AI и машинное обучение в контексте Service Desk

В статье разберу основные тенденции внедрения ИИ в работу систем Service Desk, осветим главные преимущества и ограничения такого внедрения, а также поговорим о конкретных кейсах.

За последние 2-3 года были написаны сотни тысяч, если не миллионы статей и постов и создано огромное количество контента о технологиях машинного обучения и искусственного интеллекта. Гайды о том, как правильно писать промпты для ChatGPT, создавать изображения и видео, кейсы внедрения ИИ в маркетинг, менеджмент, розничную торговлю и сервисы доставки – на то, чтобы изучить все это не хватит и нескольких человеческих жизней.

В данной статье разберем то, о чем пишут не так часто: о Service Desk системах, о том, как ИИ может повлиять на их развитие и о том, чего уже удалось достичь.

Для начала нужно посмотреть на ситуацию на рынке и в индустрии. Издательства Gartner, MarketsandMarkets и Forrester приводят несколько фактов.

Большинство данных указывает на то, что эффективность различных ИИ-решений и тенденции по их внедрению, в первую очередь, определяются уменьшением количества времени, которое специалисты тратят на решение запросов. Это в равной степени относится к клиентской поддержке, корпоративному обучению и управлению ресурсами компании.

Снижение временных затрат достигается путем внедрения различных решений и функционала.

На данный момент ИИ-инструменты представлены несколькими направлениями деятельности, каждое из которых упрощает и автоматизирует Service Desk процессы.

На данный момент около 70% представителей крупного и среднего бизнеса используют ИИ-чатботов для обработки запросов.

Большинство таких чат-ботов уже ушли далеко вперед от заскриптованных фраз и задач формата «вопрос-ответ». Современные чат-боты превратились в настоящих цифровых ассистентов, способных решать широкий спектр проблем.

Отдельно можно выделить ИИ-агентов. Это чат-боты или целые программы специально разработанные для решения конкретных узкоспециализированных задач в формате продвинутых цифровых ассистентов. ИИ-агенты активно развивается, а представленный график демонстрирует колоссальный рост рынка данного направления ИИ-разработки.

В отличие от традиционных чат-ботов, ИИ-агенты пригодны для аналитической работы и к оказанию помощи в принятии решений. Они способны анализировать запрос и предлагать многоэтапные решения, при этом, в случае, если в процессе возникают новые проблемы, ИИ-агент способен менять ответы и рекомендации согласно новым условиям. При этом все операции происходят практически автономно, с минимальным участием человека.

Очень важным аспектом работы ИИ в Service Desk является автоматический мониторинг данных с последующим анализом. Основная цель – предсказывать возникновение возможных инцидентов и определять наиболее «опасные» точки в работе.

Ярким примером является ИИ-аналитика платформы Watson от IBM. ИИ-модель анализирует запросы, находит наиболее частотные понятия и за счет этого выделяет самые частые проблемы, на которые стоит обращать внимание в первую очередь.

Проблема, которую решают схожие инструменты, – оптимизация процессов принятия решений и распределения ресурсов компании.

Еще один важный аспект – оптимизация системы управления запросами. На данный момент уже существуют решения, которые позволяют автоматически категоризировать заявки через различные каналы (например, через email) за счет анализа содержания самих заявок.

К примеру, инструменты основанные на работе больших языковых моделей (LLM – Large language model) «прочитывают» запрос, выделяют ключевые понятия (название товара, услуги, характеристики и т.д.) и на основе их определяют тип запроса, то, насколько он важен и то, кому его стоит перенаправить.

В первую очередь подобный функционал наиболее полезен для розничной торговли и интернет-магазинов, а также компаний-поставщиков. Основная проблема, которую закрывает подобное решение – оптимизация процессов за счет снижения количества «ручной» работы, а следовательно, уменьшение времени на обработку заявок на всех этапах.

С тем, что уже есть разобрались, теперь стоит перейти к тому, чего стоит ожидать в ближайшее время.

Существующие возможности продвинутой аналитики позволяют говорить о проактивном подходе в решении проблем в контексте Service Desk. Мониторинг работы систем с последующим сбором данных и составлением предупреждений и рекомендаций в первую очередь позволяют заранее предугадывать инциденты и своевременно принимать решения по их предотвращению.

