Last updated on: February 02, 2022
O machine learning (ML), segundo a TechTarget, é um tipo de inteligência artificial (AI) que fornece aos computadores a capacidade de aprender sem serem explicitamente programados. Para pessoas como eu, que precisam disso em termos mais simples, o ML lida com sistemas que podem aprender com dados e experiências anteriores para melhorar o desempenho de uma tarefa específica.
O machine learning já começou a fazer mais diferença no nosso dia a dia do que qualquer um poderia imaginar. Dizer Por exemplo, um casal treina seu sistema de aspersão para ligar automaticamente quando os gatos vão ao gramado para afastá-los.
O machine learning também tem outros usos diários, como processar solicitações de pesquisa on-line, filtrando spam automaticamente de nossas caixas de entrada de e-mail, bem como entender e responder aos nossos comandos de fala em telefones inteligentes. Não por acaso, o machine learning também pode beneficiar o ITSM:
Os usuários finais poderão buscar soluções e auto-resolver incidentes sem o envolvimento de nenhum técnico. Por meio de machine learning, os help desks podem ser treinados para verificar os tickets recebidos e fornecer aos usuários finais soluções automaticamente, com base na experiência anterior do sistema. Estilo Google Assistente, as caixas de bate-papo também ajudarão os usuários finais a auto-resolver incidentes ou obter informações sem sequer registrar um ticket no help desk.
Por exemplo, um usuário teria apenas que executar ping no help desk informando que "a impressora não está funcionando" e o help desk seria capaz de verificar o nível de limite de impressão da impressora, verificar se ele precisa de uma substituição de toner e criar uma solicitação de serviço para o mesmo. Ou, se esse não for o caso, o sistema também seria capaz de enviar imediatamente e automaticamente quaisquer artigos relevantes da KB que possam ajudar o usuário final.
Os suportes também podem aprender com a experiência e os dados anteriores para rotear tickets ou tarefas para os técnicos ou grupos de suporte apropriados, automatizando assim o processo de atribuição de tickets sem precisar criar regras/fluxos de trabalho. O Machine Learning ajudaria a reduzir os tempos de resolução e melhorar a eficiência da equipe de help desk.
Com a implementação do machine learning, os help desks podem ser treinados para aprovar automaticamente solicitações de serviço com base na função, departamento do funcionário, local de trabalho e outros parâmetros. Por exemplo, quando um designer solicita ferramentas/software de design adicionais, o help desk poderá aprovar automaticamente a solicitação e iniciar um fluxo de trabalho sem esperar pela aprovação do gerente. Além disso, o help desk pode ser treinado para verificar automaticamente a estação de trabalho atribuída a esse designer quanto aos requisitos mínimos do sistema para instalar as ferramentas/software solicitados e criar uma solicitação para atualizar o sistema, se necessário. Tudo por si só.
Os sistemas de help desk também podem aprender com experiências anteriores de integração e sugerir o tipo de software e hardware que o usuário precisa, as permissões de acesso de que precisa com base em sua função/departamento, um configuração da impressora, etc. Todas essas são opções para melhorar a velocidade do serviço entregue aos usuários finais.
Com o machine learning, os help desks poderão analisar padrões de incidentes e antecipar problemas. Além disso, os help desks treinados podem ser capazes de disparar notificações automaticamente ou criar um ticket de problema para problemas previstos, para que os técnicos de help desk possam examiná-lo o mais rápido possível. Digamos que o desempenho de um servidor de aplicações comece a se deteriorar. As centrais de suporte seriam capazes de antecipar quaisquer falhas de aplicações a partir dos dados de desempenho anteriores de esse servidor específico, avise os usuários finais que possam ser afetados, crie um ticket de problema e associe quaisquer tickets de incidente relevantes ao ticket de problema.
As implementações de alterações estão sempre associadas a um determinado nível de risco. Sem um plano e fluxo de trabalho adequados, as implementações de mudanças podem ser caras. Os help desks podem aprender com os dados e a experiência anteriores de implementação de alterações para ajudar a criar fluxos de trabalho altamente dinâmicos.
Por exemplo, com a implementação do machine learning, os sistemas de help desk podem reconhecer possíveis sinais de falha na implementação de alterações e solicitar que os administradores interrompam a implementação e executem o plano de backout antes mesmo que a falha ocorra. Os módulos de gerenciamento de mudanças guiados por ML também poderão fazer recomendações durante a fase de planejamento com base em experiências anteriores.
Uma quantidade considerável de incidentes ocorre devido a ativos de TI antigos que têm desempenho degradado. O ML pode ajudar a identificar automaticamente quais ativos podem quebrar repetidamente, com base em fatores como seus níveis de desempenho, incidentes associados a eles, etc. Depois que esses ativos são detectados, o help desk pode usar machine learning para enviar notificações aos técnicos e até mesmo ajudar a solicitar substituições. O caso mais simples pode ser o help desk criando automaticamente solicitações para substituições de toner de impressora depois que uma impressora imprimiu um número de páginas.
Esses são alguns dos casos de uso mais simples que mostram como o ML pode fazer a vida mais fácil para a equipe de help desk e usuários finais. Embora estes possam não estar prontamente disponíveis como soluções prontas para uso, eles também não estão muito longe no futuro.
