Em 2018, consolidamos firmemente nossas posições - serviços de gerenciamento de serviços de TI (ITSM) e serviços de TI ainda continuam a operar, apesar das conversas contínuas sobre quanto tempo durarão na revolução digital. De fato, a demanda por serviços de suporte técnico está crescendo - o Relatório de Suporte Técnico e o Relatório de Salários do
IDH (Instituto de Suporte Técnico) de 2017 indicam que 55% dos serviços de suporte técnico observaram um aumento no volume de aplicativos no ano passado.
Por outro lado, muitas empresas observaram uma diminuição no volume de chamadas de suporte técnico no ano passado (15%) em comparação com 2016 (10%). Um fator chave que contribuiu para uma diminuição no número de aplicativos foi o suporte técnico independente. No entanto, o IDH também relata que no ano passado o custo do aplicativo aumentou para US $ 25, comparado a US $ 18 em 2016. Não é para isso que a maioria dos serviços de TI visa. Felizmente, a automação baseada em análises e aprendizado de máquina pode melhorar os processos de suporte e a produtividade, reduzindo erros e melhorando a qualidade e a velocidade. Às vezes, isso vai além dos recursos humanos, e o aprendizado de máquina e a análise são a base essencial para um serviço de suporte de TI inteligente, capaz e operacional.
Este artigo discute mais detalhadamente como o aprendizado de máquina pode resolver muitos dos problemas de serviços de suporte e ITSM relacionados ao volume e custo dos aplicativos, e como criar um serviço de suporte mais rápido e automatizado que os funcionários da empresa usarão com prazer.
ITSM eficaz através de aprendizado de máquina e análise
Minha definição favorita de aprendizado de máquina
vem do MathWorks :
“O aprendizado de máquina ensina os computadores a fazer o que é natural para humanos e animais aprenderem com suas próprias experiências. Os algoritmos de aprendizado de máquina usam métodos computacionais para estudar informações diretamente dos dados, sem depender de uma equação predefinida como modelo. Os algoritmos melhoram adaptativamente sua própria eficiência à medida que o número de amostras disponíveis para estudo aumenta. ”
As seguintes opções estão disponíveis para algumas ferramentas de ITSM baseadas no aprendizado de máquina e na análise de Big Data:
- Suporte através do bot. Agentes virtuais e chatbots podem oferecer automaticamente notícias, artigos, serviços e ofertas de suporte de diretórios de dados e solicitações públicas. Esse suporte 24 horas por dia, 7 dias por semana, na forma de programas de treinamento para o usuário final oferecidos, ajuda a resolver problemas muito mais rapidamente. As principais vantagens do bot são uma interface de usuário aprimorada e menos chamadas recebidas.
- Notícias e notificações inteligentes. Essas ferramentas permitem notificar os usuários com antecedência sobre possíveis problemas. Além disso, os profissionais de TI podem recomendar soluções alternativas para resolver problemas com notificações personalizadas que fornecem aos usuários finais informações atualizadas e úteis sobre os problemas que eles podem encontrar, além de dicas sobre como evitá-los. Os usuários informados apreciarão o suporte de TI ativo e o número de chamadas recebidas diminuirá.
- Pesquisa inteligente. Quando os usuários finais buscam informações ou serviços, um sistema de gerenciamento de conhecimento sensível ao contexto pode fornecer recomendações, artigos e links. Os usuários finais geralmente ignoram alguns dos resultados, preferindo outros a eles. Esses cliques e o número de visualizações são incluídos nos critérios de "ponderação" ao reindexar o conteúdo ao longo do tempo, para que os recursos de pesquisa sejam ajustados dinamicamente. Como os usuários finais fornecem feedback na forma de um voto de "gostar / não gostar", isso também afeta a classificação do conteúdo que eles e outros usuários podem encontrar. Em termos de benefícios, os usuários finais podem encontrar respostas rapidamente e sentir-se bastante confiantes, e os agentes de suporte são capazes de processar mais solicitações e alcançar mais SLAs (acordos de qualidade de serviço).
