AI 驱动的聊天机器人和自动化如何帮助 IT 服务台

IT 服务台环境中的 AI

当 AI 能够执行服务台团队不愿意做的平庸任务以及人类难以完成的操作时，AI 对服务台的影响将变得有价值。AI 的能力将包括智能自动化、战略洞察和预测分析。

以传入工单的路由为例；通常这是一个耗时的手动任务。一些服务台已经使用静态规则进行自动化，以对每个工单进行分类，但这些规则无法适应或改进。这正是机器学习发挥作用的地方。机器学习模型可以从历史服务台数据中学习，同时处理实时数据，逐渐成为更准确高效的模型。

类似的 基于 AI 的模型 可以消除人类在多种任务上的时间和精力投入，从建议合适的补丁更新窗口，到提供变更规划和实施的洞察，预测 IT 问题，以及监控可能违反服务级别协议（SLA）的请求。

自动化和聊天机器人的未来趋势

特定场景的聊天机器人已经在 协助技术人员 执行简单的服务台任务，如通过简单对话批准请求或添加请求备注。在终端用户方面，类似的聊天机器人帮助用户解决简单问题并跟踪请求状态，无需联系技术人员。

未来，基于 AI 的虚拟服务台助手可能会成为终端用户联系服务台的第一接触点，从而大幅减轻技术人员的负担。它们还将执行创建请求等服务台活动。结合基于机器学习的分类和分配，基于 AI 的服务台能够为终端用户提供更优质的服务体验。

服务台数据、信息和知识的重要性

每个 AI 模型将针对各自的服务台，因为模型由其所基于的服务台数据塑造。该数据对每个服务台都是独一无二的，AI 的有效性取决于其所依赖的数据和知识。

除了维护良好的数据存储库外，AI 模型还需要一套妥善记录的解决方案、变通方法和知识文章。以基于 AI 的分类或优先级模型为例，训练它需要包含请求类型、级别、影响、紧急程度和站点等参数的历史请求数据库。

通过支持 NLP 的聊天机器人和自动化处理请求

在有支持文档的前提下，支持自然语言处理（NLP）的聊天机器人可以被训练以理解终端用户的文本输入，并处理特定类别的请求和事件。以打印问题为例，使用当前可用的狭义 AI，聊天机器人可以通过按成功率顺序建议解决方案来帮助终端用户解决打印机问题。

使用通用 AI —— 它比狭义 AI 更有效，但开发和应用可能需要更长时间 —— 聊天机器人最终可以超越仅建议已发生问题的解决方案，转而预测打印机问题的发生。

例如，基于机器学习的模型可以在耗材（如墨粉）用尽前自动创建更换服务请求。聊天机器人随后可以交叉检查请求数据库，判断用户报告相同问题时是否已有请求被创建。如果该问题已被报告，聊天机器人可以将此信息反馈给用户。

聊天机器人还能通过多种 其他方式提供价值，从管理远程用户请求到为请求添加备注、评论或注释。重要的是，它们可以减轻人类的工作负担。

通过自动化和聊天机器人在所有 ITSM 流程中实施 AI

在知识管理中，基于机器学习的模型可以根据过去的表现训练识别每个解决方案的成功率。这可以通过考虑工单重开率、终端用户和技术人员对文章的评分以及终端用户确认来实现。这些模型还可以训练识别最常发生的事件类别。

机器学习模型还可以提供洞察，指出哪些类别需要 IT 服务台团队提供更多知识，以 构建相关的解决方案和知识库文章，帮助终端用户和技术人员。

在服务请求管理中，机器学习模型和算法可以根据请求历史动态自动化 服务请求工作流。这些基于机器学习的自动化模型随着每条实时数据的输入不断学习，优化工作流以提高效率。在 IT 变更管理中，AI 通过分析大量人类难以处理的数据，能够最大限度地减少人为错误风险。

AI 还可以帮助服务台团队监控和管理 硬件和软件资产。机器学习系统可以持续监控配置项的性能，检查可用性能数据并预测故障。AI 通过跨多个领域关联信息，帮助标记异常并生成关键警告，这在人工操作中几乎不可能实现。

AI 具有彻底革新 IT 服务台及其团队工作方式的巨大潜力，但服务台必须做好准备才能充分实现其优势。为确保 AI 充分发挥潜力，服务台团队必须妥善记录所有请求、问题和变更，维护准确的服务台数据库，并构建深入的知识库，因为 ITSM 工具供应商正开始将 AI 集成到其产品中。

本文最初发表于 ITSM Tools。