而現(xiàn)在，涉及各行各業(yè)的人們更佳關(guān)注的是AI，尤其是生成式的AI，它能夠讓我們的工作更容易、更高效嗎？這也是本文中我們想要針對(duì)AI在ITSM領(lǐng)域所要討論的問(wèn)題。

同時(shí)，行業(yè)專家對(duì)此也有一些強(qiáng)有力的預(yù)測(cè)，Gartner在其《2018預(yù)測(cè)：人工智能》報(bào)表中指出，到2022年，40%面向客戶的員工以及面向居民的政府工作人員將會(huì)每天咨詢AI虛擬代理，以獲得決策或流程支持。Gartner也補(bǔ)充道，人工智能將為虛擬支持代理提供資源，使人員支持能夠更快、更有效的響應(yīng)客戶/居民的查詢或動(dòng)作。

一旦人工智能能夠執(zhí)行人類所不擅長(zhǎng)的行為并執(zhí)行人類不愿意執(zhí)行的操作，這時(shí)它將開(kāi)始對(duì)我們的IT服務(wù)臺(tái)產(chǎn)生真正的影響。這些操作可以大致分為：智能自動(dòng)化、戰(zhàn)略見(jiàn)解、預(yù)測(cè)分析。

例如：手工分配工單會(huì)消耗大量的時(shí)間，而IT技術(shù)員需要專注于更佳重要的任務(wù)。一些幫助臺(tái)可以設(shè)定條件、參數(shù)來(lái)對(duì)請(qǐng)求進(jìn)行分類，進(jìn)而自動(dòng)化工單的分派，但這些規(guī)則是靜態(tài)的，這也意味著它們不會(huì)隨著時(shí)間的推移而進(jìn)行適應(yīng)或改進(jìn)。

借助機(jī)器學(xué)習(xí)（ML）等人工智能技術(shù)，服務(wù)臺(tái)可以根據(jù)歷史IT服務(wù)臺(tái)的數(shù)據(jù)創(chuàng)建分類模型，重要的是，ML模型可隨著時(shí)間推進(jìn)，通過(guò)越來(lái)越多的實(shí)時(shí)數(shù)據(jù)變得更加準(zhǔn)確。這種基于ML的模型，會(huì)比手工分類或基于規(guī)則的自動(dòng)化更為有效。

對(duì)于供應(yīng)商，可以引入類似的基于AI的模型，以生成式的見(jiàn)解，預(yù)測(cè)IT服務(wù)臺(tái)中的異常情況，否則這可能需要人花費(fèi)大量的時(shí)間、精力，還有技術(shù)的支撐。一些實(shí)際的案例可能包括補(bǔ)丁程序更新的合適時(shí)間窗口、幫助變更規(guī)劃以及實(shí)施、標(biāo)記可能會(huì)違反SLA的請(qǐng)求、預(yù)計(jì)IT的潛在問(wèn)題。

接下來(lái)，我想大家一定會(huì)問(wèn)道：這一切從哪兒開(kāi)始？

即使人工智能已經(jīng)擴(kuò)展到各個(gè)領(lǐng)域，但普通人觸手可及的人工智能技術(shù)仍是虛擬助手。如今，幾乎每個(gè)智能手機(jī)、或是設(shè)備都會(huì)存在一個(gè)虛擬助手，幫助人們購(gòu)物、出行、管理時(shí)間等。隨著Duplex等技術(shù)的形成，這些虛擬助手的作用也必將很快擴(kuò)大。

同樣，人工智能在IT服務(wù)臺(tái)中的第一個(gè)應(yīng)用可能是聊天機(jī)器人和虛擬IT服務(wù)助理，雖然不會(huì)立即發(fā)生，但是在不久的將來(lái)，基于人工智能的虛擬助手可能會(huì)取代人，成為終端用戶與IT服務(wù)臺(tái)之間的第一聯(lián)系點(diǎn)。

我們可以進(jìn)行一個(gè)小小的預(yù)測(cè)，這些基于上下文的聊天機(jī)器人，將可以處理一些簡(jiǎn)單、重復(fù)性的請(qǐng)求，幫助減輕服務(wù)臺(tái)技術(shù)人員的一些負(fù)擔(dān)。

例如，聊天機(jī)器人可以幫助我們解答與GDPR或安全隱私相關(guān)的任何問(wèn)題，更新餐廳的午餐或晚餐菜單。這些機(jī)器人以知識(shí)庫(kù)為基礎(chǔ)運(yùn)行，只有在其無(wú)法選定答案時(shí)，才會(huì)涉及人員的參與。聊天機(jī)器人還可以幫助用戶執(zhí)行其它簡(jiǎn)單的IT操作，例如創(chuàng)建工單、提出資產(chǎn)申請(qǐng)或是重置密碼申請(qǐng)。

以下是一些即將進(jìn)入IT服務(wù)臺(tái)的基于AI的功能：

 

◆ 自動(dòng)對(duì)事件進(jìn)行歸類；

◆ 對(duì)入站的事件執(zhí)行智能化的分派；

◆ 通過(guò)識(shí)別、標(biāo)記異常的重復(fù)性的事件進(jìn)行異常檢測(cè)；

◆ 使用預(yù)測(cè)分析標(biāo)記可能會(huì)違反SLA的請(qǐng)求

 

人工智能算法和應(yīng)用是基于現(xiàn)有的記錄的知識(shí)和歷史的數(shù)據(jù)開(kāi)發(fā)的，這意味著人工智能與開(kāi)發(fā)它的知識(shí)庫(kù)和數(shù)據(jù)一樣有效。

同樣，在ITSM中，對(duì)于基于上下文開(kāi)發(fā)的AI模型，必須有一組正確的知識(shí)庫(kù)、解決方法、文章以及歷史數(shù)據(jù)。例如，為了訓(xùn)練AI來(lái)執(zhí)行分類或優(yōu)先級(jí)排序，我們需要一個(gè)包含所有請(qǐng)求的歷史數(shù)據(jù)庫(kù)，其中包含有請(qǐng)求類型、級(jí)別、影響、緊急度等等參數(shù)，并且所有這些數(shù)據(jù)都需要正確記錄。

需要注意的是，像這樣的基于人工智能的模型卻不是通用的，雖然某個(gè)模型適用于一個(gè)服務(wù)臺(tái)，但它可能不適用于其他的服務(wù)臺(tái)。

分類和優(yōu)先級(jí)的模型訓(xùn)練是基于特定的數(shù)據(jù)集的，僅適用于該數(shù)據(jù)集所屬的服務(wù)臺(tái)。隨著時(shí)間的推移，這些模型有更多的實(shí)時(shí)數(shù)據(jù)用于訓(xùn)練，逐漸提高其準(zhǔn)確性和有效性。