Сервисная «эко-система»: автоматизация процесса предоставления услуг

Инцидент-менеджмент

Для автоматизации распределения задач при работе над сервисными проектами, экспертами компании был создан автоматический смарт-ассистент (АСА). Первоначально перед ним стояла задача распределения инцидентов. Ранее функция координатора на проектах выполнялась либо отдельными сотрудниками, либо переходила к инженерам. При поступлении заявки сотрудник определял, к какой команде необходимо ее направить. Затем требовалось найти исполнителя в рамках данной команды, предварительно проанализировав его загрузку и доступность. По окончании на исполнителя назначался тикет, и приходило уведомление в системе.

Задача ручного распределения инцидентов была довольно рутинной и длительной, в связи с этим было много негативной обратной связи от коллег. Члены команды Delivery Excellence задумались над тем, как можно автоматизировать эту работу. Аналогичная задача уже реализовывалась на одном из проектов компании, и впоследствии решение было внедрено на еще двух проектах для проведения полноценной пилотной фазы. Так, весной 2019 года заработал первый автоматический смарт-ассистент. После защиты результатов пилотирования перед менеджментом компании решение стало применяться на других проектах. В настоящее время их 6.

При автоматической маршрутизации заявок смарт-ассистентом учитывается доступность специалиста и его компетентность в решении подобных задач. Занятость инженера оценивается через мессенджеры (например, Skype for business, Microsoft Teams и другие), которые показывают статус (доступен\отсутствует) отдельного сотрудника. АСА, используя API мессенджеров, получает актуальный статус сотрудника и на основе этого принимает решение о его готовности оперативно подключиться к решению задач.

Уровень экспертизы отдельного инженера определяется на основании ряда параметров: подсчитывается количество выполненной в течение 24 часов работы сотрудником, учитывается процент рабочего дня, который специалист должен тратить на решение запросов или инцидентов, и оценивается, был ли ранее в работе данный запрос или инцидент у конкретного инженера.

Учёт этих факторов позволяет передать задачу наиболее квалифицированному и доступному специалисту, тем самым существенно сокращая время на решение.

Ежедневно на больших проектах поступает до 100 тикетов в день. Ранее на координацию одного из них тратилось около 5 минут. В среднем на распределение инцидентов сотрудникам требовалось до 8-ми часов в день. В результате автоматизации работы инцидент-координатора время реакции на инциденты и запросы сократилось на 82%, а время решения инцидентов — на 33%. Это позволило сотрудникам сконцентрироваться на решении стратегических задач.

Change — менеджмент

В результате успешного внедрения автокоординатора в подразделение Delivery Excellence стали обращаться коллеги с целью автоматизации части задач, выполняемых их сотрудниками. Одним из первых был запрос на автоматизацию работы с change task (англ. — запрос на изменения), в числе которых могут быть задачи по изменению конфигурации ИТ-инфраструктуры, рабочего места пользователя и т.п. Это функционал, схожий с координированием инцидентов, при котором приходится распределять задачи в запросах на изменение.
Кейс был взят в работу, команда Delivery Excellence просчитала возможные результаты и увидела потенциальный эффект от реализации. Впоследствии данное решение было успешно применено и реализовано. Теперь в дополнение к управлению инцидентами была автоматизирована часть еще одного ITIL-процесса — управление изменениями.

Решение АСА не только сократило время жизни запросов на изменения, но и позволило максимально использовать потенциал сотрудников компании. Сегодня АСА позволяет сократить трудозатраты на координацию инцидентов и запросов на 5%.

Управление знаниями

Дальнейшее расширение функционала АСА шло в сторону работы умных подсказок, всплывающих перед инженером, распределяющим заявки. При назначении тикета не просто указывается описание задачи, но и даются умные подсказки: похожие тикеты, отработанные ранее, открытые ченджи и проблемы, возможные для данного тикета, тикеты, которые подавались ранее от этого же пользователя или по данной конфигурационной единице, и прочее. При этом используются накопленные данные, которые есть в данный момент в ITSM-системе. Согласно определенной логике, мы осуществляем поиск похожих тикетов, сбор статистики с ITSM-системы. Ранее инженеру нужно было искать аналогичные проблемы и запросы через медленный интерфейс ITSM-системы. А сейчас смарт-ассистент группирует и показывает их инженеру в виде определенных секций, что уменьшает время на обработку тикета.

