AI в SimpleOne ITSM: Как автоматизировать нулевую и первую линию поддержки с помощью AI BPA

Автоматизация обычно начинается с рутинных задач. Именно их первыми доверяют технологиям, чтобы освободить людей для более сложной работы. Но генеративные нейросети меняют правила игры: они способны справляться даже с тем, что раньше казалось неподъемным для машин. В этом материале речь пойдет о том, как системы AI BPA помогают автоматизировать нулевую и первую линию поддержки в ITSM.

Какие инструменты нужны для автоматизации ITSM с помощью генеративных нейросетей

Автоматизация технической поддержки требует не просто наличия нейросетей, а выстроенной системы, которая сможет гибко и эффективно интегрировать их в рабочие процессы. Важно понимать, какие инструменты нужны, чтобы эта интеграция принесла реальную пользу бизнесу.

Для автоматизации нулевой и первой линий поддержки в корпоративных системах необходимо использовать системы класса AI BPA (Artificial Intelligence Business Process Automation) — системы автоматизации бизнес-процессов с ИИ-агентами.

Но выбрать подходящую AI BPA систему недостаточно. Чтобы она действительно стала движущей силой автоматизации, важно учитывать ключевые требования и параметры, которые обеспечат её стабильную и эффективную работу.

Требования к AI BPA системе

Оркестрация нейронных сетей

AI BPA-системы должны поддерживать оркестрацию генеративных нейронных сетей, чтобы не зависеть от одного поставщика. Быстрое развитие рынка нейронных сетей, где постоянно появляются новые модели с более высокой когнитивностью, производительностью и меньшей стоимостью, делает такой подход особенно актуальным.

Привязка к единственной нейронной сети или определённым методам работы с ней создаёт риски. Через три месяца может потребоваться переход на новую модель для соответствия требованиям рынка.

Уровень абстракции и универсальный протокол

AI BPA-платформа должна предоставлять уровень абстракции, чтобы доработки не обращались жёстко к конкретной нейронной сети, а могли через универсальный протокол взаимодействовать с разными сетями. Это позволит обновлять нейронные сети быстро и безопасно.

Управление версиями и мониторинг

AI BPA-платформа требует управления версиями и конфигурациями больших лингвистических моделей, а также мониторинга их производительности и использования ресурсов. Важно гарантировать, что нейронная сеть обеспечит приемлемое SLA и время отклика, выдержит необходимую нагрузку и превзойдёт предыдущую версию по показателям когнитивности.

Инструменты для разработки бизнес-процессов

Информационная система должна включать разнообразные инструменты для разработки бизнес-процессов с применением искусственного интеллекта.

Визуальный конструктор рабочих процессов

В визуальном конструкторе рабочих процессов необходимо предусмотреть встроенные компоненты и специализированные блоки, поддерживающие интеллектуальную автоматизацию. Важно обеспечить возможность сохранять шаблоны и паттерны интеграции бизнес-процессов для их последующего копирования и тиражирования между подразделениями и различными кейсами применения.

Инструменты для трассировки и отладки

Требуются инструменты для трассировки, отладки, тестирования процессов и логирования действий, позволяющие оперативно выявлять и устранять ошибки на любом этапе.

Разработка интеллектуальных виджетов

Система должна предоставлять заказчикам возможность разрабатывать собственные интеллектуальные виджеты, которые взаимодействуют с ИИ и упрощают интерфейс взаимодействия между пользователем и искусственным интеллектом.

Автономные ИИ-агенты

Необходимо наличие функциональности создания и выполнения операций ИИ-агентами, работающими в автономном режиме для решения определённых задач.

Корпоративная поддерживаемость и риски кастомной интеграции

Решение должно обеспечивать высокую поддерживаемость, стабильность, производительность и экономическую эффективность. Быстрая кастомная интеграция с коммерческой LLM сопряжена с рисками, такими как сбои при обновлении моделей, усложнение логирования и отсутствие мониторинга.

В результате может получиться нестабильное и дорогое в эксплуатации решение, которое не приживётся в крупных корпоративных структурах. Бизнесу необходимы надёжные enterprise-системы, которые легко сопровождаются, обеспечивают стабильную работу и гарантируют определённый уровень сервиса.

Критерии выбора AI BPA системы

Для эффективной автоматизации с использованием AI BPA система должна соответствовать следующим ключевым требованиям:

Основные инструменты

Основные требования включают редактор рабочих процессов, бизнес-правила и внутренний API. Ключевое внимание стоит уделить двум аспектам — встраиваемость и глубокая интеграция функциональности искусственного интеллекта в инструментарий платформы.

Компоненты обеспечения надёжности

Коннекторы к различным нейронным сетям, балансировщики нагрузки, инструменты настройки резервных подключений, системы управления логированием и обеспечения безопасности подключений. Эти элементы обеспечивают надёжную и эффективную работу системы на корпоративном уровне.

