AI重新定義ITSM高效工作方式2
知識管理AI算法和智能服務臺僅與其可用知識庫一樣有效。對我們來說幸運的是，AI還可以幫助建立一個堅固的知識庫。我們將討論兩個用例，以了解AI如何為IT服務臺中的知識管理做出貢獻。
方案1：自動評估解決方案以批準和拒絕它們。對於每個事件或事件類別，可能存在一段時間內使用的多個解決方案和知識庫文章。可以訓練基於ML的特定模型，以基於歷史性能來識別每種解決方案的成功率。這可以通過考慮多種因素來完成，例如門票的重新開放率，最終用戶和技術人員對文章的評級以及最終用戶的確認。
基於這些指標，基於ML的模型甚至可以建議哪些文章應該退役以及哪些文章可以改進。基於其性能隨時間推移的解決方案的分級還有助於IT服務臺在創建故障單時為用戶提供正確的解決方案，並在聊天會話期間協助聊天機器人。
方案2：識別問題領域和整理知識庫文章。可以訓練類似於場景1中討論的基於ML的模型，以識別具有最多數量的傳入L1事件，重復事件和重新開啟事件的事件類別。因此，ML模型可以基於上述參數的嚴重性來標記這些類別。它還可以提供有關哪些類別需要IT服務臺團隊進行更多知識管理工作的信息，例如記錄正確的解決方案，獲取審核以及發布它們。這有助於服務臺團隊確定需要最多工作的領域，並構建相關的解決方案和知識庫文章，以幫助最終用戶和技術人員。
服務請求管理
如今，員工入職等復雜的服務請求要麽由技術人員手動協調，要麽基於預定義的自動化。手動執行這些任務可能效率低且麻煩。就當前的自動化而言，大多數流程都是靜態的，缺乏智能。這些自動化不一定適合所有可能的情況，並且需要定期進行人工幹預以保持正常運行。但隨著機器學習等人工智能技術的應用，可以訓練模型和算法，根據請求歷史動態自動化服務請求工作流程。這些基於ML的自動化模型繼續學習每一位實時數據，以微調工作流程以提高效率。
IT變更管理是一個可以建立或破壞公司IT基礎架構的流程。許多規劃和風險評估在實施之前都要進行變更;盡管做了所有這些努力，但由於人為錯誤，更改仍然可能失敗。在分析變化時，人們也很難從IT變更管理和實施中產生的大量數據中挖掘洞察力。 AI可以通過防止人為錯誤和改進分析來幫助最小化變更管理風險。
IT資產管理IT資產管理和配置管理數據庫（CMDB）是每個ITSM流程運行的基礎。 AI還可以幫助IT服務臺團隊更好地監控和管理IT硬件和軟件資產。 ML系統可以持續監控配置項（CI）的性能，或者檢查可用的CI性能數據並預測故障，從而為最終用戶和IT團隊節省大量成本。 AI可以幫助IT服務臺工具標記異常並通過將點連接到多個區域來生成嚴重警告，這幾乎不可能手動執行。
這些是AI將開始在ITSM上留下印象的某些領域。一些AI功能可以立即實現，有些還需要幾年時間。 Chatbots和基於ML的分類將是AI在ITSM工具中的第一個直接應用。一些ITSM工具供應商已經開始向最終用戶提供這些功能。還有多個第三方供應商提供可以執行這些操作的即插即用解決方案。在短短幾年內，我們可能會看到不僅僅是預計的用例
這些是AI將開始在ITSM上留下印象的某些領域。一些AI功能可以立即實現，有些還需要幾年時間。 Chatbots和基於ML的分類將是AI在ITSM工具中的第一個直接應用。一些ITSM工具供應商已經開始向最終用戶提供這些功能。還有多個第三方供應商提供可以執行這些操作的即插即用解決方案。在短短幾年內，我們可能會看到不僅僅是針對基於AI的功能的預計用例。很快，這些用例可能成為我們的現實。
為ITSM的AI 熱做好準備
鑒於人工智能有可能重新定義IT服務臺和IT服務臺團隊的工作方式，因此服務臺必須為即將到來的AI熱做好準備。如上所述，任何AI應用程序或模型的有效性取決於它所訓練的數據以及來自文檔解決方案等內容的可用知識。
為了充分利用AI，IT服務臺團隊必須正確記錄他們的所有請求，問題和變更;維護準確的IT服務臺數據庫;並建立一個裝備精良的知識庫。由於ITSM工具供應商試圖將AI集成到他們的產品中，因此服務臺團隊準備好在ITSM中真正獲得AI的好處是非常重要的。
AI重新定義ITSM高效工作方式2