ედსელ სიმასის, Setrion-ისა და Milldesk-ის დახმარების სამსახურის პროგრამული უზრუნველყოფის ტექნიკური დირექტორის მიერ
საშუალო და მსხვილი მასშტაბის ოპერაციებში, მომსახურების ცენტრი აღარ არის მხოლოდ მომხმარებელთა მომსახურების ფუნქცია და სტრატეგიულ წერტილად იქცა IT ოპერაციების გასაგებად. ზარების მოცულობა კვლავ მაღალია, მაგრამ რაც ნამდვილად შეიცვალა, არის სირთულე: ჰიბრიდულმა გარემომ, განაწილებულმა აპლიკაციებმა, მრავალმა მოწყობილობამ და SaaS-ზე მზარდმა დამოკიდებულებამ შექმნა სცენარი, სადაც თითოეული ბილეთი უფრო მეტ ტექნიკურ კონტექსტს შეიცავს, ვიდრე ადრე. ამ გარემოში ხელოვნური ინტელექტი გაცილებით მნიშვნელოვან როლს ასრულებს, ვიდრე უბრალოდ პასუხების ავტომატიზაცია: ტექნოლოგია მოქმედებს როგორც ინტერპრეტაციის ფენა, რომელიც რეორგანიზაციას უკეთებს მხარდაჭერის ფუნქციონირებას.
ამ კონტექსტში ყველაზე საინტერესო მონაცემები არა მხოლოდ ხელოვნური ინტელექტის დანერგვის ზრდაშია, არამედ მომსახურების ცენტრის მიმართ მოლოდინების ცვლილებაშიც. ინდუსტრიული კვლევების თანახმად, ორგანიზაციები, საშუალოდ, თვეში 10 000-ზე მეტ ბილეთს ამუშავებენ, ხოლო ოპერაციული სირთულის აღქმა მუდმივად იზრდება. ეს ყურადღებას მოცულობასა და მომსახურების ხელშეკრულებებზე დაფუძნებული ტრადიციული ეფექტურობიდან პრობლემების უფრო დიდი სიზუსტით გაგების, კორელაციისა და გადაჭრის უნარზე გადააქვს. სწორედ ამ ეტაპზე იწყებს ხელოვნური ინტელექტი მომსახურების ცენტრის ოპერაციული ინტელექტის ბირთვად გარდაქმნას.
კონტაქტის წერტილიდან ინტელექტის ფენამდე
ამ ცვლილების კონცეპტუალური საფუძველი ხელს უწყობს მოძრაობის გაგებას. ITIL პრაქტიკაში, მომსახურების ცენტრი ყოველთვის განისაზღვრებოდა, როგორც მომხმარებლებსა და მომსახურების მიმწოდებლებს შორის კონტაქტის ცენტრალური წერტილი. ხელოვნური ინტელექტი ამ როლის გაფართოებას ემსახურება. მოთხოვნების უბრალოდ რეგისტრაციისა და გადამისამართების ნაცვლად, ეს კონტაქტის წერტილი იწყებს სიგნალების ინტერპრეტაციას, პრობლემების წინასწარ განჭვრეტას და ცოდნის უწყვეტ სტრუქტურირებას.
პრაქტიკაში, ეს ტრანსფორმაცია ხდება იმიტომ, რომ ხელოვნური ინტელექტი წყვეტს პრობლემას, რომლის კარგად მოგვარებაც ტრადიციულ ავტომატიზაციას არასდროს შეეძლო: არასრული კონტექსტის მართვა. ზარები იშვიათად მოდის სტრუქტურირებული. მომხმარებლები აღწერენ სიმპტომებს და არა მიზეზებს. სისტემები წარმოქმნიან შეტყობინებებს მკაფიო ახსნის გარეშე. გუნდები მუშაობენ ფრაგმენტული ინფორმაციით. ამ სცენარში, ტრადიციული ავტომატიზაციის ტექნოლოგიები აშკარა შეზღუდვებით მოქმედებენ. მეორეს მხრივ, ხელოვნური ინტელექტის მოდელებს შეუძლიათ ბუნებრივი ენის ინტერპრეტაცია, ნიმუშების იდენტიფიცირება და გზების შეთავაზება ისტორიისა და ქცევის საფუძველზე.
