Cómo los chatbots y las automatizaciones con IA ayudan a los servicios de TI

La IA en el contexto de una mesa de servicio de TI

El impacto de la IA en las mesas de servicio se valorará cuando la IA sea capaz de realizar las tareas molestas que los equipos de la mesa de servicio preferirían no hacer, así como las acciones con las que los humanos tienen dificultades. Las capacidades de la IA incluirán automatizaciones inteligentes, perspectivas estratégicas y análisis predictivos.

Por ejemplo, el enrutamiento de tickets; normalmente, es una tarea manual que consume mucho tiempo. La automatización ya se está implementando en algunas mesas de servicio mediante reglas estáticas que categorizan cada ticket, pero éstas no pueden adaptarse ni mejorar. Aquí es donde entra en juego el machine learning. Los modelos de machine learning pueden aprender de los datos históricos de la mesa de servicio al tiempo que procesan los datos en tiempo real para convertirse en modelos cada vez más precisos y eficaces.

Los modelos similares basados en IA pueden ahorrarle tiempo y esfuerzo a los humanos para diversas tareas, desde sugerir ventanas adecuadas para las actualizaciones de parches hasta proporcionar datos procesables durante la planificación e implementación de cambios, predecir problemas de TI y monitorear las solicitudes podrían violar los acuerdos de nivel de servicio (SLA).

Automatización y chatbots a la vista

Los chatbots específicos del contexto ya están ayudando a los técnicos a realizar tareas sencillas de la mesa de servicio, como aprobar solicitudes o añadir notas a las solicitudes a través de conversaciones sencillas. En el lado del usuario final, chatbots similares están ayudando a los usuarios finales a encontrar soluciones a sus problemas sencillos y a controlar el estado de sus solicitudes sin tener que recurrir a un técnico.

Con el tiempo, es probable que los asistentes virtuales de la mesa de servicio basados en IA quiten una mayor carga de trabajo a los técnicos al convertirse en el primer punto de contacto para los usuarios finales que se pongan en contacto con la mesa de servicio. Y también pasarían a realizar actividades de la mesa de servicio, como crear una solicitud para el usuario final. Junto con la categorización y asignación basadas en machine learning, la mesa de servicio basada en IA puede ofrecer una mejor experiencia de prestación de servicios al usuario final.

La importancia de los datos, la información y los conocimientos de la mesa de servicio

Cada uno de estos modelos de IA será específico de cada mesa de servicio porque los modelos están conformados por los datos de la mesa de servicio en los que se basan. Esos datos serán exclusivos de cada mesa de servicio y la IA sólo podrá ser tan eficaz como los datos y conocimientos que la alimenten.

Además de un repositorio de datos bien mantenido, el modelo de IA también requerirá un conjunto de resoluciones, soluciones provisionales y artículos de conocimiento debidamente documentados. Si pensamos en un modelo de categorización o priorización basado en IA, para entrenarlo será necesaria una base de datos histórica de todas las solicitudes con parámetros como el tipo de solicitud, el nivel, el impacto, la urgencia y el lugar.

Gestionar solicitudes a través de automatizaciones y chatbots con NLP

Siempre que se disponga de documentación de apoyo, se pueden entrenar chatbots habilitados para procesamiento de lenguaje natural (PLN) para comprender las entradas de texto de los usuarios finales y gestionar una categoría concreta de solicitudes e incidentes. Consideremos los problemas de impresión como un ejemplo de caso de uso. Utilizando la IA limitada —que es la inteligencia disponible en la actualidad— los chatbots pueden ayudar a los usuarios finales a resolver los problemas de las impresoras sugiriéndoles soluciones, empezando por el porcentaje de éxito más alto.

Usando la IA general —que es más eficaz que la IA limitada, pero podría llevar más tiempo desarrollarla y ponerla en práctica—, con el tiempo los chatbots podrían ir más allá de simplemente sugerir soluciones a problemas que ya se han producido, y en su lugar predecir los problemas de las impresoras antes de que ocurran.

Por ejemplo, los modelos basados en machine learning podrían crear automáticamente solicitudes de servicio para sustituir el tóner y otros suministros antes de que se agoten. El chatbot podría entonces cruzar referencias con la base de datos de solicitudes para determinar si ya se ha creado una solicitud cuando un usuario informa del mismo problema. Si ya se ha informado de ese problema, el chatbot podría transmitir esta información al usuario.

Existen muchas otras formas en que los chatbots pueden aportar valor. Desde la gestión de solicitudes de usuarios remotos hasta la adición de notas, comentarios o anotaciones a dichas solicitudes. Y lo que es más importante, pueden liberar a los humanos de la carga que suponen estas tareas.

Implementar la IA en todos los procesos de ITSM a través de la automatización y los chatbots

En la gestión del conocimiento, se pueden entrenar modelos basados en machine learning para identificar las tasas de éxito de cada solución basándose en los resultados anteriores. Esto se puede hacer teniendo en cuenta las tasas de reapertura de tickets, las valoraciones de los artículos por parte de los usuarios finales y los técnicos, y el reconocimiento de los usuarios finales. Estos modelos también pueden entrenarse para identificar las categorías de incidentes que se producen con mayor frecuencia.

Los modelos de machine learning también pueden ofrecer información sobre qué categorías necesitan más conocimientos del equipo de la mesa de servicio de TI para construir soluciones y artículos de la base de conocimientos relevantes que ayuden tanto a los usuarios finales como a los técnicos.

En la gestión de solicitudes de servicio, los modelos y algoritmos de machine learning pueden entrenarse para automatizar dinámicamente los flujos de trabajo de las solicitudes de servicio basándose en el historial de solicitudes. Estos modelos de automatización basados en machine learning continúan aprendiendo con cada bit de datos en vivo para ajustar los flujos de trabajo y lograr una mayor eficiencia. En la gestión de cambios de TI, la IA puede minimizar el riesgo de error humano analizando enormes volúmenes de datos con los que las personas suelen tener dificultades.

La IA también puede ayudar a los equipos de la mesa de servicio a monitorear y gestionar los activos de hardware y software. Los sistemas de machine learning pueden monitorear constantemente el rendimiento de un elemento de configuración o comprobar los datos de rendimiento disponibles y predecir fallos. La IA puede ayudar a detectar anomalías y generar advertencias críticas correlacionando múltiples áreas, lo que sería imposible de hacer manualmente.

La IA tiene un enorme potencial para revolucionar la forma de trabajar de las mesas de servicio de TI y de los equipos de mesa de servicio, pero éstos deben prepararse si quieren aprovechar todas sus ventajas. Para garantizar que la IA ofrezca todo su potencial, los equipos de la mesa de servicio deben documentar adecuadamente todas las solicitudes, problemas y cambios, mantener una base de datos precisa de la mesa de servicio y crear una base de conocimientos exhaustiva a medida que los proveedores de herramientas ITSM comienzan a integrar la IA en sus productos.

Este artículo se publicó originalmente en ITSM Tools.