5 casos de uso de automação de ITSM com Machine Learning (ML)

Aprovações automáticas

Com a implementação da tecnologia de machine learning, os help desks podem ser treinados para aprovar solicitações de serviço automaticamente com base na função do funcionário, departamento, local de trabalho e outros parâmetros. Por exemplo, quando um projetista solicita ferramentas ou software de projeto adicionais, o help desk poderá aprovar a solicitação automaticamente e iniciar um fluxo de trabalho sem esperar a aprovação do gerente. O help desk também pode ser treinado para verificar automaticamente a estação de trabalho atribuída a esse projetista quanto aos requisitos mínimos do sistema para instalar as ferramentas ou softwares solicitados e criar uma solicitação para atualizar o sistema, caso necessário — por conta própria.

Resolução de incidentes

Os usuários finais poderão buscar soluções e resolver incidentes sem o envolvimento de nenhum técnico. Por meio do machine learning, os help desks podem ser treinados para analisar os tickets recebidos e fornecer soluções aos usuários finais automaticamente, com base na experiência anterior do sistema. As caixas de bate-papo no estilo do Google Assistente também ajudarão os usuários finais a resolver incidentes ou obter informações sem nem ao menos registrar um ticket no help desk.

Os help desks também poderão aprender com experiências e dados anteriores para encaminhar tickets ou tarefas para os técnicos ou grupos de suporte apropriados, automatizando assim o processo de atribuição de tickets sem precisar criar regras ou fluxos de trabalho. O uso de machine learning ajudará a reduzir os tempos de resolução e a melhorar a eficiência da equipe de help desk.

“Com a implementação de machine learning, os help desks podem ser treinados para aprovar solicitações de serviço automaticamente”.

Antecipação de problemas

Usando machine learning, os help desks conseguirão analisar padrões de incidentes e antecipar problemas. Além disso, help desks treinados podem acionar notificações automaticamente ou criar tickets de problemas para as questões previstas, para que os técnicos de suporte possam investigar o problema o mais rápido possível. Digamos que o desempenho de um servidor de aplicações comece a se deteriorar. Os help desks conseguiriam prever quaisquer falhas de aplicações com base nos dados de desempenho anteriores desse servidor específico, avisar os usuários finais que podem ser afetados, criar um ticket de problema e associar quaisquer tickets de incidentes relevantes com o ticket do problema.

Gerenciamento de mudanças

As implementações de mudanças estão sempre associadas a um certo nível de risco. Sem ter um plano e um fluxo de trabalho adequados em vigor, as implementações de mudanças podem ser caras. Os help desks podem aprender com os dados e experiências anteriores de implementação de mudanças para ajudar a criar fluxos de trabalho muito dinâmicos. Por exemplo, com a implementação do machine learning, os sistemas de help desk podem reconhecer potenciais sinais de falha na implementação de mudanças e solicitar aos administradores que interrompam a implementação e executem o plano de backup antes mesmo que a falha ocorra. Os módulos de gerenciamento de mudanças orientados por machine learning também poderão fazer recomendações durante a fase de planejamento com base em experiências anteriores.

Ciclo de vida dos ativos

Um número considerável de incidentes ocorre em função de ativos de TI antigos cujo desempenho foi degradado. A tecnologia de machine learning pode ajudar a identificar automaticamente quais ativos podem falhar repetidamente com base em fatores como níveis de desempenho e incidentes associados a eles. Após esses ativos serem detectados, o help desk poderá usar machine learning para enviar notificações aos técnicos e facilitar os pedidos de substituições. O caso mais simples poderia ser o help desk criar solicitações de substituição de toner de impressoras automaticamente após a impressão de um número específico de páginas. O ITSM está repleto de oportunidades para machine learning. Os cenários acima são alguns dos casos de uso mais simples mostrando como o machine learning facilitar a vida tanto da equipe de help desk quanto dos usuários finais. Embora possam não estar imediatamente disponíveis como soluções prontas para uso, elas não estão muito distantes no futuro. Como ver os detalhes do responsável pelo contrato

Este artigo foi publicado originalmente na Intelligent Tech Channels