Ang artificial intelligence (AI) ay na-highlight bilang isang pangunahing trend ng IT service management (ITSM) noong 2021.

Nagsisimula nang gumamit ang mga organisasyon ng IT ng iba't ibang mga diskarte sa AI at machine learning para pahusayin at pahusayin ang mga proseso ng pamamahala ng serbisyo sa IT. Dahil sa kasaganaan ng data na nabuo ng mga system ng ITSM, ang paglalapat ng machine learning sa mga proseso ng ITSM ay may malaking kahulugan dahil maaari itong magbigay sa mga propesyonal sa IT ng mas malalim na pag-unawa sa kanilang imprastraktura at mga pamamaraan.

Nag-aalok ang machine learning ng mga insight na makakatulong sa mga organisasyon sa pagbibigay-priyoridad sa mga isyu sa ITSM, paggawa ng maagap na pagkilos, pagliit ng oras sa pagresolba, at sa gayon ay mapataas ang produktibidad ng empleyado.

Handa ka na bang magsaliksik nang mas malalim? Narito ang sampung paraan na binabago ng AI at machine learning ang mga kaso ng paggamit sa ITSM sa paraan ng paghahatid ng mga serbisyo sa IT.

10 AI at Machine Learning Use-cases sa ITSM

Epekto ng AI at ML sa ITSM na may 10 totoong kaso ng paggamit

1. Mga Virtual na Ahente

Ang isa sa mga pinaka-karaniwan at mabilis na lumalagong mga application ng AI sa ITSM ay ang paggamit ng "mga virtual na ahente" na nagbibigay sa mga user ng mas mabilis na access sa mga kakayahan sa self-service o isang naaangkop na pangkat ng pagtatalaga sa IT na makakayanan ang kanilang mga alalahanin sa lalong madaling panahon.

Depende sa uri ng isyu, maaaring malutas at isara ang ilang partikular na tiket gamit ang teknolohiya na may mataas na antas ng katumpakan at nang hindi nangangailangan ng interbensyon ng tao. Halimbawa, kapag gumagamit ang mga end-user ng mga virtual na ahente, maaari silang makakuha ng mga maagang tugon na may automated na tugon na may pinakamalamang na solusyon sa kanilang isyu nang hindi man lang kinakailangang magtaas ng ticket. Tinitiyak ng mga virtual na ahente ang real-time, pare-pareho, at epektibong pag-uusap kung saan malulutas ang mga insidente nang hindi nangangailangan ng manu-manong interbensyon, sa gayon, makatipid ng oras, gastos, at pagsisikap.

2. Intelligent Ticket Assignment

Ang mga team ng IT service desk ay may iba't ibang set ng kasanayan, at ang ilang mga technician ay mas mahusay kaysa sa iba sa pagtugon sa ilang mga uri ng mga kahilingan sa IT. Kaya, ang mga service desk technician ay madalas na gumugugol ng malaking halaga ng oras sa manu-manong pag-uuri at paglalaan ng mga tiket sa mga naaangkop na technician.

Ang pagpapatupad ng AI sa ITSM, ang mga tiket ay maaaring awtomatikong matukoy, ma-categorize, ma-prioritize, at mailaan sa tamang technician o support group nang hindi nangangailangan ng mga technician na manual na basahin ang nilalaman ng ticket para magpasya.

Tinutulungan ng machine learning ang mga service desk na matuto mula sa nakaraang karanasan at data upang matalinong magtalaga ng mga tiket sa mga nauugnay na technician o grupo ng suporta, kaya na-automate ang proseso ng pagtatalaga ng tiket, binabawasan ang mga oras ng pagresolba, at pinapataas ang kahusayan ng mga service desk team.

3. Automation ng Service Desk

Ang service desk at mga gawain sa pagpapatakbo tulad ng pagpapatupad ng mga kahilingan sa serbisyo, paglutas ng mga tiket sa insidente, at paghahatid ng mga pagbabago ay gumagamit ng humigit-kumulang 70-80% ng mga mapagkukunan. Maaaring gamitin ng mga organisasyon ang AI upang matalinong i-automate ang mga naturang aktibidad upang ang mga technician ay makagugol ng mas maraming oras sa pagbabago at pagtulong sa kumpanya na makamit ang mga layunin nito.

Halimbawa, maaaring sanayin ang mga service desk na awtomatikong aprubahan ang mga kahilingan sa suporta batay sa tungkulin, responsibilidad, departamento, at iba pang katangian ng empleyado sa pamamagitan ng paggamit ng machine learning. Kaya, ipagpalagay na ang isang empleyado ay naghahanap ng access sa software, ang service desk ay maaaring agad na pahintulutan ang kahilingan at mag-trigger ng isang daloy ng trabaho nang hindi nangangailangan ng pag-apruba mula sa pamamahala upang makatipid ng oras at mga mapagkukunan.

