5 个基于机器学习（ML）的 ITSM 自动化用例

自动审批

通过实施机器学习，帮助台可以根据员工的角色、部门、工作地点及其他参数，训练成自动批准服务请求。例如，当设计师请求额外的设计工具或软件时，帮助台能够自动批准该请求并启动工作流程，无需等待经理批准。帮助台还可以训练成自动检查分配给该设计师的工作站是否满足安装所请求工具或软件的最低系统要求，并在必要时自动创建系统升级请求。

解决事件

终端用户将能够自行搜索解决方案并解决事件，无需技术人员介入。通过机器学习，帮助台可以训练成扫描传入的工单，并基于系统的过往经验自动为终端用户提供解决方案。类似 Google Assistant 的聊天框也将帮助终端用户解决事件或获取信息，而无需在帮助台登记工单。

帮助台还可以从过去的经验和数据中学习，将工单或任务路由到合适的技术人员或支持组，从而 自动化工单分配流程，无需创建任何规则或工作流程。机器学习将有助于缩短解决时间，提高帮助台团队的效率。

“通过实施机器学习，帮助台可以训练成自动批准服务请求”

问题预测

通过机器学习，帮助台将能够分析事件模式并预测问题。此外，经过训练的帮助台可以自动触发通知或为预测的问题创建问题工单，以便帮助台技术人员尽早调查。比如，当应用服务器的性能开始下降时，帮助台能够根据该服务器的历史性能数据预测任何应用故障，提醒可能受影响的终端用户，创建问题工单，并将相关的事件工单关联到该问题工单。

变更管理

变更实施 总是伴随着一定的风险。没有适当的计划和工作流程，变更实施可能代价高昂。帮助台可以从以往的变更实施数据和经验中学习，帮助创建高度动态的工作流程。例如，通过实施机器学习，帮助台系统可能识别出变更实施失败的潜在迹象，并在失败发生之前提示管理员停止实施并执行备份计划。由机器学习指导的变更管理模块还能够在规划阶段根据以往经验提出建议。

资产生命周期

大量事件是由于性能下降的老旧 IT 资产引起的。机器学习可以帮助自动识别哪些资产可能会反复故障，基于其性能水平和相关事件等因素。一旦检测到这些资产，帮助台可以利用机器学习 发送通知 给技术人员，并促进替换订单的下达。最简单的情况可能是帮助台在打印机打印一定页数后自动创建打印机墨粉更换请求。ITSM 充满了机器学习的机会。上述场景是一些 最简单的用例，展示了 机器学习如何让帮助台团队和终端用户的生活更轻松。虽然这些可能不会作为开箱即用的解决方案立即可用，但它们离未来并不遥远。如何查看合同所有者详情

本文最初发表于 智能技术频道