ეს წინსვლა ღრმად ცვლის მომსახურების მაგიდის დინამიკას. ტრიაჟი აღარ არის წმინდა ოპერაციული ნაბიჯი და ანალიტიკურ ეტაპად იქცევა. ბილეთების კლასიფიკაცია, პრიორიტეტის განსაზღვრა და მარშრუტიზაცია აღარ არის დამოკიდებული მხოლოდ ფიქსირებულ წესებზე, არამედ იწყებს კონტექსტის, ისტორიისა და პოტენციური ზემოქმედების გათვალისწინებას. ეს ამცირებს მარშრუტიზაციის შეცდომებს, აუმჯობესებს სპეციალისტების გამოყენებას და ამცირებს გადამუშავებას.
ამავდროულად, ხელოვნური ინტელექტი იწყებს ანალიტიკოსისთვის პირდაპირი დამხმარე ფენის როლში გამოსვლას. ITSM პლატფორმები უკვე მოიცავს ფუნქციებს, რომლებიც სინთეზირებენ ინციდენტებს, გვთავაზობენ რეაგირებას და ავტომატურად ასტრუქტურირებენ დოკუმენტაციას. აქ ყველაზე მნიშვნელოვანი მოგება არა მხოლოდ სიჩქარეა. ეს არის პრობლემის გასაგებად საჭირო დროის შემცირება. დიდ ოპერაციებში, ძალისხმევის მნიშვნელოვანი ნაწილი ინციდენტის კონტექსტის რეკონსტრუქციას იხარჯება. როდესაც ეს პროცესი დაჩქარებულია, გადაჭრის საერთო დრო, როგორც წესი, თანმიმდევრულად მცირდება.
მომსახურების მაგიდის ახალი ოპერაციული დინამიკა
ასევე არსებობს ნაკლებად თვალსაჩინო, მაგრამ უფრო სტრუქტურული ეფექტი: ცოდნის ხარისხის გაუმჯობესება. თითოეული გადაჭრილი ზარი მონაცემთა ბაზას უფრო ორგანიზებულად კვებავს. ხელოვნური ინტელექტი ურთიერთქმედებებს დოკუმენტაციად გარდაქმნის, განმეორებად ნიმუშებს ამოიცნობს და ცოდნის ბაზას აძლიერებს. დროთა განმავლობაში, ეს ამცირებს ინდივიდუალურ ცოდნაზე დამოკიდებულებას და ზრდის ოპერაციის მასშტაბირებას.
ეს ციკლი, რომელიც მოიცავს მონაცემების აღქმას, ინტერპრეტაციას, მოქმედებას და სწავლას, არის ის, რაც განასხვავებს ავტომატიზაციას ოპერატიული ინტელექტისგან. მომსახურების მაგიდა აღარ არის მხოლოდ გადასასვლელი წერტილი და ხდება სისტემა, რომელიც განუწყვეტლივ სწავლობს საკუთარი ოპერაციით.
ბიზნესის პერსპექტივიდან, ეს ტრანსფორმაცია მეტრიკაში აისახება. კლასიკური ინდიკატორები, როგორიცაა MTTR, პირველი დონის გადაწყვეტის მაჩვენებელი და თითო ბილეთის ღირებულება, კვლავ აქტუალურია, მაგრამ ახლა მათზე გავლენას ახდენს ახალი ფაქტორები. პირველივე კონტაქტის დროს პრობლემის გადაჭრის შესაძლებლობა იზრდება, როდესაც ტრიაჟი უფრო ზუსტია. თითო ბილეთის ღირებულება, როგორც წესი, სტაბილიზდება ან მცირდება, როდესაც ნაკლებია არასაჭირო ესკალაცია. ხოლო მომხმარებლის გამოცდილება უმჯობესდება, როდესაც პასუხი უკვე ითვალისწინებს კონტექსტს და ისტორიას.
