Como chatbots e automações alimentados por IA ajudam os service desks de TI

A IA em um contexto de service desk de TI

O impacto da IA nos service desks será valorizado quando ela conseguir realizar as tarefas medíocres que as equipes de service desk prefeririam não realizar, bem como as ações nas quais os humanos têm dificuldades em executar. Os recursos de IA incluirão automações inteligentes, insights estratégicos e análises preditivas.

Realizar o roteamento dos tickets recebidos normalmente é uma tarefa manual demorada. A automação já está em ação em alguns help desks, usando regras estáticas que categorizam cada ticket, mas elas não podem ser adaptadas ou melhoradas. É aqui que o machine learning entra em ação. Os modelos de machine learning podem aprender com os dados históricos do service desk enquanto processam dados em tempo real para se tornarem modelos cada vez mais precisos e eficientes.

Assim como os modelos baseados em IA podem eliminar o tempo e esforço exigidos dos seres humanos para diversas tarefas, da sugestão de janelas adequadas para atualizações de patches ao fornecimento de insights no planejamento e implementação de mudanças, previsão de problemas de TI e monitoramento de solicitações que potencialmente violam acordos de nível de serviço (SLAs).

Automação e chatbots no horizonte

Os chatbots sensíveis ao contexto já estão ajudando os técnicos a executarem tarefas simples de service desk, como aprovar solicitações ou adicionar notas às solicitações por meio de conversas simples. Do lado dos usuários finais, chatbots parecidos estão ajudando-os a encontrar soluções para seus problemas simples e a acompanhar o status de suas solicitações sem precisar entrar em contato com um técnico.

Em algum momento, é provável que os assistentes de service desk virtuais baseados em IA aliviem uma carga maior dos técnicos, tornando-se o primeiro ponto de contato para os usuários finais que entram em contato com o suporte. E eles também realizariam atividades de service desk, como criar uma solicitação para o usuário final. Juntamente com a categorização e atribuição baseadas em machine learning, o service desk baseado em IA pode fornecer uma melhor experiência de prestação de serviços para o usuário final.

A importância dos dados, informações e conhecimentos do service desk

Cada um desses modelos de IA será específico para cada service desk, pois os modelos são moldados pelos dados do service desk em que estão baseados. Esses dados serão e a IA só poderá ser tão eficaz quanto os dados e o conhecimento que a alimentam.

Além de um repositório bem mantido, o modelo de IA também exigirá um conjunto documentado adequadamente de resoluções, soluções alternativas e artigos de conhecimento. A adotar um modelo de categorização ou priorização baseado em IA, o seu treinamento exigirá um banco de dados histórico de todas as solicitações com parâmetros como tipo de solicitação, nível, impacto, urgência e local.

Tratamento de solicitações utilizando chatbots e automação habilitados para PNL

Desde que haja documentação de apoio em vigor, chatbots habilitados para processamento de linguagem natural (PNL) podem ser treinados para compreender a entrada de texto dos usuários finais e abordar uma categoria específica de solicitações e incidentes. Vamos considerar os problemas de impressão como um exemplo de caso de uso. Usando a IA restrita – que é a inteligência que está disponível atualmente – os chatbots podem ajudar os usuários finais a resolver problemas de impressora, sugerindo soluções na ordem de sua porcentagem de sucesso.

Usando a IA geral – que é mais eficaz do que a restrita, mas pode levar mais tempo para ser desenvolvida e colocada em prática – os chatbots poderiam eventualmente ir além de simplesmente sugerir soluções para problemas que já ocorreram e, em vez disso, prever problemas de impressora antes que eles ocorram.

Por exemplo, modelos baseados em machine learning poderiam criar solicitações de serviço automaticamente para a substituição de toner e outros suprimentos antes que eles acabem. O chatbot poderá então fazer a referência cruzada com o banco de dados de solicitações para determinar se uma solicitação já foi criada quando um usuário reportar o mesmo problema. Se esse problema já tiver sido reportado, o chatbot poderá retransmitir essas informações ao usuário.

Há várias outras maneiras pelas quais os chatbots podem agregar valor. Do gerenciamento de solicitações de usuários remotos à adição de notas, comentários ou anotações a essas solicitações. É importante ressaltar que eles podem remover essas tarefas da carga de trabalho humana.

Implementação da IA em todos os processos de ITSM utilizando automação e chatbots

Na gestão do conhecimento, modelos baseados em machine learning podem ser treinados para identificar as taxas de sucesso para cada solução com base no desempenho anterior. Isso pode ser obtido considerando as taxas de reabertura de tickets, avaliações de artigos pelos usuários finais e técnicos e reconhecimento do usuário final. Esses modelos também podem ser treinados para identificar categorias de incidentes que ocorrem com mais frequência.

Os modelos de machine learning também podem fornecer insights sobre quais categorias precisam de mais conhecimento da equipe de service desk de TI para criar soluções relevantes e artigos da base de conhecimentos visando ajudar os usuários finais e técnicos.

No gerenciamento de solicitações de serviço, os modelos e algoritmos de machine learning podem ser treinados para automatizar fluxos de trabalho de solicitação de serviço dinamicamente com base no histórico de solicitações. Esses modelos de automação baseados em machine learning continuam aprendendo com cada bit de dados ativos para ajustar os fluxos de trabalho visando obter maior eficiência. No gerenciamento de mudanças de TI, a IA pode minimizar o risco de erro humano ao analisar enormes volumes de dados com os quais as pessoas muitas vezes enfrentam dificuldades.

A IA também pode ajudar as equipes de service desk no monitoramento e gerenciamento de ativos de hardware e software. Os sistemas de machine learning podem monitorar o desempenho de um item de configuração ou verificar os dados de desempenho disponíveis e prever falhas constantemente. A IA pode ajudar a sinalizar anomalias e gerar avisos críticos ao ligar os pontos em diversas áreas, o que seria impossível de ser obtido manualmente.

A IA tem um enorme potencial para revolucionar a maneira na qual os service desks de TI e suas equipes trabalham, mas os service desks devem passar por uma preparação para que possam obter todos os benefícios. Para garantir que a IA atinja seu pleno potencial, as equipes devem documentar todas as solicitações, problemas e mudanças adequadamente, manter um banco de dados preciso e construir uma base de conhecimentos profunda conforme os fornecedores de ferramentas de ITSM começam a integrar a IA nos seus produtos.

Este artigo foi publicado originalmente na ITSM Tools.