внештатным ситуациям и инцидентам, способствует формированию баз знаний (Knowledge Base) для более быстрого решения схожих инцидентов и запросов пользователей. Взаимодействовать с ITSM-системами теперь можно не только через стандартный интерфейс, но и через бот-сервис в составе решения АСА, что добавляет гибкости и удобства в работу специалистов.
В заключение следует отметить, что за несколько лет применения решения АСА были обработаны сотни тысяч событий в ITSM-системах, ежедневно достигаются высокие показатели SLA по предоставляемым сервисам. Компания ICL Services с интересом продолжает развивать и активно внедрять новые решения, основанные на технологиях ИИ и МО, для удовлетворения как собственных внутренних нужд, так и бизнес-задач заказчиков – компаний крупного бизнеса.
Смотрите также
- Искусственный интеллект (ИИ, Artificial intelligence, AI)
- Машинное обучение (Machine Learning)
- Service Desk, IT Service Management, Системы управления ИТ-службой