Intelligence artificielle, ITSM et, en général, d'où vient LEAN?

Au lieu d'une préface ou d'où viennent les tentacules de LEAN


Il y a quelques années, mon collègue a parlé du fonctionnement de LEAN dans notre division Service Desk. Mais d'une manière ou d'une autre, il est resté silencieux sur le fait que LEAN travaille avec nous dans tous les projets de service, et pas seulement dans le Service Desk. En général, LEAN est un outil très utile pour trouver des domaines d'amélioration dans les processus de travail, et ce qui est important, c'est un bon outil de consolidation d'équipe.



Présentation


Il était une fois, dans une galaxie très lointaine ... Et oui, le Lean Thinking sera avec vous!

En général, comprenant la perte de fonctionnement des processus ITSM, l'équipe est arrivée à la conclusion que pour une raison quelconque, ils perdaient du temps sur une tâche avec un travail de singe aussi fort. Plus précisément, pour coordonner les demandes entrantes vers la pile d'équipe de toutes les sources. Et tout semble clair et peut être fait. Mais quel est le piège? Créez des classificateurs et une ambiance de routage en fonction de ceux-ci, et vous serez heureux ... Et ici, nous sommes confrontés à un problème: la «précision» souffre et nous ne pouvons pas supprimer complètement la personne coordinatrice, c'est simple.

En route vers la bonne décision ou préparation


Eh bien, l'exactitude et la précision .... Nous suivons le principe de Kano et décidons de ce que nous pouvons faire avec l'effet le plus raisonnable: la matrice de classification - la décision d'exposer la classe en recherchant des mots de support dans la description, etc. Et alléluia!

70% des applications balbuzards bloquées par le robot! - Tout le monde est content: "Nous sommes cool, nous sommes des dieux ...". Nous l'avons vraiment mis en œuvre et nous vivons ainsi depuis plusieurs années. Mais le temps passe et la perte est là. Nous voulons maintenant à la fois la classification et nous donner l'exactitude d'une personne.
Nous commençons à résoudre le problème du chevauchement du reste des applications. N'oubliez pas qu'il s'agit d'environ 30%.

Donc, leurs principaux problèmes:

  1. Demandes d'utilisateurs directes sans structure de description.
  2. Les nouveaux types de requêtes nécessitent du temps pour être décrits.
  3. Les demandes, semblables à d'autres, dans le classificateur vont à la mauvaise équipe ...

Il devient déjà clair où notre histoire se dirige. Alors, le temps passe et LEAN n'en supporte pas les coûts ...

Donc, l'essence du problème


Qu'est-ce qu'une demande est un texte qui doit être traité, et les résultats doivent être décidés sur sa classe. Par exemple, l'utilisation du classificateur déjà décrit pour certaines phrases et certains mots nécessite une préparation assez longue de la matrice de classification et sa mise à jour constante.

J'ai commencé à penser comment être. L'équipe a réalisé qu'elle n'avait pas la capacité de résoudre ce problème. Ils se sont ensuite tournés vers des collègues du département d'optimisation. Nous avons une équipe comme dans les usines Toyota, ils aident toute l'entreprise à rationaliser les processus: ils recherchent, creusent, etc.

«    ,   ,  ,   …» -   . 

Nous commençons à atteindre de nouveaux sommets avec l'utilisation d'une tempête. Brainstorm est un outil très utile, la méthode 5W intensifie la tempête avant la tempête! Et qu'avons-nous décidé:

Nos premiers problèmes:

  1. Le problème de la précision, ou plutôt la faiblesse technologique de la solution existante, et il n'y a aucun moyen de l'améliorer.
  2. Le problème du coût du support - il est nécessaire de mettre à jour en permanence la matrice de classification, pour surveiller les écarts.

Quelles sont les suggestions de solution:

  1. Il est nécessaire que la machine puisse prendre une décision sur la qualité de l'option proposée.
  2. La solution doit être autodidacte à un coût minimal.
  3. Le coût de la prise en charge de la solution n'est pas différent de la solution précédente.

Nous commençons à trier les options.

De la technologie, vous pouvez penser à l'analyse statistique avec des éléments BI. Cher, et pourquoi y a-t-il un monstre avec des éléments ERP? Les problèmes sont alors similaires aux tâches résolues par «l'intelligence artificielle» et les mécanismes du «machine learning». Eh bien, notre département d'optimisation, ne doutant pas du succès, a appelé les gars du département des solutions numériques à la prochaine réunion.

Résoudre le problème


Pendant quelques semaines, les architectes de données et les ingénieurs de données sont passés par un nombre considérable de cadres et ont déployé une solution - la première évaluation et le premier modèle:







Un mois plus tard, nous avons ancré notre ITSM et l'intelligence artificielle et terminé les tests.

En conséquence: nous n'avons pas du tout besoin de coordinateurs de requêtes, car le robot traite désormais 99% de tous les incidents et pour les 10 à 15 incidents restants par jour ne crée pas de sentiment négatif de routine. L'équipe est satisfaite, n'étant pas distrait des tâches principales, les employés ont reçu l'élimination de la routine, déclarant simplement que cet «outil archaïque» est déjà dépassé et interfère avec le travail.

Conclusion


Avec l'équipe, une surveillance constante de leurs processus est inestimable. Non seulement permettant de trouver des coûts et de les éliminer, mais aussi de se faire une idée et d'avoir besoin d'utiliser de nouvelles technologies. En résolvant les problèmes d'élimination des problèmes, même les plus petits, mais complètement routiniers, nous créons vraiment de la valeur. Et la valeur n'est pas seulement pour le client, mais aussi pour les employés et l'entreprise.

Source: https://habr.com/ru/post/fr478480/


All Articles