En 2018, consolidamos firmemente nuestras posiciones: los servicios de administración de servicios de TI (ITSM) y los servicios de TI aún continúan operando, a pesar de las continuas conversaciones sobre cuánto durarán en la revolución digital. De hecho, la demanda de servicios de soporte técnico está creciendo: el Informe de Soporte Técnico y el Informe de Salarios
HDI (Help Desk Institute) para 2017 indican que el 55% de los servicios de soporte técnico notaron un aumento en el volumen de solicitudes durante el año pasado.
Por otro lado, muchas compañías notaron una disminución en el volumen de llamadas de soporte técnico el año pasado (15%) en comparación con 2016 (10%). Un factor clave que contribuyó a una disminución en el número de aplicaciones fue el soporte técnico independiente. Sin embargo, HDI también informa que el año pasado el costo de la solicitud aumentó a $ 25, en comparación con $ 18 en 2016. Esto no es lo que buscan la mayoría de los servicios de TI. Afortunadamente, la automatización basada en análisis y aprendizaje automático puede mejorar los procesos de soporte y la productividad al reducir los errores y mejorar la calidad y la velocidad. A veces, esto va más allá de las capacidades humanas, y el aprendizaje automático y el análisis son una base clave para un servicio de soporte de TI inteligente, capaz y operativo.
Este artículo analiza con más detalle cómo el aprendizaje automático puede resolver muchos de los problemas de los servicios de soporte e ITSM relacionados con el volumen y el costo de las aplicaciones, y cómo crear un servicio de soporte más rápido y automatizado que los empleados de la empresa utilizarán con placer.
ITSM efectivo a través del aprendizaje automático y análisis
Mi definición favorita de aprendizaje automático
proviene de MathWorks :
“El aprendizaje automático enseña a las computadoras a hacer lo que es natural que los humanos y los animales aprendan de su propia experiencia. Los algoritmos de aprendizaje automático utilizan métodos computacionales para estudiar la información directamente de los datos, sin depender de una ecuación predefinida como modelo. Los algoritmos mejoran adaptativamente su propia eficiencia a medida que aumenta el número de muestras disponibles para el estudio ".
Las siguientes opciones están disponibles para algunas herramientas ITSM basadas en aprendizaje automático y análisis de Big Data:
- Apoyo a través del bot. Los agentes virtuales y los chatbots pueden ofrecer automáticamente noticias, artículos, servicios y ofertas de soporte desde directorios de datos y solicitudes públicas. Dicho soporte 24/7 en forma de programas de capacitación para usuarios finales ofrecidos ayuda a resolver problemas mucho más rápido. Las ventajas clave del bot son una interfaz de usuario mejorada y menos llamadas entrantes.
- Noticias inteligentes y notificaciones. Estas herramientas le permiten notificar a los usuarios con anticipación sobre posibles problemas. Además, los profesionales de TI pueden recomendar soluciones para resolver problemas con notificaciones personalizadas que brindan a los usuarios finales información actualizada y útil sobre los problemas que pueden encontrar, así como consejos sobre cómo evitarlos. Los usuarios informados apreciarán el soporte de TI activo, y la cantidad de llamadas entrantes disminuirá.
- Búsqueda inteligente Cuando los usuarios finales buscan información o servicios, un sistema de gestión del conocimiento sensible al contexto puede proporcionar recomendaciones, artículos y enlaces. Los usuarios finales generalmente omiten algunos de los resultados, prefiriendo otros sobre ellos. Estos clics y el número de vistas se incluyen en los criterios de "ponderación" al volver a indexar el contenido a lo largo del tiempo, por lo que las capacidades de búsqueda se ajustan dinámicamente. Dado que los usuarios finales proporcionan comentarios en forma de voto de “me gusta / no me gusta”, esto también afecta la calificación del contenido que ellos y otros usuarios pueden encontrar. En términos de beneficios, los usuarios finales pueden encontrar rápidamente respuestas y sentirse bastante seguros, y los agentes de soporte pueden procesar más solicitudes y alcanzar más acuerdos de calidad de servicio (SLA).