4. Maagap na Paglutas ng Problema

Ang malaking data at mga pagsulong ng analytics ay nagdaragdag sa mga kakayahan sa predictive at correlative ng ITSM. Ang mga solusyon sa AI at machine learning batay sa pagtatasa ng repository at mga pattern ng aktibidad ng user ay maaaring makatulong na mabawasan ang bilang ng mga insidente sa IT na nakatagpo ng mga end-user at kahit na mahulaan at matupad ang mga kahilingan ng user bago nila napagtanto na mayroon silang isyu.

Habang patuloy na natututo ang system mula sa mga nakaraang kaganapan, maaaring mahulaan ang mga isyu tulad ng IT outages at indibidwal na pagkasira ng asset at awtomatikong maipapatupad o mairekomenda ang mga pag-aayos. Binibigyang-daan ng AI ang mas mahusay, mas mabilis, mas maagap, at automated na paglutas ng problema ng mga isyu na dulot ng mga pagbabago sa kapaligiran, gawi ng end-user, o mga serbisyo.

5. Anomalya Detection

Ang ilang mga insidente sa IT ay maaaring hindi ma-detect sa mga tradisyonal na tool ng ITSM. Maaaring sanayin ang mga modelo ng AI/ML upang matukoy ang mga anomalya at i-flag ang mga umuulit na insidente sa maraming IT system. Maaari pa silang tumulong sa pag-alerto sa mga IT team sa isang isyu sa IT bago pa man mangyari ang isang insidente.

6. Pamamahala ng Kaalaman na pinapagana ng AI

Ang pamamahala ng kaalaman ay maaaring gumamit ng malalim na teknolohiya sa pag-aaral upang mag-alok ng mga solusyon mula sa repositoryo o maghanap sa cloud upang mag-alok ng naaangkop na solusyon upang matulungan ang mga user na malutas ang mga isyu sa IT. Sa ganitong paraan, makakatipid ang mga organisasyon ng oras sa pamamahala sa knowledge base at tumuon sa mahusay na pagbabahagi ng kaalaman sa mga technician at end-user.

Ang machine learning ay hindi lamang nakakatulong sa pag-detect at pamamahagi ng kaalaman ngunit makakatulong din ito sa paglikha ng kaalaman. Ito man ay pagtukoy ng mga gaps sa kaalaman sa pamamagitan ng pagsusuri sa pinagsama-samang data ng ticket ng insidente o pagsasalin ng mga dokumentadong resolution ng ticket sa kaalaman sa pamamagitan ng pagpapatupad ng mga algorithm upang mahanap ang pinakanauugnay at mahalagang impormasyon, makakatulong ang machine learning sa service desk team na matukoy ang mga lugar ng problema at lumikha ng mga nauugnay na solusyon at mga artikulo sa knowledge base .

7. AI-drivenChange Management

Ang isang proseso ng ITSM na maaaring magkaroon ng kritikal na epekto sa imprastraktura ng IT ng kumpanya ay ang pamamahala sa pagbabago. Ang mga pagbabago ay sumasailalim sa malawakang pagpaplano at pagtatasa ng panganib bago sila ipatupad. Gayunpaman, sa kabila ng pagsisikap na ito, ang mga pagbabago ay maaaring mabigo sa pagkakamali ng tao. Habang sinusuri ang mga pagbabago, minsan nahihirapan ang mga technician at user na kunin ang mga insight mula sa napakalaking dami ng data na nilikha ng IT change management at pagpapatupad ng pagbabago. Sa pamamagitan ng pag-aalis ng bahagi ng tao at pagpapahusay ng pagsusuri, makakatulong ang AI sa pagpapagaan sa mga panganib na nauugnay sa pamamahala ng pagbabago.

Sa pamamagitan ng pagpapatupad ng mga teknolohiya sa pag-aaral ng machine, maaaring makilala ang mga posibleng panganib at maiulat sa manager ng pagbabago upang maisagawa ang diskarte sa pag-backout. Pinapadali din ng machine learning ang pagsusuri at pagpaplano ng mga kahilingan sa pagbabago upang maayos na maiiskedyul ang mga ito.

8. Intelligent AssetLife Cycle Management

Ang isang malaking bilang ng mga isyu sa IT ay lumitaw bilang isang resulta ng mga hindi napapanahong mga asset ng IT na lumala sa pagganap. Makakatulong ang machine learning sa awtomatikong pagtukoy kung aling mga asset ang malamang na mabigo nang madalas, batay sa mga katangian gaya ng kanilang mga antas ng performance, mga insidente sa IT na nauugnay sa kanila, at iba pa. Kapag natukoy na ang mga naturang asset, maaaring gamitin ng service desk ang machine learning para ipaalam sa mga technician at posibleng tumulong sa pag-order ng mga kapalit.

9. Predictive Analytics sa Mga Paglabag sa FlagSLA

Maaaring gamitin ang predictive analytics upang pag-aralan ang data ng performance sa loob at sa kabuuan ng mga organisasyon upang matukoy ang mga posibleng isyu. Maaaring gamitin ang kaalamang ito upang payuhan ang mga user o ang IT service desk sa mga alternatibong pamamaraan upang malutas ang mga kahilingan na isinasaisip na nakakatugon sila sa mga kasunduan sa antas ng serbisyo.

