Как внедрить искусственный интеллект в службу поддержки пользователей

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.

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 L2\L3 требуемого технологического направления, выбрав при этом самого доступного инженера.

А об оповещении о событиях в ITSM-системе, различных моделях машинного обучения и повышении основных показателей читайте подробнее на TAdviser.