Stiže prijava: korisnik se ne može prijaviti, printer ne radi, server prikazuje greške. Netko na servisnoj službi to pretvara u tiket, bira kategoriju i određuje urgentnost. Može li AI to preuzeti? Uglavnom da, s jednom važnom iznimkom koja se razlikuje po tvrtki.
Tri osi su presudne: obujam, prostor za prosudbu i kontakt s klijentom.
Obujam je visok. Servisna služba dnevno obrađuje desetke do stotine prijava, a mnoge od njih su varijacije na mali broj poznatih problema: zaboravljena lozinka, nema pristupa mapi, laptop se ne pokreće. Kod visokog obujma i ponavljanja, zadatak je po definiciji pogodan za automatizaciju, jer model uči iz obrazaca koji se često ponavljaju.
Prostor za prosudbu je ograničen. Urgentnost i kategorija obično slijede iz stabla odlučivanja: koliko je korisnika pogođeno, postoji li privremeno rješenje, o kojem se sustavu radi. To je upravo vrsta posla u kojoj su tekstualni modeli dobri: pročitati prijavu, izvući karakteristike i usporediti ih s modelom kategorizacije. Ono što AI danas može obraditi je tekst — same prijave, često napisane slobodnim izrazima korisnika, i prevođenje toga natrag u strukturirani tiket.
Kontakt s klijentom je funkcionalan, a ne odnosni. Korisnik koji prijavljuje kvar prije svega želi da se to riješi, a ne da se razvije razgovor. To je drugačije čim stvari krenu po zlu ili postanu osjetljive — pogledajte za to i kako se kvar komunicira prema korisnicima, jer to je drugi zadatak s drugim profilom.
Fizička komponenta ne igra ulogu: ovo je administrativni posao za zaslonom, a nije radnja na opremi. Troškovi pogreške su u prosjeku umjereni. Pogrešno prioritizirana prijava rijetko dovodi do direktne štete, ali kod sustava koji spadaju pod compliance — financijski sustav, dosje pacijenta — to je drugačije, i os usklađenosti (compliance) tu boduje iznadprosječno. Kvar u okruženju sa zakonskom obvezom prijave zahtijeva dokumentiran razlog za klasifikaciju, ne samo oznaku.
Slaba točka je kreativnost, i baš zato ovo nije potpuno preuzimanje. Prijava koja ne odgovara poznatom obrascu — nova kombinacija simptoma, sustav koji prvi put ispada, korisnik koji nejasno opisuje problem — zahtijeva nekoga koji razmišlja umjesto da klasificira. Tu je potreban nadzor: AI predlaže kategoriju i urgentnost, a čovjek to odobrava ili korigira, s razlogom. To je drugačiji ustroj od potpunog preuzimanja, i to je i najčešća praksa kod tvrtki koje s ovim već rade.
U tvrtki s malim, preglednim krajolikom aplikacija i nekoliko stotina korisnika, devedeset posto prijava je ponavljanje nečega što se već sto puta dogodilo. Tamo model s dobrim modelom kategorizacije može samostalno obraditi najveći dio unosa, a čovjek vidi samo iznimke.
U tvrtki s mnogo zastarjelih (legacy) sustava, softvera po mjeri i povijesti spajanja, obrazac je manje predvidljiv. Prijave su raznovrsnije, kategorije su manje jasno definirane, a vjerojatnost da prijava ne odgovara poznatom obrascu je veća. Tamo veći dio posla ostaje na čovjeku, ne zato što AI to ne bi htio raditi, već zato što je unos previše nestrukturiran da bi se od njega automatski napravilo nešto pouzdano.
Preduvjet dakle nije tehnologija nego unos podataka: strukturirani obrasci za unos i razrađen model kategorizacije incidenata u velikoj mjeri određuju koliko se ovog posla danas već može prenijeti. Bez ta dva elementa, najveći dio ostaje ručni rad, s AI-jem kao pomagalom, a ne izvršiteljem.
Ovo nije savjet o osoblju niti podloga za smanjenje tima servisne službe. Hoće li i kako organizacija iz promjena u poslu izvući kadrovske posljedice, stvar je poslodavca, a za to vrijede posebni zakonski zahtjevi; za dužnu pažnju koja tu ide, pogledajte točke pažnje kod ukidanja funkcija. Ova stranica opisuje samo što se događa sa samim zadatkom.
Korisno je i ovaj zadatak ne gledati odvojeno od ostatka IT operacije. Registracija incidenata povezana je s poslovima kao što je praćenje performansi sustava, koje često daje ranu signalizaciju prije nego što prijava i postoji, te s upravljačkim zadacima kao izvođenje i provjera backupa ili održavanje ažurnosti baznih podataka (master data), koji poznaju istu kombinaciju visokog obujma i ograničenog prostora za prosudbu. Onaj tko za cijeli IT odjel želi znati gdje se pomak već događa, najbolje gleda sve zadatke zajedno, a ne samo jedan proces tiketiranja.
Ishod za vašu servisnu službu ovisi o tome koliko vaših prijava spada u prepoznatljive obrasce i koliko je vaš unos podataka već strukturiran. To se razlikuje po tvrtki i ne može se izraziti fiksnim pravilom.
Besplatni quickscan tvrtke FTE TO AI daje za to prvu indikaciju: dvanaest pitanja, bez računa, s indikacijom kojeg dijela sati u vašem profilu AI danas može preuzeti. Potpuni radni scan, koji posao cijele tvrtke zadatak po zadatak preračunava u fte-kapacitet, još je u izradi.
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.