Таким образом, на сегодняшний день решение АСА позволяет не только выполнять координацию задач, но и помогает специалистам через систему рекомендаций, проводит аналитику по внештатным ситуациям и инцидентам, способствует формированию Баз знаний (Knowledge Base) для быстрого решения аналогичных инцидентов, запросов пользователей.

Функционал АСА: текущий и ожидаемый

АСА — многофункциональное решение, которое, используя современные технологии машинного обучения, выполняет следующие задачи:

— анализирует текст обращений пользователей или инцидентов;

— классифицирует поступившие обращения и направляет их наиболее доступному и компетентному инженеру для последующего решения;

— через чат-боты оповещает инженеров о событиях в ITSM, новых назначениях, истекающем SLA и других изменениях. Бот, к примеру, может отслеживать отложенные тикеты, по которым в скором времени истекает срок, и при их обнаружении сообщает инженеру (к примеру, через Skype) о необходимости обновить тикет. При этом инженеру не нужно обращаться в ITSM-систему, он может ответить боту, а тот на основании диалога вносит в log инцидента записи.

— предлагает решения на основе истории по решенным сбоям и другие.

 На данный момент благодаря автоматизации части задач смарт-ассистентом, предоставление сервисов в компании ICL Services носит гибридный характер, поскольку в этом процессе участвуют как сотрудники, так и ITSM-ассистент (ИИ, бот). Но работа по развитию данного решения продолжается, функционал растет.

 Ряд задач АСА находится на стадии разработки/внедрения. Среди них: автоматический анализ трендов, автоматизация решения запросов на обслуживание, поддержка принятия решений и другие. В планах находится дальнейшая автоматизация решений, в частности, создание полностью автоматических решений по инцидентам, их интеллектуальная группировка. Подробнее с функционалом смарт-ассистента можно ознакомиться на схеме 1.

 Схема 1. Задачи автоматического смарт-ассистента



 Несмотря на то, что в общей практике уже сформировался универсальный набор рекомендаций в работе с ITIL и технологиями машинного обучения (к примеру, White Paper от Axelos касательно ITIL 4), задающий области работы в Сервис Деске и информационной безопасности, они по большей части носят обобщающий характер. В компании ICL Services на сегодняшний день выработан собственный подход по дальнейшей работе над улучшением функциональной части смарт-ассистента. Отстройка задач начинается с идей, поступающих в воронку от конечных пользователей — сотрудников, которые предоставляют сервисные услуги. Они дают направление, озвучивая собственные пожелания и проблемы, что позволяет формировать целостную экосистему умных помощников вокруг наших сервисов.

Заключение

С появлением современных технологий задачи, которые раньше зависели от людей, теперь передаются машинам. Одним из таких инструментов и стал смарт-ассистент, позволяющий автоматизировать часть задач, которые находятся в зоне ответственности сотрудника, и направить высвобожденные ресурсы на улучшение сервисного обслуживания. Данное решение приобретает особое значение в условиях глобального тренда на цифровизацию бизнеса.

Решения, которые поддерживают ITIL-процессы, не являются абсолютным ноу-хау и уже существуют на рынке. В числе мировых лидеров, к примеру, ITSM-система, которую разрабатывает компании Almond и ServiceNow. Но речь идет скорее о коробочных решениях, цена которых однозначно не будет дешевой. Определяя нишу АСА на мировом рынке ИТ-решений, следует отметить гибкость и адаптивность инструментария, его экономическую эффективность в качестве основных преимуществ. При выборе инструментов МО следует соблюдать баланс стоимости эксплуатации решения и необходимого качества моделей МО. При разработке АСА эксперты ICL Services в зависимости от поставленной задачи используют как легкие, так и сложные модели МО. В ряде случае использование широко распространенных библиотек МО, нетребовательных к вычислительным ресурсам систем позволяет сокращать издержки эксплуатации.

Значимость смарт-ассистента также возрастает благодаря возможности его кастомизации под конкретные задачи. Решение работает без привязки к конкретным ITSM-системам и может быть размещено как в центрах обработки данных (ЦОД) заказчика, так и в популярных облачных средах. Это позволяет разрешать персонифицированные запросы под потребности отдельного сервиса.

Решение АСА также позволяет экономить более 3200 часов рабочего времени сотрудников. АСА координирует более 150 тыс. запросов на обслуживание и инцидентов в год. Ежедневно выдается более 100 рекомендаций по решению.