Управление нейросетями

Для эффективной работы AI BPA важным является наличие полноценного API и инструментов для управления нейронными сетями и моделями. Принципиальное значение имеет универсальный подход, позволяющий использовать единый скрипт для обращения к различным нейронным сетям и их функциональности.

Управление хранилищами знаний

Для реализации первой линии поддержки платформа должна поддерживать создание, управление и обновление векторных хранилищ знаний, что позволяет систематизировать и эффективно использовать накопленные данные.

Обработка запросов

При обработке каждого запроса платформа обращается к векторному хранилищу, что позволяет нейронной сети использовать актуальные данные для решения вопросов пользователей. В их числе — типовые инциденты, часто задаваемые вопросы, известные ошибки и описанные проблемы. Такой подход обеспечивает автоматическую консультацию в контексте конкретного обращения.

Возможности чат-ботов

Благодаря этим механизмам становятся возможными чат-боты, которые принимают запросы, обращаются к базе знаний, извлекают из неё релевантный контекст и формируют ответ, соответствующий запросу. Вместо прямого цитирования источников создаётся удобный для пользователя ответ на основе анализа данных. Боты способны вести диалог на языке клиента и пояснять сопутствующие вопросы в процессе общения.

Для успешной реализации AI BPA важно обеспечить интеграцию с различными источниками данных и наличие инструментов для гибкой настройки и управления нейронными сетями. Такой подход позволяет платформе эффективно автоматизировать процессы, обеспечивая более точное и индивидуализированное взаимодействие с пользователем.

AI BPA на платформе SimpleOne

AI BPA Ainergy на платформе SimpleOne полностью соответствует ключевым требованиям корпоративного уровня. Low-code платформа обеспечивает быструю и удобную реализацию сценариев обработки задач, а AI BPA позволяет интегрировать функциональность искусственного интеллекта в бизнес-процессы.

Продукт глубоко интегрируется во все инструменты платформы и предоставляет возможность использования LLM для различных сценариев автоматизации. Встроенная AI BPA-система автоматизирует процессы на любой линии поддержки, существенно повышая их эффективность.

Платформа поддерживает интеграцию с популярными хранилищами, такими как Confluence, SharePoint и файловые репозитории. Она позволяет векторизовать данные для работы нейронных сетей, а также регулярно обновлять и добавлять новые данные в доступный для ИИ формат.

Нулевая линия поддержки и традиционные подходы к ее автоматизации

Нулевая линия поддержки — автоматизированный интерфейс, который пытается удовлетворить потребности пользователя без привлечения человеческой первой линии. Традиционные варианты нулевой линии включают портал самообслуживания. Пользователь заполняет типизированную форму, формируя запрос по конкретной услуге, продукту или сервису, а также выбирает данные из справочников. Структурированный запрос направляется к группе исполнителей, минуя первую линию поддержки.

Кроме того, нулевая линия может быть представлена скриптовыми чат-ботами, запрограммированными для решения задач через предустановленное дерево решений. Чат-боты, опираясь на базу знаний, наполняемую вручную, используют ключевые слова для поиска и направления пользователя к соответствующим статьям. Такие системы решают значительную часть стандартных запросов, не передавая их на первую линию поддержки.

Проблемы такого подхода в B2B сегменте

Проблемы традиционных подходов в B2B-сегменте заключаются в том, что они требуют значительных усилий для структурирования и поддержки процессов. Скрипты необходимо постоянно обновлять и добавлять новые запросы. Этот процесс сложен и трудоемок, что оправдано только в массовом сегменте. Например, когда речь идет о простой услуге, сопровождаемой многочисленными и часто повторяющимися обращениями.

В корпоративном сегменте количество обращений значительно меньше, они требуют более глубокой проработки, а вариативность обращений значительно выше.

Решение проблемы с помощью генеративного ИИ

Проблему можно решить с помощью генеративного ИИ, который позволяет делать более сложные выводы, чем традиционные чат-боты, поддерживать уточняющие вопросы и обеспечивать более качественное взаимодействие с пользователем. В корпоративной поддержке клиенты ожидают более высокий уровень обслуживания, чем те, кто, например, на сайте телеком-провайдера пытаются разобраться, как сменить SIM-карту. Они привыкли к тому, что им предложат статью, форму для заполнения и сложно будет связаться с оператором.

В корпоративной среде пользователи рассчитывают на персонального менеджера или специалистов высокого уровня, которые смогут быстро решить их вопрос. Сценарии с чат-ботами для них неудобны, поскольку требуют много времени.

Интеллектуальный чат-бот позволяет пользователям быстрее и удобнее получать ответы на свои вопросы из базы данных, не проходя через длинные деревья скриптовых решений. Для этого достаточно просто сформулировать запрос и получить ответ или информацию о его отсутствии, например: «Сейчас я переключу вас на оператора первой линии». Такой подход сокращает время взаимодействия корпоративного пользователя с поддержкой, повышает его удовлетворенность и улучшает качество решения обращений, обеспечивая лучший пользовательский опыт.

