5 casos de uso de automatización ITSM con Machine Learning (ML)

Aprobaciones automáticas

Al implementar machine learning, se puede entrenar a las mesas de ayuda para que aprueben automáticamente las solicitudes de servicio en función del rol del empleado, el departamento, el lugar de trabajo y otros parámetros. Por ejemplo, cuando un diseñador solicite herramientas de diseño o software adicionales, la mesa de ayuda podrá aprobar automáticamente la solicitud e iniciar un flujo de trabajo sin esperar a la aprobación del responsable. La mesa de ayuda también puede ser entrenada para revisar automáticamente la estación de trabajo asignada a ese diseñador respecto a los requisitos mínimos del sistema para instalar las herramientas o el software solicitados y crear una solicitud para actualizar el sistema, si es necesario, por sí mismo.

Resolver incidentes

Los usuarios finales podrán buscar soluciones y resolver incidentes sin la intervención de ningún técnico. Mediante el machine learning, las mesas de ayuda se pueden entrenar para escanear los tickets entrantes y ofrecer soluciones a los usuarios finales de forma automática, basándose en la experiencia previa del sistema. Los cuadros de chat al estilo de Google Assistant también ayudarán a los usuarios finales a resolver incidentes o a obtener información sin ni siquiera registrar un ticket en la mesa de ayuda.

Las mesas de ayuda también podrían aprender de la experiencia pasada y de los datos para dirigir las solicitudes o tareas a los técnicos o grupos de soporte adecuados, automatizando así el proceso de asignación de tickets sin tener que crear reglas o flujos de trabajo. El machine learning ayudaría a reducir los tiempos de resolución y a mejorar la eficacia del equipo de mesa de ayuda.

"Al implementar machine learning, se puede entrenar a las mesas de ayuda para que aprueben automáticamente las solicitudes de servicio"

Anticipación del problema

Con el machine learning, las mesas de ayuda podrán analizar patrones de incidentes y anticiparse a los problemas. Además, las mesas de ayuda entrenadas podrían activar automáticamente notificaciones o crear tickets de problemas para los incidentes previstos, de modo que los técnicos dela mesa de ayuda puedan investigarlos lo antes posible. Supongamos que el rendimiento de un servidor de aplicaciones empieza a deteriorarse, las mesas de ayuda podrían anticipar cualquier fallo de la aplicación a partir de los datos de rendimiento anteriores de ese servidor concreto, advertir a los usuarios finales que pueden verse afectados, crear un ticket de problema y asociar cualquier ticket de incidente pertinente con el ticket de problema.

Gestión de cambios

Las implementaciones de cambios siempre están asociadas a un cierto nivel de riesgo. Sin un plan y un flujo de trabajo adecuados, la implementación de cambios puede resultar costosa. Las mesas de ayuda pueden aprender de los datos y la experiencia de anteriores implementaciones de cambios para ayudar a crear flujos de trabajo altamente dinámicos. Por ejemplo, al implementar machine learning, los sistemas de la mesa de ayuda podrían reconocer posibles signos de fallo en la implementación de los cambios e indicar a los administradores que detengan la implementación y ejecuten el plan de respaldo incluso antes de que se produzca el fallo. Los módulos de gestión de cambios guiados por machine learning también podrán hacer recomendaciones durante la fase de planificación basándose en experiencias anteriores.

Ciclo de vida del activo

Un número considerable de incidentes se producen debido a activos de TI antiguos cuyo rendimiento se ha degradado. El machine learning puede ayudar a identificar automáticamente qué activos podrían fallar repetidamente en función de factores como sus niveles de rendimiento y los incidentes asociados a ellos. Una vez detectados esos activos, la mesa de ayuda puede utilizar el machine learning para enviar notificaciones a los técnicos y facilitar el pedido de sustituciones. El caso más sencillo podría ser que la mesa de ayuda creara automáticamente solicitudes de sustitución de tóner de impresora después de imprimir un número determinado de páginas. La ITSM está llena de oportunidades para el machine learning. Los escenarios anteriores son algunos de los casos de uso más sencillos que muestran cómo el machine learning puede hacer la vida más fácil tanto para el equipo de la mesa de ayuda como para los usuarios finales. Aunque puede que no estén disponibles como soluciones out-of-the-box, no están demasiado lejos en el futuro.

Este artículo se publicó originalmente en Intelligent tech channels