Saabub teavitus: kasutaja ei saa sisse logida, printer ei tööta, server annab veateateid. Kasutajatoe töötaja muudab selle piletiks, valib kategooria ja määrab kiireloomulisuse. Kas AI saab selle üle võtta? Suures osas jah, ühe olulise erandiga, mis erineb ettevõtte lõikes.
Kolm telge on määravad: mahukus, otsustusruum ja kliendikontakt.
Mahukus on suur. Kasutajatugi töötleb päevas kümneid kuni sadu teavitusi, ja paljud neist on variatsioonid väikesest arvust tuntud probleemidest: unustatud parool, puudub juurdepääs jagatud kaustale, sülearvuti ei käivitu. Suure mahu ja kordumise korral on ülesanne definitsiooni järgi sobiv automatiseerimiseks, kuna mudel õpib mustritest, mis sageli korduvad.
Otsustusruum on piiratud. Kiireloomulisus ja kategooria tulenevad enamasti otsustuspuust: kui palju kasutajaid on mõjutatud, on olemas ajutine lahendus, mis süsteemiga on tegu. See on täpselt see töö liik, milles tekstimudelid on head: teavituse lugemine, sellest tunnuste väljavõtmine ja kategoriseerimismudeliga võrdlemine. Mida AI täna sellega hakkama saab, on tekst — teavitused ise, mis on tihti kirjutatud kasutaja vabas sõnastuses, ja nende tagasitõlkimine struktureeritud piletiks.
Kliendikontakt on funktsionaalne, mitte suhtepõhine. Kasutaja, kes teatab rikkest, soovib peamiselt, et sellega tegeletaks, mitte et tekiks vestlus. See on teisiti, kui asjad läheb valesti või muutuvad tundlikuks — vaadake selle kohta ka, kuidas rikkest teavitamine kasutajatele toimub, kuna see on teine ülesanne teistsuguse profiiliga.
Füüsiline komponent ei mängi rolli: see on halduslik töö ekraani taga, mitte tegevus seadmetega. Veakulud on keskmised. Valesti prioritiseeritud teavitus põhjustab harva otsest kahju, kuid süsteemide puhul, mis kuuluvad regulatiivsete nõuete alla — finantssüsteem, patsiendi toimik — on olukord teine, ja vastavuse telg saab siin seetõttu keskmisest kõrgema hinde. Rike keskkonnas, kus on seaduslik teavitamiskohustus, eeldab liigituse põhjenduse dokumenteerimist, mitte ainult märgistust.
Nõrk koht on loovus, ja see on täpselt põhjus, miks see ei ole täielik ülevõtmine. Teavitus, mis ei mahu tuntud mustrisse — uus sümptomite kombinatsioon, süsteem, mis rikneb esimest korda, kasutaja, kes kirjeldab probleemi segaselt — vajab kedagi, kes mõtleb, mitte liigitab. Sellega käib kaasas järelevalve: AI teeb ettepaneku kategooria ja kiireloomulisuse kohta, inimene kinnitab või kohandab, koos põhjendusega. See on teistsugune ülesehitus kui täielik ülevõtmine, ja see on ka kõige levinum praktika ettevõtetes, kes sellega juba töötavad.
Ettevõttes, kus on väike, ülevaatlik rakenduste maastik ja mõnisada kasutajat, on üheksakümmend protsenti teavitustest kordus millestki, mis on juba sada korda ette tulnud. Seal saab mudel, millel on hea kategoriseerimismudel, tegeleda suurema osa sissetulevate teavituste käitlemisega iseseisvalt, ja inimene näeb ainult erandeid.
Ettevõttes, kus on palju pärandsüsteeme, kohandatud tarkvara ja ühinemiste ajalugu, on muster ettearvamatum. Teavitused on mitmekesisemad, kategooriad on halvemini piiritletud, ja tõenäosus, et teavitus jääb tuntud mustrist väljapoole, on suurem. Seal jääb suurem osa töö inimese kanda, mitte sellepärast, et AI ei tahaks seda teha, vaid sellepärast, et sisend on liiga struktureerimatu, et sellest automaatselt midagi usaldusväärset teha.
Seega ei ole raamtingimus tehnoloogia, vaid sissetulek: struktureeritud sissetulekuvormid ja hästi väljatöötatud intsidentide kategoriseerimismudel määravad suuresti, kui palju sellest tööst on täna juba üle antav. Nende kahe puudumisel jääb suurem osa käsitööks, kus AI on abivahend, mitte täitja.
See ei ole personalinõuanne ja mitte põhjendus kasutajatoe meeskonna kärpimiseks. Kas ja kuidas organisatsioon teeb personaliotsuseid muutuva töö põhjal, on tööandja otsustada, ja selle kohta kehtivad eraldi seaduslikud nõuded; vaadake selleks vajaliku hoolsuse kohta funktsioonide kärpimise puhul olulisi tähelepanupunkte. Käesolev lehekülg kirjeldab ainult sellega, mis toimub ülesande endaga.
Kasulik on ka seda ülesannet mitte vaadata eraldi ülejäänud IT-tegevusest. Intsidentide registreerimine on seotud tööga nagu süsteemi jõudluse jälgimine, mis annab tihti varajased signaalid enne, kui teavitus tekib, ja haldusülesannetega nagu varunduse tegemine ja kontrollimine või algandmete ajakohasuse ja korrashoiu tagamine, millel on sama kombinatsioon suurest mahust ja piiratud otsustusruumist. Kes soovib teada, kus muutus terve IT-osakonna jaoks juba toimub, vaatab kõige parem kõiki ülesandeid koos, mitte üht piletiprotsessi.
Tulemus teie enda kasutajatoe jaoks sõltub sellest, kui palju teie teavitustest langeb äratuntavatesse mustritesse ja kui hästi teie sissetulek on juba struktureeritud. See erineb ettevõtte lõikes ja ei ole väljendatav kindla rusikareegliga.
FTE TO AI tasuta kiirtest annab selle kohta esmase hinnangu: kaksteist küsimust, konto loomata, koos hinnanguga, kui suur osa teie profiili tundidest on täna AI-ga üle võetav. Täielik töö-skaneering, mis arvutab kogu ettevõtte töö ülesande kaupa ümber täistööajale vastavateks ametikohtadeks (fte-mahtuvuseks), on veel arendamisel.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.