Ремонт и замена оборудования до его выхода из строя, установка и обновление ПО для оптимизации работы, своевременное предоставление нужной информации специалистам для оказания поддержки в будущем – все это элементы проактивного подхода в работе Service Desk.

В то же время, функционал, предоставляемый ИИ (автономный мониторинг и анализ, предиктивная аналитика и предоставление рекомендаций) только улучшает работу данного подхода за счет оптимизации (=сокращения) времени работы специалистов.

Дальнейшее развитие ИИ-агентов расширит спектр задач, которые смогут решать машины.

Ранее говорилось о возможности предоставления многоэтапных решений тех или иных инцидентов. Нам видится, что сами инциденты, а точнее решаемые задачи будут становиться все более сложными. В перспективе продвинутые ИИ-агенты смогут заниматься комплексным планированием деятельности компании (например, в контексте клиентской поддержки или корпоративного обучения).

Еще одним направлением в развитии ИИ-индустрии в целом и Service Desk в частности (в особенности, взаимодействия с клиентами) являются ИИ-аватары. Это своего рода продвинутые ИИ-ассистенты, основным отличием которых от чатботов и ИИ-агентов является возможность персонализации, т.е. перенятия внешности и мимики реального человека или вымышленного персонажа.

Это достигается в основном за счет технологий motion capture в совокупности с алгоритмами машинного обучения, благодаря которым модель воспринимает данные окружения и подстраивается под них.

Несмотря на то, что чаще всего технологию аватаров мы видим в игровой и киноиндустрии, они находят себе место и в более традиционных отраслях бизнеса.

Например, компания Samsung разработала систему Neon, позволяющую создавать 3D-аватаров способных улыбаться, смеяться и взаимодействовать с пользователями в формате полноценного диалога в реальном времени.

Еще один удачный пример – компания BMW, запустившая целую рекламную компанию роликов на YouTube для своих электрокаров с использованием цифрового ИИ-аватара. Девушка презентует возможности автомобиля через полноценную динамичную историю своего пути.

В рамках Service Desk персонализированные ИИ-аватары могут стать незаменимыми в контексте всех видов клиентской поддержки (от ответов на вопросы до предоставления информации о товарах, услугах и самой компании), а также в контексте корпоративного обучения (как цифровые кураторы).

Перспективы внедрения технологий искусственного интеллекта в Service Desk системы действительно впечатляют, но это не означет, что они могут абсолютно все. Существует несколько серьезных ограничений, которые заставляют с большей осторожностью относиться к подобному внедрению.

Несмотря на то, что объемы данных, на которых учатся ИИ-модели становятся все больше, а алгоритмы машинного обучения становятся все более продвинутым, ни одно ИИ решение не гарантирует 100% точности в ответах. Искусственный интеллект склонен ошибаться (как и человек), поэтому полностью перекладывать ответственность за ту или иную работу на машину пока не стоит. Лучшим решением на данный момент считаем периодический контроль и анализ работы ИИ человеком.

Поскольку многие ИИ-решения (например, ИИ-агенты) предполагают работу как с внутренними, так и с внешними данными, вопрос безопасности и доступа к ним становится критическим.

Это относится как к банальному следованию правилам законодательства о защите данных, так и к тому, что данные из открытых источников могут нанести вред и самой модели.

Лучшим решением будет введение практики дополнительного тестирования безопасности и периодическая проверка всей Service Desk системы на «бреши» и ошибки.

В 2024 году Gartner опросила более 6 000 клиентов из разных отраслей и стран и выяснила, что более 60 % из них не хотят взаимодействовать с ИИ или ботами при решении своих проблем.

Очевидно, в настоящее время многие получают скорее негативный опыт от взаимодействия с чат ботами и разного рода ИИ-ассистентами. Тем не менее внедрение персонализированных ИИ-аватаров может хотя бы частично решить проблему.

Итак, место для разнообразных ИИ-решений нашлось и в Service Desk. На данный момент наибольшую выгоду могут получить клиентская поддержка, сфера корпоративного обучения и менеджмент, в первую очередь за счет оптимизации временных затрат на обработку запросов и решения инцидентов.

Конечно, уже существует ряд ограничений, касающихся качества работы, безопасности и удовлетворенности пользователей, но все они вполне решаемы за счет дополнительного вмешательства человека.

P.S. Буду рад вашей поддержке: комментарии, реакции, подписки:)