Diez casos de uso de IA y aprendizaje automático en ITSM

El ITSM habilitado para IA, aunque todavía está madurando, promete mejorar en gran medida la velocidad y la calidad de la gestión de los servicios de TI. Aquí hay 10 casos de uso de IA y aprendizaje automático para ITSM.

Los CIO están comenzando a utilizar diferentes capacidades de inteligencia artificial y aprendizaje automático para mejorar los procesos de gestión de servicios de TI. Los casos de uso que incorporan IA en ITSM generalmente implican procesamiento de lenguaje natural y minería de datos ITSM con infusión de IA. El procesamiento del lenguaje natural (NPL) se está utilizando para automatizar las solicitudes de los usuarios de servicios de TI. La aplicación del aprendizaje automático a los datos de ITSM brinda a los profesionales de TI una mejor comprensión de su infraestructura y procesos. El procesamiento del lenguaje natural, la tecnología subyacente en los agentes virtuales, a menudo se configura a través de integraciones con servicios de chat como Slack que los empleados ya están utilizando, brindando a los usuarios una interfaz familiar para comunicarse con los escritorios de servicio de TI.

La aplicación del aprendizaje automático a los procesos ITSM, en principio, tiene mucho sentido debido al volumen de datos que generan los sistemas ITSM. Los sistemas recopilan muchos datos sobre lo que se solicita, junto con información sobre cuándo, por qué y por quién. Estos datos también brindan una idea de los activos y procesos de TI que están instalados y pueden ayudar a identificar quién es el propietario, cómo se usan y si aún son relevantes.

John Peluso

«Los datos son el combustible que la IA necesita para proporcionar información relevante y valiosa», dijo John Peluso, CTO del Sector Público de AvePoint. El aprendizaje automático genera información que puede ayudar a las organizaciones de TI a priorizar los problemas de ITSM, tomar medidas preventivas, mejorar el tiempo de resolución y, en última instancia, aumentar la productividad de los empleados.

¿Listo para cavar un poco más profundo? Aquí hay 10 formas en que los casos de uso de IA y aprendizaje automático en ITSM están cambiando la forma en que se prestan los servicios de TI.

1. Categorización automática de incidentes usando chatbots

Los chatbots integrados en la infraestructura ITSM se pueden usar para clasificar el problema subyacente en las solicitudes de los empleados. Por ejemplo, Genpact ha agregado el BMC Chatbot a su suite BMC Helix SaaS, que automatiza la conectividad con la infraestructura ITSM a través de la infraestructura en la nube y local. La interfaz de chat simplificó la capacidad de priorizar y automatizar las solicitudes de servicio de nivel uno y dos para 50.000 usuarios de Genpact.

2. Asignación inteligente para solicitudes entrantes

Milind Wagle.

Los equipos de la mesa de servicio tienen diferentes conjuntos de habilidades, y algunos son mejores para resolver diferentes tipos de solicitudes de TI que otros. La incorporación de IA en ITSM puede clasificar automáticamente los tickets a los grupos de soporte correctos sin tener que tener humanos por adelantado leyendo el contenido del ticket para tomar una decisión, dijo Milind Wagle, CIO de Equinix Inc.

3. Cumplir automáticamente las solicitudes básicas a través de la automatización de tareas

NLP puede ayudar a los agentes de chat a manejar categorías de solicitudes e incidentes. Estos agentes pueden ayudar a responder preguntas comunes utilizando datos de tickets históricos y una base de conocimiento ITSM.

Pero esta aplicación de IA en ITSM requiere que los expertos en gestión del conocimiento creen un depósito de documentación adecuada del historial de solicitudes anteriores y artículos de conocimiento relevantes, dijo Kumaravel Ramakrishnan, gerente de producto de ManageEngine, un proveedor de gestión de servicios y operaciones de TI bajo el paraguas de Zoho Corp.

4. Generación de un repositorio de soluciones

Las empresas están comenzando a incorporar herramientas de aprovisionamiento de operaciones de TI directamente en los servicios de chat utilizados por los desarrolladores. Estos bots de DevOps ayudan a generar un repositorio unificado que permite a los desarrolladores y equipos de operaciones realizar un seguimiento de los cambios en la infraestructura y cómo se resolvieron con éxito los diferentes tipos de incidentes. Más tarde, cuando surgen problemas similares, los motores de IA pueden extraer este repositorio para ayudar a los equipos de operaciones a resolver el problema más rápidamente.

Oded Moshe.

Los servicios de TI están adoptando los mismos tipos de herramientas para generar repositorios de conocimiento para conjuntos más amplios de solicitudes de servicios de TI también. «Los buenos profesionales de TI con experiencia podrían decirle que la mayoría de los problemas que resuelven hoy se basan en experiencias pasadas resolviendo problemas», dijo Oded Moshe, vicepresidente de productos de SysAid Technologies Ltd., un proveedor de servicios de ayuda de TI. IA también puede ayudar a extraer datos de solicitud de servicios de TI fuera del canal de chat hacia repositorios que se pueden usar para resolver problemas actuales. Este repositorio aumentado acelera el proceso para resolver problemas.

