機械学習の導入には、組織の大幅な変更が必要です。 ただし、同じ調査によると、これらの変更を行うことにした回答者はわずか48％でした。 組織の変更に加えて、機械学習の使用には専門家、特にデータ分析者の関与が必要です。 IBMの調査によると、それらの需要は供給をはるかに上回っています。 予測によると、2020年までに状況はさらに悪化します。 ServiceNowのソリューションがこの状況にどのように役立つかを説明します。
/写真/ Chris Isherwood / CC
問題を解決する方法
1つのソリューションがServiceNowによって提供されます。 エージェントインテリジェンスの新製品はプラットフォーム自体に組み込まれているため、追加の実装コストを必要とせず、データマイニングスペシャリストのスタッフが関与することなく利用できます。 開発者によると 、Agent Intelligenceはタスクの分類、優先順位付け、および割り当てを自動化します。 これにより、インシデント解決時間が短縮され、エラーが減少し、顧客満足度が向上します。
仕組み
Agent Intelligence は、機械学習を使用して、事前定義されたテンプレートからユーザーインタラクションモデルを作成します。 これらのモデルは、保存されたServiceNowの顧客データに基づいています。 データは、チケットフィールドの値を予測するために使用されます。 チケット説明のパターンベースのトレーニングとテキスト分析により、システムはコールのカテゴリ、優先度、および宛先グループを自動的に決定できます。
エージェントインテリジェンスモデルは、セグメント、重要度と顧客の好み、または一般的なインシデントソリューションなどの他のデータを追加することで拡張できます。 テンプレートをデバッグしたら、分類子のしきい値を設定し、モデルをテストして、作業を開始する必要があります。
このプロセスでは、モデルはチケット説明フィールドのテキストとその他のデータを使用して、テクニカルサポートの最初のラインのスペシャリストにカテゴリ、優先度、割り当てグループを提供します。
モデルが正しく決定したパラメーターである各チケットは、成功したと見なされます。 パラメータを手動で変更すると、エラーとして記録されます。 これらのエラーは、モデルの計画的な定期的な再トレーニングで使用されます。 繰り返しトレーニングの間隔はユーザーが設定します。
エージェントインテリジェンス機能
分類と優先順位付けを加速します。 ServiceNowの調査では、サービスデスクスペシャリストの40％が100の可能なグループの1つにインシデントを分類し、300％のグループの1つに25％のスペシャリストを分類することが強制されています。 適切なグループを見つけるには、時間がかかりすぎる可能性があります。
アクセンチュアコンサルティングレポートによると、テクニカルサポートスペシャリストは時間の12％を費やして、リクエストにカテゴリと優先度を割り当てています。
エージェントインテリジェンスは、クエリを即座に分析および分類します。 これにより、ユーザーが手動でリクエストを並べ替えたりリダイレクトしたりする必要がなくなります。 プロフェッショナルは、複数のリストをスクロールしたり、クエリに割り当てるカテゴリまたはグループを検索する必要がなくなりました。
インシデント解決時間とエラー率を削減します。 自動ルーティングは、最初に対処する必要があるタスクとインシデントに専門家の注意を引き付けます。 これにより、顧客満足度全体が向上します。
エージェントインテリジェンスは、クエリをより速く、より少ないエラーで分類および送信します。 これにより、サポートスタッフの生産性が向上します。
ツールバーとレポート。 分類とルーティングの精度は、ツールバーを使用してリアルタイムで追跡できます。 このシステムはフィードバックを提供し、継続的な活動を監視して、サービス品質を継続的に改善します。
利点は何ですか
パイロットバージョンのプログラムの開始により、インシデントの分類、優先順位付け、および割り当てが改善されたことにより、ユーザーは作業時間の8％または年間26,000時間を節約できることが示されました。
専門家は、Agent Intelligenceが3年間の使用で100,000ドルを節約し、10か月で完済すると推定しています。
いつリリースされるか
最初のAgentNマシンベースのServiceNowソリューションは、Kingstonプラットフォームの次のバージョンで利用可能になります。
製品の詳細についてはこちらをご覧ください 。
ここでパイロットのユーザーレビューを検索します。