- Análise de tópicos populares. Aqui, os recursos analíticos revelam padrões para fontes de dados estruturados e não estruturados. As informações sobre tópicos populares são exibidas graficamente na forma de um mapa de calor, em que o tamanho dos segmentos corresponde à frequência de determinados tópicos ou grupos de palavras-chave solicitadas pelos usuários. Incidentes recorrentes serão detectados instantaneamente, agrupados e resolvidos juntos. A análise de tópicos populares também detecta clusters de incidentes com uma causa raiz comum e reduz significativamente o tempo para identificar e resolver o problema principal. A tecnologia também pode criar automaticamente artigos da base de conhecimento com base em interações semelhantes ou problemas semelhantes. Encontrar tendências em qualquer dado aumenta a atividade do departamento de TI, evita a recorrência de incidentes e, portanto, aumenta a satisfação do usuário final enquanto reduz os custos de TI.
- Aplicação inteligente. Os usuários finais esperam que enviar uma inscrição não seja mais difícil do que escrever um tweet, ou seja, uma mensagem curta em linguagem natural descrevendo o problema ou solicitação que pode ser enviada por email. Ou até mesmo anexar uma foto do problema e enviá-la do seu dispositivo móvel. O registro de um aplicativo inteligente acelera o processo de criação de uma chamada preenchendo automaticamente todos os campos com base no que o usuário final escreveu ou na digitalização da imagem processada usando o programa de reconhecimento óptico de caracteres (OCR). Usando um conjunto de dados observacionais, a tecnologia classifica e endereça automaticamente solicitações aos agentes de suporte apropriados. Os agentes podem encaminhar aplicativos para vários grupos de suporte e substituir os campos preenchidos automaticamente se o modelo de aprendizado de máquina não for ideal para este caso. O sistema aprende com novos modelos, o que permite lidar melhor com problemas emergentes no futuro. Tudo isso significa que os usuários finais podem abrir aplicativos de maneira fácil e rápida, o que resulta em maior satisfação ao usar as ferramentas de trabalho. Esse recurso também reduz o trabalho manual e os erros e ajuda a reduzir os custos de tempo e resolução.
- E-mail inteligente. Essa ferramenta se assemelha a um aplicativo inteligente. O usuário final pode enviar uma carta para apoiar e descrever o problema em um idioma natural. A ferramenta de serviço de suporte cria um aplicativo com base no conteúdo do email e também responde automaticamente ao usuário final com links para as soluções propostas. Os usuários finais estão satisfeitos porque a abertura de aplicativos e consultas é fácil e conveniente, e os agentes de TI têm menos trabalho manual.
- Gerenciamento inteligente de mudanças. O aprendizado de máquina também suporta análises modernas e gerenciamento de mudanças. Considerando o número freqüente de mudanças que as empresas exigem hoje em dia, os sistemas inteligentes podem fornecer aos agentes ou gerentes de mudança propostas destinadas a otimizar o ambiente e aumentar o percentual de mudanças bem-sucedidas no futuro. Os agentes podem descrever as alterações necessárias em uma linguagem natural e os recursos analíticos verificarão o conteúdo quanto à presença dos elementos de configuração afetados. Todas as mudanças são reguladas e os indicadores automáticos informam o gerente de mudanças se houver algum problema com a mudança, como riscos, planejamento em uma janela não planejada ou o status "não for aprovado". A principal vantagem do gerenciamento inteligente de mudanças é um tempo de retorno mais rápido, com menos configurações, configurações e, finalmente, menos dinheiro.
Por fim, o aprendizado de máquina e a análise transformam os sistemas ITSM com suposições e recomendações inteligentes sobre problemas de aplicativos e o processo de mudança que ajuda agentes e grupos de suporte de TI a descrever, diagnosticar, prever e prescrever o que aconteceu, o que acontece e o que acontece. Os usuários finais recebem avaliações analíticas proativas, pessoais e dinâmicas e soluções rápidas. No entanto, muito é feito automaticamente, ou seja, sem intervenção humana. E à medida que a tecnologia aprende com o tempo, os processos só melhoram. É importante observar que todos os recursos inteligentes descritos neste artigo estão disponíveis hoje.