- Análisis de temas populares. Aquí, las capacidades analíticas revelan patrones para fuentes de datos estructurados y no estructurados. La información sobre temas populares se muestra gráficamente en forma de mapa de calor, donde el tamaño de los segmentos corresponde a la frecuencia de ciertos temas o grupos de palabras clave solicitados por los usuarios. Los incidentes recurrentes se detectarán instantáneamente, se agruparán y resolverán juntos. El análisis de temas populares también detecta grupos de incidentes con una causa raíz común y reduce significativamente el tiempo para identificar y resolver el problema principal. La tecnología también puede crear automáticamente artículos de base de conocimiento basados en interacciones similares o problemas similares. Encontrar tendencias en cualquier dato aumenta la actividad del departamento de TI, evita la repetición de incidentes y, por lo tanto, aumenta la satisfacción del usuario final al tiempo que reduce los costos de TI.
- Aplicación inteligente Los usuarios finales esperan que enviar una solicitud no sea más difícil que escribir un tweet, es decir, un mensaje corto en lenguaje natural que describe un problema o solicitud que se puede enviar por correo electrónico. O incluso simplemente adjunte una foto del problema y envíela desde su dispositivo móvil. El registro de una aplicación inteligente acelera el proceso de creación de una llamada al completar automáticamente todos los campos en función de lo que escribió el usuario final o el escaneo de la imagen procesada utilizando el programa de reconocimiento óptico de caracteres (OCR). Mediante un conjunto de datos de observación, la tecnología clasifica y dirige automáticamente las solicitudes a los agentes de soporte apropiados. Los agentes pueden redirigir las aplicaciones a varios grupos de soporte y pueden sobrescribir automáticamente los campos rellenados si el modelo de aprendizaje automático no es óptimo para este caso. El sistema aprende de nuevas plantillas, lo que le permite enfrentar mejor los problemas emergentes en el futuro. Todo esto significa que los usuarios finales pueden abrir aplicaciones fácil y rápidamente, lo que conduce a una mayor satisfacción al usar herramientas de trabajo. Esta característica también reduce el trabajo manual y los errores y ayuda a reducir el tiempo y los costos de resolución.
- Correo inteligente Esta herramienta se asemeja a una aplicación inteligente. El usuario final puede enviar una carta para apoyar y describir el problema en un lenguaje natural. La herramienta de servicio de soporte crea una aplicación basada en el contenido del correo electrónico, y también responde automáticamente al usuario final con enlaces a las soluciones propuestas. Los usuarios finales están satisfechos porque abrir aplicaciones y consultas es fácil y conveniente, y los agentes de TI tienen menos trabajo manual.
- Gestión inteligente del cambio. El aprendizaje automático también admite análisis modernos y gestión de cambios. Teniendo en cuenta la cantidad frecuente de cambios que requieren las empresas hoy en día, los sistemas inteligentes pueden proporcionar a los agentes o gerentes de cambio propuestas destinadas a optimizar el entorno y aumentar el porcentaje de cambios exitosos en el futuro. Los agentes pueden describir los cambios necesarios en un lenguaje natural, y las capacidades analíticas verificarán la presencia de elementos de configuración afectados en el contenido. Todos los cambios están regulados, y los indicadores automáticos informan al administrador de cambios si hay algún problema con el cambio, como el riesgo, la planificación en una ventana no planificada o el estado "no está aprobado". La ventaja clave de la gestión inteligente de cambios es un tiempo de recuperación más rápido con menos configuraciones, configuraciones y, en última instancia, menos dinero.
En última instancia, el aprendizaje automático y el análisis transforman los sistemas ITSM con suposiciones inteligentes y recomendaciones sobre problemas de aplicación y el proceso de cambio que ayudan a los agentes y grupos de soporte de TI a describir, diagnosticar, predecir y prescribir lo que sucedió, lo que sucede y lo que sucede. Los usuarios finales reciben evaluaciones analíticas proactivas, personales y dinámicas y soluciones rápidas. Sin embargo, mucho se hace automáticamente, es decir sin intervención humana. Y a medida que la tecnología aprende con el tiempo, los procesos solo mejoran. Es importante tener en cuenta que todas las funciones inteligentes descritas en este artículo están disponibles hoy.