Agenten sind oft sehr mit Routineaufgaben beschäftigt, etwa Ticketzuweisungen, Aushilfen und so weiter. Mit AI-gestützten Technologien können Sie diese Routineaufgaben automatisieren und so die Produktivität steigern. Zugleich haben die Agenten durch die Entlastung mehr Zeit, um sich um komplexe Probleme der Ebenen II und III zu kümmern.
Wissensmanagement
AI-gestütztes Wissensmanagement bietet eine Lösung aus dem Repository (wenn verfügbar) oder über eine Suche in der Cloud, um eine passende Lösung vorzuschlagen. Darüber hinaus erstellt die AI neue Artikel (sofern noch nicht vorhanden) und macht IT-Agenten intelligente Lösungsvorschläge. Beim Wissensmanagement für Lösungsvorschläge für Agenten und Endnutzer wird die Technologie des tiefen Lernens verwendet.
Gefühlsanalyse
Die Nutzerzufriedenheit und die Nutzererfahrung haben sich zu einer der Schlüsselmetriken zum Messen des Erfolges eines Servicedesk entwickelt. Die Prognose des Gefühls des Endnutzers zur Zeit der Ticketerstellung je nach Nutzung von Worten und vorherige CSAT-Umfrageergebnisse helfen Agenten dabei, angemessen zu antworten und die CSAT zu erhöhen. ITSM-Trends mit AI und ML spielen dabei eine große Rolle und sichern ein proaktives Vorgehen.
Vorausschauende Instandhaltung
ITSM-Lösungen können mit anderen geschäftlichen Tools integriert werden, etwa Tools zum Überwachen, zum Anlagenmanagement und so weiter. Ein AI- und ML-gestütztes IT-Servicemanagement kann automatisch Tickets erstellen, wenn eine bestimmte Infrastruktur nicht funktioniert oder sich etwas verschlechtert. Zugleich informiert das System die jeweils möglicherweise betroffenen Nutzer und erstellt ein Ticket für die Ursachenanalyse.
Proaktives Änderungsmanagement
Änderungsmanagement minimiert Risiken und Auswirkungen. ML schätzt das potenzielle Risiko ab und benachrichtigt den Änderungsmanager, den Ausstiegsplan auszuführen. Zudem hilft ML auch bei der Änderungsbewertung und Planung dabei, die Änderungsanfragen angemessen zu terminieren.
Asset-Management
Der Asset-Lebenszyklus und die Asset-Leistung können effektiv durch AI-gestützte Technologien überwacht werden. Falls die Leistung eines Assets sinkt, identifiziert ML dies anhand vorheriger Trends und benachrichtigt den Asset-Manager, das jeweilige Asset zu ersetzen. Zusätzlich stellt das System eine automatische Serviceanfrage zum Ersetzen des Assets.
AI und Endnutzer
Personalisierte Gespräche
Chatbots und AI agents garantieren gleichbleibende, personalisierte Interaktionen mit Endnutzern in Echtzeit und steigern so die Kundenzufriedenheit. Chatbots sichern die Einheitlichkeit im Hinblick auf die Sprache, Antwortzeit und Verfügbarkeit. Dennoch ersetzen die Bots nicht die menschlichen Agenten, denn diese befassen sich mit der Lösung der komplexen Anfragen der Ebenen II und III.
Klassifizierung von Incidents und Serviceanfragen
Endnutzer kennen oft nicht den Unterschied zwischen einem Incident und einer Serviceanfrage. AI-Technologie erkennt die Ticketart anhand des Gelernten und klassifiziert sie für die Agenten im Servicedesk. Das entlastet die Agenten von dieser Routineaufgabe.
Automatisches Lösen von Tickets
AI-ITSM-Technologien antworten auf Anfragen von Endnutzern mit Echtzeitlösungen, ohne, dass ein Mensch dabei tätig werden muss. Das System durchsucht die Wissensbasis nach Lösungen. Wenn eine solche nicht vorhanden ist, schlägt es Lösungen aus der Cloud vor und erstellt neue Artikel, die im Repository gespeichert werden können.
Automatische Annahme von Service-Artikeln
Wenn Endnutzer eine Serviceanfrage einreichen, überprüft das System des maschinellen Lernens die Verfügbarkeit der Leistungsposition und genehmigt automatisch, ohne dass sein Mensch tätig werden muss. Die Genehmigung richtet sich nach der Priorität, der Geschichte und der Auswirkungen der Position.
AI und Management
Strategische Entscheidungsfindung
Predicitve Analytics analysiert vorherige Ergebnisse und macht Prognosen für die Zukunft, etwa zum Umsatz, zur Kundenzufriedenheit und zur Ressourcenplanung. Das hilft dem Management, mithilfe der Budgetvorhersage und des Ausgabenmanagements, informierte Entscheidungen zu treffen. Darüber hinaus bietet Predicitve Analytics Einblicke in die Leistungen der Agenten und des Servicedesk.
Prognose zu SLAs/Vertragsverstößen
Anhand der vorherigen Trends kann jeder zukünftiger SLA-Verstoß erkannt und dem richtigen Agenten bekanntgegeben werden. Das hängt vom Ticketaufkommen, der jahreszeitlich bedingten Arbeitsbelastung, dem Versagen der Infrastruktur und Ressourcenproblemen ab. Mit diesem Wissen können die Vertragsvereinbarungen eingehalten und die Kundenprobleme rechtzeitig gelöst werden.
Optimierung der Arbeitsbelastung
Servicedesk-Agenten verbringen einen Großteil ihrer Zeit mit dem Klassifizieren und Zuweisen von Tickets. AI-Technologien kümmern sich darum, die richtige Gruppe und den richtigen Agenten zu finden. Zugleich macht die AI dem Management anhand der Arbeitsbelastung und der Ressourcenplanung für die Zukunft Vorschläge zum Einstellen neuer Mitarbeiter.
AI-Bereitschaftsprüfung
