一方、多くの企業は、2016年（10％）と比較して、昨年の技術サポートコールの量（15％）の減少に注目しました。 アプリケーション数の減少に寄与した重要な要因は、独立した技術サポートでした。 ただし、HDIはまた、昨年、アプリケーションのコストが2016年の18ドルから25ドルに上昇したと報告しています。 これは、ほとんどのITサービスが目指しているものではありません。 幸いなことに、分析と機械学習に基づく自動化は、エラーを減らし、品質と速度を向上させることにより、サポートプロセスと生産性を向上させることができます。 これは人間の能力を超える場合があり、機械学習と分析は、インテリジェントで有能で運用可能なITサポートサービスの重要な基盤です。
この記事では、機械学習がアプリケーションの量とコストに関連するサポートサービスとITSMの多くの問題を解決する方法、および企業の従業員が喜んで使用するより高速で自動化されたサポートサービスを作成する方法について詳しく説明します。
機械学習と分析による効果的なITSM
機械学習の私のお気に入りの定義はMathWorksから来ています。
「機械学習は、人間や動物が自分の経験から学ぶのが自然なことをするようにコンピューターに教えます。 機械学習アルゴリズムは、事前定義された方程式をモデルとして使用することなく、計算手法を使用してデータから直接情報を学習します。 アルゴリズムは、研究に利用できるサンプルの数が増えるにつれて、独自の効率を適応的に改善します。
機械学習とビッグデータ分析に基づいた一部のITSMツールでは、次の機能を使用できます。
- ボットを介したサポート。 仮想エージェントとチャットボットは、データディレクトリと公開クエリからニュース、記事、サービス、サポートを自動的に提供できます。 提案されたエンドユーザートレーニングプログラムの形式でのこのような24時間年中無休のサポートは、問題をより迅速に解決するのに役立ちます。 ボットの主な利点は、改善されたユーザーインターフェイスと少ない着信コールです。
- スマートなニュースと通知。 これらのツールを使用すると、潜在的な問題を事前にユーザーに通知できます。 さらに、ITプロフェッショナルは、発生する可能性のある問題に関する最新かつ有用な情報をエンドユーザーに提供するパーソナライズされた通知で問題を解決するための回避策と、それらを回避する方法のヒントを推奨できます。 情報に通じたユーザーは、アクティブなITサポートに感謝し、着信コールの数が減ります。
- スマート検索。 エンドユーザーが情報やサービスを探すとき、状況依存の知識管理システムが推奨事項、記事、リンクを提供できます。 通常、エンドユーザーは結果の一部をスキップし、他の結果を優先します。 これらのクリックとビューの数は、時間の経過とともにコンテンツのインデックスを再作成するときに「重み付け」基準に含まれるため、検索機能は動的に調整されます。 エンドユーザーは「いいね/嫌い」投票の形でフィードバックを提供するため、これは、自分や他のユーザーが見つけることができるコンテンツの評価にも影響します。 メリットの点では、エンドユーザーはすぐに答えを見つけて自信を感じることができ、サポートエージェントはより多くの要求を処理し、より多くのサービス品質契約（SLA）に到達できます。
- 人気のあるトピックの分析。 ここでは、分析機能により、構造化および非構造化データソースのパターンが明らかになります。 人気のあるトピックに関する情報は、ヒートマップの形式でグラフィカルに表示されます。セグメントのサイズは、ユーザーが要求した特定のトピックまたはキーワードのグループの頻度に対応しています。 繰り返し発生するインシデントは即座に検出され、グループ化され、一緒に解決されます。 人気のあるトピックの分析は、共通の根本原因を持つインシデントクラスターも検出し、主な問題を特定して解決する時間を大幅に短縮します。 このテクノロジーは、同様の相互作用または同様の問題に基づいてナレッジベース記事を自動的に作成することもできます。 データの傾向を見つけると、IT部門の活動が増加し、インシデントの再発が防止されるため、エンドユーザーの満足度が高まり、ITコストが削減されます。
- スマートアプリケーション。 エンドユーザーは、アプリケーションを送信することは、ツイート、つまり、電子メールで送信できる問題またはリクエストを説明する自然言語の短いメッセージを書くことほど難しくないと考えています。 または、問題の写真を添付して、モバイルデバイスから送信することもできます。 スマートアプリケーションを登録すると、エンドユーザーが書き込んだ内容または光学式文字認識（OCR）プログラムを使用して処理された画像のスキャンに基づいてすべてのフィールドに自動的に入力することで、通話の作成プロセスが高速化されます。 一連の観測データを使用して、テクノロジーは自動的に要求を分類し、適切なサポートエージェントへの要求に対処します。 エージェントは、アプリケーションをさまざまなサポートグループにリダイレクトし、機械学習モデルがこの場合に最適でない場合、自動的に入力されたフィールドを上書きできます。 システムは新しいテンプレートから学習するため、将来発生する問題に対処できます。 これは、エンドユーザーがアプリケーションを簡単かつ迅速に開くことができることを意味し、作業ツールを使用するときの満足度が向上します。 この機能は、手作業とエラーを削減し、解決時間とコストの削減にも役立ちます。
- スマートメール。 このツールは、スマートアプリケーションに似ています。 エンドユーザーは、問題をサポートし、自然言語で説明するための手紙を送ることができます。 サポートサービスツールは、電子メールの内容に基づいてアプリケーションを作成し、提案されたソリューションへのリンクでエンドユーザーに自動的に応答します。 アプリケーションと問い合わせを開くのは簡単で便利であり、ITエージェントは手作業が少ないため、エンドユーザーは満足しています。
- スマートな変更管理。 機械学習は、最新の分析と変更管理もサポートしています。 今日の企業が頻繁に必要とする変更の数を考えると、インテリジェントシステムは、環境を最適化し、将来の成功した変更の割合を増やすことを目的とした提案をエージェントまたは変更マネージャーに提供できます。 エージェントは必要な変更を自然言語で記述することができ、分析機能は影響を受ける構成要素の存在についてコンテンツをチェックします。 すべての変更は規制されており、リスク、計画外のウィンドウでの計画、ステータスが「承認されていない」などの変更に問題がある場合、自動インジケータが変更マネージャーに通知します。 スマートな変更管理の主な利点は、少ない構成、設定、そして最終的にはより少ない費用でより速い回収時間です。
最終的に、機械学習と分析は、アプリケーションの問題と、エージェントとITサポートグループが何が起こったのか、何が起こったのか、何が起こったのかを説明、診断、予測、および処方するのに役立つ変更プロセスに関するITSMシステムを変換します。 エンドユーザーは、積極的、個人的、動的な分析評価と迅速なソリューションを受け取ります。 ただし、多くのことが自動的に行われます。 人間の介入なし。 そして、技術が時間の経過とともに学習するにつれて、プロセスはより良くなります。 この記事で説明されているすべてのスマート機能は、今日利用可能であることに注意することが重要です。