Для компании это выгодно, поскольку не требуется выстраивать сложный процесс сопровождения всей структуры возможных решений запроса. Долгая настройка не требуется: подробная классификация обращений не обязательна, данные могут быть плохо структурированы. Главное, чтобы информация была актуальной и консистентной. В таком случае ИИ-чат-бот сможет найти подходящее решение, если оно содержится в базе данных. Затраты на сопровождение минимизируются с точки зрения ручного труда, что делает этот подход проще, дешевле и быстрее в внедрении.

Как ИИ автоматизирует поддержку в ITSM SimpleOne

0 линия поддержки

В ITSM SimpleOne ИИ автоматизирует поддержку на нулевой линии, отвечая на запросы пользователей с использованием ИИ-агентов если информация содержится в базе знаний. Пользователи получают информацию о известных ошибках, например: «Мы знаем об этой проблеме, она будет исправлена в следующей версии. А пока вы можете использовать обходное решение», с указанием соответствующего решения.

Также ИИ-агента можно настроить так, чтобы он сопровождал свои развернутые, персонализированные ответы ссылками на нужные статьи из базы знаний. В таком случае пользователь может перейти и ознакомиться с первоисточником, уверившись, что ИИ-агент предоставляет информацию, основанную на реально существующих материалах, официально опубликованных для пользователей.

Если вопрос пользователя сформулирован недостаточно полно, агент ИИ может в несколько итераций уточнить запрос, прояснив детали и полностью закрыв потребность, не передавая обращение на специалиста первой линии поддержки.

Между 0 и 1 линией поддержки

На стыке между нулевой и первой линией поддержки ИИ-функциональность позволяет классифицировать обращения, которые не удалось решить в автоматическом режиме, и автоматически маршрутизировать их к нужной группе исполнителей. Этот процесс может работать как в полностью автоматическом режиме, так и в режиме ассистирования, когда ИИ помогает человеку выбрать нужную услугу или определить, в какую группу следует направить обращение. Если процесс уже обкатан и существуют четкие правила маршрутизации и классификации, то автоматизация позволяет разгрузить первую линию поддержки.

Первая линия поддержки

Первая линия поддержки обрабатывает только те обращения, которые не удалось классифицировать или решить автоматически. Кроме того, она выполняет те процедуры, которые не могут быть автоматизированы. Если существует внутренняя спецификация, требующая выполнения запроса человеком, нейросеть нулевой линии поддержки передает обращение на первую линию, классифицируя его как задачу для исполнителя первой линии, который отвечает за выполнение данного типа запросов.

На нулевой линии поддержки возможно осуществить предварительную классификацию и обработку обращения без привлечения первой линии. Однако первая линия выполняет функцию контроля — проверяет результаты классификации и, при необходимости, подтверждает правильность обработки запроса.

Первая линия поддержки, получая обращения, по которым нет решения в базе знаний, закрывает эти нетиповые запросы с помощью ИИ-ассистента. Он находит похожие обращения, которые были закрыты ранее, и предлагает варианты решения на основе уже найденной информации.

Сложные обращения решаются высококвалифицированными специалистами второй линии поддержки.

Поддержка актуальности базы знаний

Поддержка актуальности базы знаний в SimpleOne автоматизирована благодаря наличию обратного контура интеллектуального накопления знаний. ИИ-агенты, занимающиеся анализом решений на первой и второй линиях, автоматически предлагают информацию для пополнения базы знаний новыми решениями и выявленными ошибками. Они анализируют решения, которые специалисты первой и второй линии описали при закрытии обращений, не решенных на нулевой линии. Таким образом, система в автоматическом режиме может извлекать из последних решений похожие обращения, которые были закрыты аналогичным образом, и автоматически создавать статьи для базы знаний. Эти статьи публикуются после утверждения менеджером базы знаний.

Точка контроля со стороны человека имеет важное значение. Менеджеры базы знаний получают черновики статей с предложением опубликовать их. В зависимости от качества и соответствия корпоративным стандартам, они могут либо утвердить статьи, либо внести необходимые правки. Таким образом, обеспечивается постоянный поток новых материалов и обновлений для базы знаний, при этом весь процесс автоматизирован и находится под контролем ответственного сотрудника.

Пример внедрения

Для успешной автоматизации процессов поддержки и повышения качества обслуживания, многие компании обращаются к инновационным решениям. Одним из таких примеров является внедрение AI BPA платформы Ainergy для международного облачного провайдера Serverspace.

SimpleOne помогла международному облачному провайдеру Serverspace решить проблемы с поддержкой клиентов, связанные с перегрузкой специалистов, языковыми барьерами и ручной обработкой заявок.