5. Guía para resolución de eventos

Un buen repositorio de ITSM también puede guiar la resolución de incidentes a través de la herramienta ITSM. El asesoramiento generado por IA podría ser tan simple como sugerir un incidente relacionado, un artículo de soluciones o un elemento de configuración, reduciendo así el tiempo requerido para pensar cómo ubicar un elemento y luego buscarlo.

Matt Cox.

El uso guiado de la herramienta ITSM es aún mejor, dijo Matt Cox, director senior de servicios técnicos e ITSM de SolarWinds, un proveedor de software de administración de TI. En este caso, la IA crea las mejores prácticas y señala automáticamente a los profesionales de la mesa de servicio de TI hacia ese comportamiento, en lugar de obligarlos a identificar el mejor uso de una herramienta ITSM. Un ejemplo es crear un algoritmo para identificar incidentes relacionados y sus tendencias para la gestión de problemas y sugerir que los agentes abran un registro de problemas.

6. Flujos del proceso de aprendizaje optimizados con el aprendizaje automático: caso de uso

Muchas solicitudes de TI, como la incorporación de empleados, requieren que los agentes humanos realicen un conjunto complejo de pasos para cumplir con las solicitudes. Las empresas ahora están utilizando modelos de aprendizaje automático para observar cómo los humanos ejecutan estos procesos para que las solicitudes futuras puedan ser más automatizadas. En el caso de la incorporación de empleados, los modelos de aprendizaje automático aprenden de una base de datos histórica de solicitudes que cubren una variedad de acciones tomadas en función del tipo de empleo, función y departamento del nuevo empleado. Los modelos entrenados luego asignan nuevas solicitudes a los técnicos correctos. Al reconocer los patrones en la base de datos de solicitudes de incorporación de empleados, los modelos basados ​​en aprendizaje automático también pueden sugerir qué hardware o software necesita un empleado justo cuando se crea la solicitud de incorporación, dijo Ramakrishnan de ManageEngine.

7. Resolución proactiva de problemas mejorada por análisis de big data

Los avances en big data y análisis están mejorando las capacidades predictivas y correlativas para ITSM. Basado en el análisis del repositorio y los patrones de comportamiento del usuario, las herramientas de inteligencia artificial y aprendizaje automático pueden ayudar a reducir la cantidad de problemas de TI que experimentan los usuarios finales, o pronosticar y cumplir con las solicitudes de los usuarios antes de que se den cuenta de que tienen un problema.

«Se pueden predecir problemas que van desde interrupciones de TI hasta el mal funcionamiento del hardware del usuario individual, y las soluciones se aplican automáticamente o al menos se sugieren con una tasa de éxito cada vez mayor a medida que el sistema aprende de experiencias pasadas», dijo Ambarish Kayastha, arquitecto de soluciones empresariales de Broadcom Inc.

IA permite una resolución de problemas mejor, más rápida, proactiva y automatizada de problemas introducidos a través de cambios en el entorno, cambios en el comportamiento del usuario final o cambios en sus aplicaciones y servicios, dijo Andreas Grabner, activista de DevOps en Dynatrace. Por ejemplo, Citrix está utilizando integraciones ITSM en Dynatrace, ServiceNow y AWS. Cuando el motor Dynatrace predice un problema, puede hacer un análisis de causa raíz antes de que los clientes se vean afectados.

8. Detección de anomalías marcando incidentes de repetición inusuales

Las señales de algunos incidentes de TI pueden no ser evidentes a través de las herramientas de monitoreo ITSM tradicionales. Los modelos de aprendizaje automático de IA están siendo entrenados para detectar comportamientos anómalos que pueden ocurrir en múltiples sistemas de TI. Estos modelos pueden ayudar a alertar al personal de TI sobre un problema antes de que ocurra un incidente.

9. Uso de análisis predictivo para marcar solicitudes que podrían violar los SLA

Las solicitudes de servicio de TI pueden dar lugar a configuraciones de software y hardware que reducen el rendimiento de las aplicaciones o, peor aún, se rompen por completo. Se están utilizando análisis predictivos para extraer datos de rendimiento dentro e incluso entre empresas para identificar posibles problemas. Esta información puede proporcionar orientación a los usuarios o al servicio técnico de TI sobre enfoques alternativos para llevar a cabo una solicitud que cumpla con los acuerdos de nivel de servicio.

10. Identificar vulnerabilidades de seguridad

Los investigadores de seguridad identifican constantemente las vulnerabilidades con las aplicaciones y configuraciones de infraestructura de TI de uso común. Esto puede incluir bibliotecas para desarrollar aplicaciones, así como infraestructura. Las herramientas de IA pueden interpretar nuevos informes y priorizar problemas para que los equipos de seguridad aborden antes de que los atacantes puedan usar una vulnerabilidad descubierta recientemente.

Investigue más sobre Gestión y metodologías

ComputerWeekly.com.br
Close