本篇文章2155字，讀完約5分鐘

對注入 AI 的生成式 ITSM 的需求，在 2023 年 Gartner® AI 炒作周期中，生成式 AI 達到預期值達到頂峰后，三分之二的企業(yè)已經(jīng)將生成式 AI 集成到其流程中。

 

 

 

你問為什么這種追求？在預定義算法的驅(qū)動下，IT 服務交付和管理中的現(xiàn)有 AI 應用程序僅限于提供預測或分類。另一方面，生成式 AI 可以通過動態(tài)創(chuàng)建內(nèi)容（無論是文本、圖像還是視頻）來提供上下文對話體驗，從而提供無可挑剔的服務體驗。因此，讓我們探討企業(yè)如何在 ITSM 中利用這些功能。

 

利用LLM 解決L1事件

目前大多數(shù)IT服務臺團隊部署的聊天機器人功能有限，而且大多無法完全理解用戶問題，更不用說幫助解決這些問題了。但是，隨著 LLM 等生成式 AI 技術的應用，IT 服務臺團隊可能很快能夠?qū)⑺麄兊募夹g人員完全從處理 L1 事件中解放出來，同時也不會影響響應和解決方案的質(zhì)量和相關性。隨著多模態(tài) LLM 的出現(xiàn)，此類虛擬代理將能夠通過屏幕截圖和屏幕錄像收集詳細信息，以更好地診斷用戶問題。

 

檢索增強生成 （RAG） 等技術的最新進展還可以使這些虛擬代理通過參考特定于該組織的信息和知識以及 LLM 的大量訓練數(shù)據(jù)來提供準確且相關的解決方案。

 

通過智能升級和通信重新定義 SLA

生成式 AI 不僅可以解決基本的 L1 事件，還可以在處理復雜場景方面發(fā)揮作用，無論是影響關鍵業(yè)務資源的高優(yōu)先級事件，還是確保多個用戶按時加入。生成式 AI 無需等待 SLA 變?yōu)榧t色，而是可以分析歷史趨勢、業(yè)務重要性和用戶情緒。然后，它可以巧妙地將可能違反 SLA 的工單提前上報給專家，確保及時解決。

 

此外，在此過程中，生成式人工智能可以生成按需通信，讓利益相關者了解上下文更新，而不僅僅是在整個工單旅程中的樣板通知。

 

在處理工單時豐富用戶體驗

IT 服務臺團隊必須提供卓越的用戶體驗，同時提高員工的工作效率。生成式 AI 可以嵌入到各種用戶接觸點中，以實現(xiàn)這兩個目標。LLM 支持的虛擬 IT 服務臺代理可以理解用戶的意圖、情緒，并動態(tài)地對用戶問題做出個性化響應，從而更好、更快地幫助他們，而不是現(xiàn)有虛擬代理提供的僵化和靜態(tài)響應。

 

此外，工單表單可能會被最終用戶和此類虛擬代理之間的對話所取代，以收集相關信息，就像在簡短的問答中一樣，而不會使用戶因過時的表單而超載。

 

此外，最終用戶的事件解決可以變得更加主動，而不僅僅是等待用戶向 IT 服務臺報告問題。通過自然語言案例提取，生成式 AI 可以從內(nèi)網(wǎng)論壇或內(nèi)部協(xié)作平臺中獲取用戶的不滿，并將其轉換為工單，以便更快地解決問題。

 

通過戰(zhàn)略洞察促進無風險變更管理

企業(yè)需要處理多個變更，包括服務器升級和防火墻調(diào)整，這就需要 IT 變更經(jīng)理快速對變更隊列進行分類并防止沖突。但是，在多個更改記錄中搜索受影響的配置項目 （CI）、服務或重疊計劃可能很乏味且容易出錯。

 

生成式 AI 為 IT 變更經(jīng)理和所有者提供戰(zhàn)略洞察力，無需跳轉選項卡即可快速總結變更情況。這些可能表明 CI 中的潛在重疊、推出和應急計劃中的漏洞、角色和職責劃分不當、變更之間的沖突等等。

 

此外，為了避免變更失敗，IT 團隊必須通過超越數(shù)字來評估變更帶來的風險。除了預測和分配風險外，生成式人工智能還可以提供建議，突出可能經(jīng)歷停機的潛在服務、可能受到影響的關鍵資源、業(yè)務影響，以及最終將這些風險降至最低的方法。

 

輕松管理端點異常和合規(guī)性

通過智能地從眾多來源（包括端點、已安裝的應用程序和活動日志）中提取信息，生成式 AI 可以通過自動分析可能影響用戶生產(chǎn)力的緩慢或應用程序崩潰等問題來幫助 IT 團隊。它可以幫助提供可操作的建議，例如向用戶建議 RAM 更新、硬件更換或軟件更新。

 

此外，生成式人工智能可以通過有效的案例總結來簡化合規(guī)管理等繁重的活動。生成式 AI 無需手動篩選與不同產(chǎn)品或供應商相關的大量采購訂單、合同和許可證，而是可以一目了然地總結它們，從而提前智能地提醒 IT 團隊有關許可證續(xù)訂等關鍵要求。

 

培養(yǎng)動態(tài)和相關的知識庫

從手頭有過時或不相關的解決方案到在 ITSM 平臺之外發(fā)現(xiàn)相關答案，用戶訪問正確的解決方案來自我解決問題可能很費力。

 

相反，生成式人工智能提供了一種方便的方法來克服這一挑戰(zhàn)。當最終用戶向服務臺報告問題時，生成式 AI 可以從 YouTube 和外部論壇等公共來源掃描合適的解決方案或 DIY 方法。此外，隨著 RAG 等技術的進步，生成式 AI 可以將其信息建立在內(nèi)部 IT 文檔上，從而改善上下文。有了這個，它可以通過逐步指導最終用戶來提供相關的解決方案，從而簡化知識發(fā)現(xiàn)。

 

此外，通過考慮來自外部和內(nèi)部來源的解決方案，包括有機對話、工作日志、歷史記錄、文檔、決議和協(xié)作支持中心，生成式 AI 可以用最新信息填充知識庫，以縮小知識差距。

 

利用生成式 AI 實現(xiàn)服務體驗現(xiàn)代化

從解決事件到管理資產(chǎn)和更新知識庫，這些是生成式 AI 在不久的將來幫助 IT 團隊重新構想服務體驗的一些不同方式，ServiceDesk Plus在這方面表現(xiàn)優(yōu)異！現(xiàn)在是企業(yè)利用生成式人工智能轉型能力的時候了，因為它有可能在未來幾年成為 ITSM 智能自動化的支柱。