利用先进的AI振兴ITSM工作流程：转变
员工入职
3月26日 | 8分钟阅读
随着每天都有新的AI创新问世，许多人渴望加入AI潮流并利用其优势，包括IT服务台。受高效生产力和卓越体验承诺的吸引，81%的IT领导者调查显示，他们希望将AI嵌入企业范围的IT服务运营中。然而，真正的问题是识别AI能够最大化影响和投资回报率的用例。
本文将探讨最耗时、手动但关键的ITSM操作之一：员工入职。我们剖析挑战，并探讨如何在员工入职工作流程中嵌入AI能力，以消除流程低效并提升服务交付。
员工入职工作流
员工入职本质上复杂，因为涉及HR、法律、IT和设施等多个团队的跨职能依赖，每个团队都有自己的任务。招聘经理提交入职请求后，HR审核批准，法律进行背景调查，IT提供所需硬件和软件，设施部门分配合适的工作空间。使用遗留系统和分散工具集加剧了这些后勤挑战，造成流程孤岛，阻碍协调和沟通。例如，HR可能未能及时通知IT，导致员工第一天工作准备不足。此外，企业团队可能在手动和重复任务上投入过多时间和精力，导致效率低下。
通过采用ESM和自动化编排引擎自动化配置任务，可以在一定程度上解决这些挑战。招聘经理只需从自助门户填写一份入职表单并提交给HR服务台。
一旦HR核查、验证招聘信息并批准工单，相关部门的特定任务将自动创建，建立共享上下文，促进协调。
此外，可视化工作流程可以帮助团队自动化其部门特有的入职流程，提高生产力。例如，借助丰富的上下文，法律团队可以使用可视化工作流程定义和映射复杂流程如背景调查的步骤。
同时，工作流程编排引擎可以连接分散的混合工具和系统，使IT团队能够编排配置任务，从创建AD用户到软件安装和数据库更新，无需任何人工干预。
然而，尽管利用了ESM和广泛的工作流程自动化，各种挑战仍可能阻碍顺利的员工入职。
- 手动填写冗长表单可能使招聘经理不堪重负，导致信息收集不准确。
- 僵化且过时的基于规则的入职请求分类、优先级划分和分配给HR专员可能延误入职流程。
- 从多个来源收集信息、审核大量文档并确保合规耗时，可能延迟法律团队的响应时间。
- 一刀切的IT资产配置方式可能缺乏个性化，影响员工满意度。
- 设施团队的不当容量规划可能导致资源短缺和新员工座位分配延迟。
员工入职工作流程的AI优势
IT领导者应识别最适合的AI能力，以弥补入职工作流程中的这些缺口。让我们深入每个员工入职阶段，了解特定AI能力如何满足您的生产力和体验目标。
请求创建
当招聘经理手动填写入职表单时，可能导致信息不准确或不完整，造成处理延误。此外，手动分类和分配入职请求给所需团队耗费大量时间和精力。
预测性AI通过分析职位类型、地点和入职时间等因素对请求进行分类和优先级划分。它还可以考虑部门、招聘紧急程度和HR专员专业知识，以及入职趋势，确保请求分配给最合适的HR专员。借助自然语言案例提取等进展，AI模型能够从录用信和HR邮件中捕捉相关信息，如候选人姓名、职位和部门，自动填写必要表单并创建服务请求，从而加快入职流程。
HR团队
在手动处理入职请求时，HR专员需要筛选大量信息，从请求详情到员工资格证明，可能遗漏关键细节。这是一个易出错的过程，可能需要频繁与招聘经理沟通以准确补充信息。
通过案例摘要，生成式AI可以从众多来源提炼简明概述，获取协助HR团队的招聘细节，包括薪酬、试用期和认证要求。此外，虚拟支持代理可以直接与招聘经理沟通，收集所需的额外信息。在AI代理的帮助下，HR入职专员可能能够完成处理入职请求的所有活动，如管理沟通，包括起草和发送邮件给候选人，以及分享在线入职会议的链接。
法律团队
在背景调查过程中，法律团队手动分析繁琐的记录，包括录用信、雇佣协议和合规表格。这个耗时过程增加了错过验证任务截止日期的风险，可能延误入职流程。
此时，生成式AI可以动态总结这些庞大文档，突出候选人身份、雇佣类型、入职日期等关键信息。法律专员还可以通过具备检索增强生成能力的LLM驱动虚拟代理以自然语言交互，验证合同条款（如工作时间和福利）是否符合地区劳动法和组织规范，提供上下文洞察。随着新情况的发展，预测性AI可以通过分析历史趋势、职位重要性和法律复杂性，智能触发升级给相关利益相关者，确保验证过程主动完成。
IT团队
IT团队通常面临信息过载，需在邮件、电话和协作平台等多个渠道处理配置请求。但基于预定义配置的僵化资产分配模型使情况复杂化，无法满足独特设备需求。由于手动知识管理机制难以保持信息更新，员工常常难以找到准确细节，例如设置VPN和启用软件SSO，可能反复求助服务台寻求支持和解决方案。
通过将工作负载和性能需求与职位角色关联，预测性AI可以建议合适的硬件、软件及所需访问权限。生成式AI可以进一步根据安全需求微调配置建议。未来，AI代理将寻求服务所有者的必要批准，然后通过相关系统自动执行软件和基于角色的权限配置，从特权访问管理到UEM。
为维护动态且相关的知识库，生成式AI可以从内部和外部来源搜集并更新知识文章，同时由人工代理审核批准。利用用户意图和情感，LLM驱动的虚拟代理为用户查询提供个性化响应，并迅速分享来自知识库的准确解决方案。这样，AI帮助个性化服务体验并提升生产力，同时促进员工的主动支持。
设施团队
尽管利用集中跟踪系统，设施团队仍难以实时掌握座位占用情况。不明确的人员预测、多样化的工作模式和突发的组织变动阻碍了规划工作。结果，座位分配延迟，员工需求得不到满足，办公空间利用效率低下。
通过评估招聘模式、离职率和季节性占用变化等劳动力趋势，预测性AI可以系统性地推荐座位容量扩展。生成式AI进一步提供角色特定和以用户为中心的洞察，确保空间利用最优化。
未来改进中，实时生成式AI驱动的沟通机制或专用AI代理将通过实时上下文更新保持团队信息畅通。一旦入职流程完成，AI代理将能够向新员工发送欢迎邮件，并附带访问权限和定制的组织政策文件。
利用AI贯穿入职流程的优势
| 部门/场景 | 挑战 | AI优势 |
|---|---|---|
请求创建 |
|
|
HR团队 |
|
|
法律团队 |
|
|
IT团队 |
|
|
设施团队 |
|
|
探索AI采纳之旅
从案例摘要到个性化虚拟支持代理，利用AI贯穿企业范围内的ITSM工作流，释放最高效率。然而，制定结构化的AI采纳策略以最大化收益并考虑实施成本至关重要。先从处理高量L1工单等常规问题入手。例如，AI驱动的虚拟代理可以即时提供准确的解决方案和修复措施，处理应用程序崩溃等常见问题并转移L1工单。针对特定用例试点合适的AI技术，然后将AI推广到关键服务交付工作流，推动企业范围的转型。这种方法不仅最大化AI的投资回报，还加速成果，实现组织以最佳成本提供真正卓越的服务体验。