ისეთი ორგანიზაციების მიერ ჩატარებული კვლევები, როგორიცაა Forrester, მიუთითებს, რომ ხელოვნური ინტელექტის სტრუქტურირებული გამოყენება ITSM-ში შეიძლება მნიშვნელოვანი დროის დაზოგვის მიზეზი გახდეს რთულ ინციდენტებში, განსაკუთრებით გამოძიებისა და კოორდინაციის აქტივობებში. გავლენა არა მხოლოდ მარტივი დავალებების ავტომატიზაციაშია, არამედ უფრო რთულ სცენარებში გადაწყვეტილებების მიღების დაჩქარებაშიც.
ხელოვნური ინტელექტი, რა თქმა უნდა, არ გამორიცხავს ანალიტიკოსების საჭიროებას, მაგრამ ცვლის შესრულებული სამუშაოს ტიპს. ყურადღება გადადის განმეორებითი შესრულებიდან ანალიზზე, ვალიდაციასა და გადაწყვეტილების მიღებაზე. ეს მოითხოვს ტრენინგს და კულტურულ ადაპტაციას, განსაკუთრებით უფრო დიდ ოპერაციებში, სადაც სტანდარტიზაცია უფრო რთულია.
ამგვარად, ჩვენ ვხედავთ ორგანიზაციებში მომსახურების ცენტრის როლში სტრუქტურულ ცვლილებას. პრობლემების გადაჭრაზე ორიენტირებული ხარჯების ცენტრის ნაცვლად, ის IT ოპერაციების შესახებ მონაცემებისა და ინფორმაციული ინფორმაციის უწყვეტ წყაროდ იქცევა. თითოეული ინციდენტი წყვეტს იზოლირებულ მოვლენას და სწავლის წერტილად იქცევა.
საშუალო და დიდი ზომის კომპანიებისთვის ამ მოძრაობას პირდაპირი შედეგები მოჰყვება. უფრო რთული გარემო აღარ იძლევა მხოლოდ მოცულობასა და ადამიანურ მასშტაბზე დაფუძნებულ მოდელებს. ეფექტურობა ახლა დამოკიდებულია ინფორმაციის რეალურ დროში ინტერპრეტაციისა და მასზე რეაგირების უნარზე. ხელოვნური ინტელექტი ამ გადასვლას უზრუნველყოფს გაფანტული მონაცემების უფრო თანმიმდევრულ ოპერაციულ გადაწყვეტილებებად გარდაქმნით.
შედეგი არა მხოლოდ უფრო ეფექტური მომსახურების ცენტრია. ეს უფრო პროგნოზირებადი ოპერაციაა, ნაკლები ხახუნით და მეტი ადაპტირების უნარით. იმ სცენარში, როდესაც ტექნოლოგია სულ უფრო მეტად ინტეგრირდება ბიზნესში, ეს ევოლუცია წყვეტს IT ინიციატივას და ორგანიზაციული მუშაობის ბერკეტად იქცევა.
საბოლოო ჯამში, საქმე მომხმარებელთა მომსახურების ავტომატიზაციას კი არა, კომპანიაში მომსახურების სამსახურის როლის ხელახლა განსაზღვრას ეხება. სწორად დანერგვის შემთხვევაში, ხელოვნური ინტელექტი მხარდაჭერას არ ცვლის. ის მხარდაჭერას ისეთ სისტემად გარდაქმნის, რომელსაც შეუძლია ოპერაციების გაგება, სწავლა და მუდმივად გაუმჯობესება.
