Agent Intelligence от ServiceNow — нейронные сети на службе у техподдержки

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


По данным опроса ServiceNow, 89% ИТ-руководителей используют либо внедряют технологии машинного обучения в своих организациях. Из них 87% отмечают, что автоматизация бизнес-процессов приносит большую пользу для бизнеса: экономит время, средства и человеческие ресурсы.

Внедрение машинного обучения требует серьезных изменений в работе организации. Однако на эти изменения — согласно тому же опросу — решились пойти только 48% респондентов. Помимо организационных изменений использование машинного обучения требует привлечения специалистов — в частности, аналитиков по данным. А спрос на них, согласно исследованию IBM, намного превышает предложение. По прогнозам, к 2020 году ситуация станет ещё хуже. Расскажем, чем в этой ситуации может помочь решение от ServiceNow.


/ Фото / Chris Isherwood / CC

Как решить проблему

Один из вариантов решения предлагает компания ServiceNow. Новый продукт компании Agent Intelligence встроен в саму платформу, поэтому не требует дополнительных затрат на внедрение и доступен без привлечения штата специалистов по дата-майнингу. По словам разработчиков, Agent Intelligence автоматизирует классификацию, приоритизацию и назначение задач. Это сокращает время разрешения инцидентов, уменьшает количество ошибок и повышает удовлетворенность клиентов.

Как это работает

Agent Intelligence использует машинное обучение, чтобы создавать из заданных шаблонов модели взаимодействия с пользователями. Эти модели основаны на сохранённых данных клиентов ServiceNow. Данные применяются для прогнозирования значений поля тикета. Обучение на базе паттернов и анализ текста в описании тикета позволяет системе автоматически определять категорию, приоритет и группу назначения обращения.
Модели Agent Intelligence можно улучшать — добавлять другие данные: сегменты, важность и предпочтения клиентов или часто встречающиеся решения инцидентов. После отладки шаблона нужно задать пороговые значения классификаторов, протестировать модель и запустить ее в работу.

В процессе работы модель использует текст в поле описания тикета и другие данные, чтобы предложить категорию, приоритет и группу назначения специалисту первой линии технической поддержки.

Каждый тикет, параметры которого модель определила верно, считается успешным. Изменение параметров вручную фиксируется как ошибка. Эти ошибки используются при запланированном периодическом переучивании (retraining) модели. Интервалы повторного обучения задаёт пользователь.

Особенности Agent Intelligence

Ускорение категоризации и приоритизации. Исследование ServiceNow показало, что 40% специалистов службы поддержки вынуждены классифицировать инцидент в одну из 100 возможных групп, а 25% специалистов — в одну из 300 групп. Поиск нужной группы может занимать у человека слишком много времени.

По данным отчёта Accenture Consulting, специалисты техподдержки тратят 12% своего времени, чтобы присвоить запросу категорию и приоритет.

Agent Intelligence мгновенно анализирует и классифицирует запросы. Это помогает избавить людей от ручной сортировки и перенаправления запросов. Специалистам больше не нужно прокручивать несколько списков или искать, какую категорию или группу присвоить запросу.

Сокращение времени разрешения инцидентов и числа ошибок. Автоматическая маршрутизация привлекает внимание профильного специалиста к задачам и инцидентам, которые следует решить в первую очередь. За счёт этого повышается общий уровень удовлетворённости клиентов.

Agent Intelligence классифицирует и направляет запросы быстрее и с меньшим количеством ошибок. Это увеличивает производительность специалистов службы поддержки.

Панель инструментов и отчётность. Точность категоризации и маршрутизации можно отслеживать в реальном времени с помощью панели инструментов. Система даёт обратную связь и контролирует текущую деятельность для постоянного улучшения качества обслуживания.

В чем выгода

Запуск пилотной версии программы показал, что пользователи могут рассчитывать на экономию 8% рабочего времени или 26 тысяч часов в год за счёт улучшения классификации, приоритизации и назначения инцидентов.
Эксперты подсчитали, что Agent Intelligence экономит 100 000 долларов за 3 года использования и окупается через 10 месяцев.

Когда выйдет

Первое решение ServiceNow на базе машинного обучения Agent Intelligence будет доступно вместе со следующей версией платформы Kingston.
Подробнее о продукте можно почитать здесь.

Отзывы пользователей пилотной версии ищите тут.

Источник: habrahabr.ru

Комментарии: