ITSM 聊天机器人：为您的服务台提供的 6 个基于 AI 的用例

聊天机器人。

聊天机器人可以被训练来处理特定类别的请求和事件，前提是有完善的历史请求记录和所有相关知识文章的文档支持。这里，我们将讨论两种场景，说明聊天机器人如何帮助服务台：第一种是当前可用的人工狭义智能应用，第二种基于人工通用智能，效率更高但开发时间可能更长。

聊天机器人 — 场景 1：解决打印机问题（AI，狭义）

一个困扰终端用户和 IT 技术人员的常见问题是打印机停止工作。在大多数 IT 服务台中，每个打印机问题的解决方案都有详细记录，这意味着许多终端用户可以自行解决这些问题，无需 IT 技术人员介入。但仍有不少打印机事件被报告，可能影响生产效率。这类事件可以由专门训练处理打印机问题的聊天机器人来处理。

在聊天机器人与报告打印机问题的终端用户之间的典型对话中，聊天机器人会根据现有知识库文章回应用户。聊天机器人首先向用户推荐成功率最高的解决方案，然后依次提供其他成功率较高的方案。当聊天机器人没有更多解决方案可建议时，它可以引入人工技术人员协助用户；甚至可以被训练代表用户创建工单，并根据历史数据将其分配给合适的技术人员或支持组。市场上有多种第三方聊天机器人工具以及 IT 服务台供应商提供的解决方案，服务台现在就可以实施聊天机器人。

聊天机器人 — 场景 2：解决打印机问题（AI，通用）。

随着推动 AI 的技术进步，聊天机器人将不仅仅局限于建议解决方案。例如，想象一下同样的打印机问题，但聊天机器人更为智能。AI 算法和聊天机器人将比现在更智能，很快它们可能能够主动识别问题并提供必要的解决方案。

例如，在用户报告问题之前，就可以自动创建更换墨粉的请求。借助基于机器学习（ML）的模型，可以在耗材用尽之前自动创建更换墨粉和其他耗材的服务请求。当用户报告问题时，聊天机器人可以先查询请求数据库，判断是否已有相同问题的请求，再去查看解决方案模块。如果发现已有请求，聊天机器人可以提供所有相关细节以更新用户。虽然此功能尚未实现，但可能很快就会出现。

除了这两个场景，聊天机器人还有多种实用方式。以下是一些示例。

聊天机器人 — 场景 3：远程用户资产请求

现场的终端用户（例如销售人员）报告笔记本电脑运行缓慢，需要更换。他们尝试寻找合适的资产升级表单但未果，接着尝试拨打服务台电话却无人接听。最后，他们求助于聊天机器人。

聊天机器人 — 场景 4：为请求添加备注、评论或注释

IT 技术人员远程诊断工作站问题，无法访问服务台门户更新请求详情。于是，他们使用技术助理聊天机器人完成相关操作。

知识管理

AI 算法和聊天机器人的效果取决于其可用的知识库。幸运的是，AI 还能帮助构建坚实的知识库。我们将讨论两个用例，了解 AI 如何助力IT 服务台的知识管理。

知识管理 — 场景 1：自动评分解决方案以批准或拒绝

对于每个事件或事件类别，可能存在多个解决方案和知识库文章，这些内容在一段时间内被反复使用。特定的基于 ML 的模型可以根据历史表现训练，识别每个解决方案的成功率。评估时会考虑多个因素，如工单重开率、终端用户和技术人员对文章的评分，以及终端用户的确认。

基于这些指标，ML 模型甚至可以建议哪些文章应被废弃，哪些文章可以改进。根据解决方案随时间的表现进行评分，有助于 IT 服务台在工单创建时向用户提供正确的解决方案，并在聊天会话中辅助聊天机器人。

知识管理 — 场景 2：识别问题领域并汇总知识库文章

类似场景 1 中讨论的 ML 模型可以训练识别接收最多 L1 事件、重复事件和重开事件的事件类别。因此，ML 模型可以根据上述参数的严重性标记这些类别。它还能提供哪些类别需要 IT 服务台团队加强知识管理工作的洞察，比如编写合适的解决方案、进行审核和发布。这帮助服务台团队识别最需改进的领域，构建相关解决方案和知识库文章，帮助终端用户和技术人员。

Service Request Management

如今，复杂的服务请求如员工入职，通常由技术人员手动协调或基于预定义自动化执行。手动执行这些任务效率低且繁琐。现有自动化大多是静态的，缺乏智能，不能覆盖所有可能场景，且需定期人工干预以保持正常运行。但借助机器学习等 AI 技术，模型和算法可以基于请求历史动态自动化服务请求工作流。这些基于 ML 的自动化模型随着实时数据不断学习，优化工作流以提升效率。

IT 变更管理

IT 变更管理是决定公司 IT 基础设施成败的关键流程。变更实施前需要大量规划和风险评估；尽管如此，变更仍可能因人为错误而失败。在分析变更时，人类也难以从大量 IT 变更管理和实施数据中挖掘洞察。AI 可以通过减少人为错误和提升分析能力，帮助降低变更管理风险。

IT 资产管理

IT 资产管理和配置管理数据库（CMDB）是所有 ITSM 流程的基础。AI 还能帮助 IT 服务台团队更好地监控和管理 IT 硬件及软件资产。ML 系统可以持续监控配置项（CI）的性能，或分析现有 CI 性能数据，预测故障，避免终端用户和 IT 团队陷入困境。AI 通过跨多个领域关联数据，帮助 IT 服务台工具标记异常并生成关键警告，这几乎不可能手动完成。

这些是 AI 将开始影响 ITSM 的某些领域。一些 AI 功能可立即实现，另一些则需数年时间。聊天机器人和基于 ML 的分类将是 ITSM 工具中 AI 的首批应用。部分 ITSM 工具供应商已开始向终端用户提供这两项功能。还有多家第三方供应商提供即插即用解决方案，能执行这些操作。几年内，我们可能看到的不仅是 AI 功能的预期用例，这些用例很快将成为现实。

为 ITSM 中的 AI 浪潮做好准备

鉴于 AI 有潜力重新定义 IT 服务台及其团队的工作方式，服务台必须为即将到来的 AI 浪潮做好准备。如上所述，任何 AI 应用或模型的有效性取决于其训练数据以及诸如已记录解决方案等可用知识。

为充分利用 AI，IT 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 IT 服务台数据库；并构建完善的知识库。随着 ITSM 工具供应商努力将 AI 集成到产品中，服务台团队需做好准备，真正收获ITSM 中 AI 的益处。

本文最初发表于DATAVERSITY。