Kung may paglabag sa SLA, maaaring kailanganin ng ticket na i-escalate para makapagbigay ng napapanahong resolusyon sa user. Dito makakatulong ang automation sa pagpaparami ng malalaking isyu sa mga naaangkop na tao sa sandaling mangyari ang paglabag sa SLA. Sa pamamagitan ng pagpapatupad ng automation, ang mga panuntunan sa pagtaas ng tiket ay maaaring gawin para sa pag-align ng mga insidente sa naaangkop na mga miyembro ng team sa operational hierarchy.

10. Mga Kakayahan at Rekomendasyon ng SmartSearch

Ang AI ay humihimok ng matalinong mga kakayahan sa paghahanap na makakatulong sa mga user na mahanap ang mga tamang sagot sa kanilang mga isyu batay sa mga dating ginamit na katulad na keyword sa paghahanap. Ang paghahanap na hinimok ng AI ay hindi tulad ng mga pangunahing kakayahan sa paghahanap na ginagamit na ng IT at mga end-user sa ITSM at mga tool sa self-service, maaari itong magpakita ng maraming nauugnay na opsyon sa paghahanap na may mataas na katumpakan.

Magagamit din ang machine learning para magbigay ng mga matalinong suhestyon, tulad ng nakukuha ng mga user mula sa Google o Netflix. Maaaring kabilang dito ang inirerekomendang impormasyon o mga solusyon para sa mga service desk technician o mga end-user na gumagamit ng self-service upang pabilisin ang proseso ng pagresolba at ilihis ang mga L1 ticket. Ang mga suhestyon na binuo ng AI ay maaaring magrekomenda ng katulad o nauugnay na insidente sa IT, artikulo ng mga solusyon, o item sa pagsasaayos upang maalis ang pagsisikap na tumuklas ng isang item at pagkatapos ay hanapin ito.

4 Mga Benepisyo ng Paggamit ng AI sa ITSM

May potensyal ang AI na baguhin hindi lamang ang mga IT service desk at IT service desk team, kundi pati na rin ang buong enterprise. Bago tumalon ang mga organisasyon sa AI bandwagon, narito ang maaasahan nilang makukuha mula rito.

  1. Paggawa ng desisyon na batay sa data: Maaaring mag-alok ang Artificial Intelligence ng mga real-time na insight sa imprastraktura ng IT na hindi kayang gawin ng mga tao, na nagreresulta sa matalino at mas mabilis na paggawa ng desisyon lalo na kapag nahaharap sa mga hindi inaasahang isyu.
  2. Tumaas na Kahusayan para sa Mga IT Team: Sa karamihan ng mga organisasyon, ang karamihan ng oras ay ginugugol pa rin sa paghawak ng mga paulit-ulit na query at isyu. Kaya kahit na ang automation ay itinuturing na isang banta sa mga trabaho, ang katotohanan ay walang sinuman ang nasisiyahan sa pagsasagawa ng nakakapagod at paulit-ulit na mga gawain. Sa katunayan, sa pamamagitan ng pag-automate ng mga paulit-ulit na proseso, ang mga IT technician ay mapapalaya upang tumuon sa mas nakakaengganyo na trabaho tulad ng mga inisyatiba sa pagpapahusay ng serbisyo.
  3. Pinahusay na Produktibo ng Empleyado: Makakatulong ang AI sa mga end-user sa pagtuklas at paglalapat ng impormasyon, tulad ng pag-access sa mga partikular na dokumento o artikulo sa knowledge base o pagdidirekta ng isang tawag o pakikipag-chat sa tamang technician upang malutas ang isyu sa lalong madaling panahon.
  4. Matatag na Kapaligiran ng IT: Mula sa pag-detect at pag-log ng mga isyu hanggang sa paglutas ng mga ugat ng mga isyu, ang AI ay maaaring lubos na mapahusay ang pamamahala ng insidente. Bilang resulta, ang automation ay magpapatatag sa kapaligiran ng IT at magbibigay sa mga negosyo ng isang mas mahusay na pundasyon upang suportahan ang kanilang digital na pagbabago.

Konklusyon

Upang umani ng pinakamataas na benepisyo mula sa pagpapatupad ng AI, dapat munang maingat na idokumento ng mga IT service desk technician ang lahat ng kahilingan, problema, at pagbabago upang mapanatili ang isang tumpak na IT service desk database at lumikha ng isang komprehensibong base ng kaalaman.

Walang alinlangan na ang AI sa ITSM ay maaaring makabuluhang mapabuti ang paghahatid ng serbisyo, ngunit kung ang mga organisasyon ay nais na tunay na umunlad sa AI adoption, dapat silang bumuo ng isang diskarte upang mapagtanto ang buong benepisyo ng AI alinsunod sa kanilang mas malalaking layunin sa negosyo.