在当今的数字环境中，工作取决于技术，IT 服务台在确保 IT 运营和业务的顺利运行方面发挥着关键作用。然而，很明显，在我们当前的动态环境中，仅依靠传统的 IT 支持模式已经不够了。

故障修复模型虽然适用于孤立的问题，但根本无法跟上实时数字化工作场所不断变化的需求。值得庆幸的是，将人工智能和机器学习技术集成到服务台实践中，使组织能够从被动的消防方法转变为更主动的立场。

为了更好地说明这一点，下表指出了传统的中断修复模型和主动 IT 支持模型之间的差异。

以下是一个简单的用例，展示了人工智能如何帮助您主动处理员工端点中的问题：

假设您的很大一部分员工依赖特定的软件应用程序来完成日常任务。随着时间的推移，假设您没有优先将此软件更新到最新版本。这意味着您的最终用户现在容易受到兼容性问题、安全风险和其他性能问题的影响。但是，借助 AI 和 ML 技术，您甚至可以在问题影响最终用户之前主动解决问题。

就是这样;

1. 基于数字员工体验 （DEX） 分数的早期异常检测

该组织的应用程序性能监控解决方案将持续监控该软件应用程序的性能，跟踪加载时间、崩溃次数、错误率和应用程序内的响应能力等指标，以从最终用户的角度分析应用程序的性能。这些指标使您能够量化员工的体验以及他们对该特定软件的整体情绪。

现在，很明显，糟糕的应用程序性能 = 不满意的最终用户。

此外，挫败感还不止于此。报告此问题或等待服务台解决问题的负担增加了。

值得庆幸的是，借助人工智能，您可以在最终用户意识到这些问题之前解决这些问题。

根据您从上述指标中获得的见解，您会发现 DEX 分数低于您的基准值。基于这些数据，可以训练 ML 算法自动触发警报，在组织的服务台软件中创建票证。警报可以实时发送，并且工单可以填充相关数据，例如端点类型、受影响的应用程序和异常的性质，以便支持团队更好地了解问题的含义。

这种及早发现潜在问题的主动方法有助于服务台快速确定事件的优先级并解决事件，最大限度地减少停机时间，并最终提升最终用户体验。

2. 工单的智能分类、优先级和分配

一旦工单登录到服务台软件，重点就是加快和自动化工单流程。机器学习技术可以通过分析工单的各个方面并将该信息与以前工单的历史数据相关联来促进这一点。

通过分析 “慢速”或“无响应” 等特定关键字、导致问题的应用程序以及包含的错误消息，ML 将首先使用标签对票证进行分类 “应用程序性能问题 - CRM v1.2.05”。它将进一步评估影响水平（ 孤立事件或广泛问题 ）和解决的紧迫性 ( 基于应用程序的关键性 ）将工单的优先级指定为“高”，从而将其标记为立即关注。利用其对过去决议的了解 以及团队在类似问题上的专业知识，ML 可以将工单路由到最合格的团队或个人。通过智能地对工单进行分类、优先级排序和分配工单，ML 消除了手动作的需要 干预，在票务流程的初始阶段为您节省大量时间和精力。

3. 手头问题的分析与诊断

接下来，通过根据相似的字段属性识别多个工单之间的模式和相似性，ML 算法可以将相似的工单组合在一起，在本例中，所有提到同一应用程序性能缓慢的工单。通过 AI 集群，您的工单队列现在将得到组织，从而可以更快地解决类似事件，而不必单独对大量工单进行分类。

更进一步，通过分析工单描述，生成式人工智能可以生成简洁的摘要，突出显示有关事件的关键细节。这意味着您的 IT 支持团队无需花费太多时间来破译问题。

现在，为了深入了解导致问题的原因，可以利用人工智能启动根本原因分析，RCA 将重点放在更广泛的软件问题上。这种主动方法使 IT 无需等待更多工单流入，并防止未来发生事件。根据过去的票务数据和报告，机器学习算法可以识别性能问题与软件特定版本之间的相关性，从而促使支持团队将受影响端点上的软件更新到最新版本。

4.优化的知识管理，快速解决事件

现在，支持团队已经确定了潜在问题是过时的软件，然后可以专注于制定计划，以快速部署最新版本并解决性能问题。通过根据之前的升级推出分析内部知识文章或跨外部存储库进行搜索，GenAI 可以建议相关的故障排除方法、分步升级指南，甚至突出显示已知可以解决类似性能问题的特定补丁。这有助于进一步加快工单解决过程，因为支持团队无需搜索无穷无尽的知识文章即可找到与他们正在修复的问题相关的知识文章。

通过实施这些策略，支持团队不仅可以主动解决应用程序缓慢的问题，还可以采取预防措施来解决未来可能发生的情况。

底线

我们只是触及了人工智能在 IT 服务管理中的变革潜力的表面。随着人工智能能力的不断发展，它在 ITSM 中的作用只会变得更加重要，从而塑造我们管理数字体验的未来方式。将人工智能集成到服务台中代表了 IT 服务管理未来的令人兴奋的可能性。从自动化支持流程到主动问题识别和解决，人工智能技术提供了无数机会，帮助您将服务交付流程提升到一个全新的水平。

安孚官网：https://www.anfa.com.cn/

转载：Manage Engine