Автоматизация нулевой и первой линий поддержки в ITSM с помощью генеративного ИИ

Служба поддержки не масштабируется линейно, удвоить команду не значит удвоить скорость обработки заявок. Рост бизнеса упирается в человеческий фактор: усталость специалистов, ошибки при классификации обращений, текучку кадров. Генеративный ИИ ломает эту зависимость. Он обрабатывает тысячи запросов одновременно, не выгорает и становится умнее с каждым решённым обращением. В статье разбираемся, как GenAI-платформы автоматизируют нулевую и первую линии поддержки в ITSM-системах, какие инструменты для этого нужны и какую реальную экономию получает бизнес.

Нулевая линия поддержки и традиционные подходы к ее автоматизации

Нулевая линия поддержки — это автоматизированный интерфейс, который пытается удовлетворить потребности пользователя без привлечения человеческой первой линии. Часто нулевая линия работает как портал самообслуживания, где пользователь заполняет 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 опираются на базу знаний, которая наполняется вручную, и используют ключевые слова для поиска подходящих статей.

В B2B-сегменте традиционные подходы могут не сработать. Так происходит потому, что они требуют значительных усилий для структурирования и поддержки процессов. Например, скрипты необходимо постоянно обновлять и добавлять новые запросы, а процесс этот сложный и трудоемкий. Такой подход оправдан только в массовом сегменте, когда речь идет о простой услуге, сопровождаемой многочисленными и часто повторяющимися обращениями. В корпоративном сегменте количество обращений ниже, они требуют более глубокой проработки, а вариативность обращений значительно выше.

Проблему можно решить с помощью генеративного ИИ, который позволяет делать более сложные выводы, чем традиционные чат-боты, собирать больше информации о запросе и обеспечивать более качественное взаимодействие с пользователем. В корпоративной поддержке клиенты ожидают более высокий уровень обслуживания, пользователи рассчитывают на персонального менеджера, который сможет 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 перенаправление на оператора первой линии, если ответа нет. Так время взаимодействия корпоративного пользователя с поддержкой сокращается, его удовлетворенность и качество решения обращений растут.

Для компании это выгодно, поскольку не требуется выстраивать сложный процесс сопровождения всей структуры возможных решений запроса. Долгая настройка не нужна: 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 в базе данных. Затраты на сопровождение минимизируются с точки зрения ручного труда, что делает этот подход проще, дешевле и быстрее в внедрении.

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 необходимо использовать GenAI-платформы — системы автоматизации бизнес-процессов с ИИ-агентами. При этом такая платформа — это не просто API для работы с нейросетью. Быстрая кастомная интеграция с коммерческой LLM может обернуться нестабильной системой, которая ломается при каждом обновлении модели и требует постоянных доработок.

Требования к GenAI-платформе

Корпоративному бизнесу нужна система, которая обеспечит стабильность, производительность и управляемость на длительной дистанции. Рынок нейросетей меняется каждые три месяца — сегодня вы используете одну модель, завтра она устареет или станет недоступна. Платформа должна быть готова к этим изменениям. Разбираем ключевые требования, которые отличают enterprise-решение от быстрой интеграции.

Оркестрация нейронных сетей

GenAI-платформы 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.

Уровень абстракции и универсальный протокол

GenAI-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

GenAI-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

Система автоматизации должна включать разнообразные инструменты для разработки бизнес-процессов с применением искусственного интеллекта.

Визуальный конструктор рабочих процессов

В визуальном конструкторе workflow должны быть встроенные компоненты и специализированные блоки, поддерживающие интеллектуальную автоматизацию. Возможность сохранять шаблоны и паттерны интеграции бизнес-процессов позволит быстрее внедрять ИИ-автоматизацию в другие подразделения или сценарии использования.

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

Нужна функциональность для создания и выполнения операций ИИ-агентами, работающими в автономном режиме для решения определённых задач.

Корпоративная поддерживаемость

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.

GenAI-платформа SimpleOne

GenAI-платформа SimpleOne полностью соответствует главным требованиям корпоративного уровня. Low-code инструменты платформы обеспечивают быструю реализацию сценариев обработки задач, а ИИ-инструменты позволяют интегрировать функциональность искусственного интеллекта в бизнес-процессы.

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.

Проследим путь типового обращения через все линии поддержки и увидим, где именно включается ИИ. На нулевой линии он общается с пользователем и ищет ответ в базе знаний. Не нашёл решение? Классифицирует запрос и передаёт нужной команде. На первой линии помогает специалисту найти похожие кейсы, а после закрытия обращения анализирует решение и обновляет базу знаний. Ниже разбираем каждый этап.

0 линия поддержки

В SimpleOne ИИ может выступать нулевой линией поддержки и отвечать на запросы пользователей с помощью базы знаний. Также ИИ-агента можно настроить так, чтобы он сопровождал свои развернутые, персонализированные ответы ссылками на нужные статьи.

Если вопрос пользователя сформулирован недостаточно полно, ИИ-агент может за несколько итераций уточнить запрос, прояснить детали и полностью закрыть потребность пользователя, 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 автоматически, и передать их нужной группе исполнителей. Этот процесс может работать как полностью автономно, так и в режиме ассистирования, когда ИИ помогает человеку выбрать нужную услугу или определить, в какую группу следует направить обращение. 

Первая линия поддержки

Первая линия поддержки обрабатывает только те обращения, которые не удалось классифицировать или решить автоматически. При этом первая линия может также закрыть 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

SimpleOne позволяет автоматически пополнять базу знаний новыми решениями. ИИ-агенты анализируют, как специалисты первой и второй линий закрывают обращения, и находят повторяющиеся паттерны. Если несколько похожих запросов решили одинаково, система создаёт черновик статьи для базы знаний. Менеджер проверяет статью, при необходимости редактирует и публикует. Так база знаний постоянно обновляется без ручного труда, система учится на каждом закрытом обращении

Пример внедрения

Для автоматизации процессов поддержки и повышения качества обслуживания многие компании обращаются к инновационным решениям. Одним из таких примеров является внедрение GenAI-платформы для международного облачного провайдера Serverspace.

SimpleOne помогла международному облачному провайдеру Serverspace решить задачи, связанные с перегрузкой специалистов поддержки, языковыми барьерами и ручной обработкой заявок.