Jak AI może pomóc ocenić priorytet zgłoszenia IT

Ten sam problem z logowaniem, różny wpływ

Jedno zgłoszenie mówi: „Nie mogę się zalogować. Problem dotyczy tylko mojego konta”. Drugie: „Nikt w dziale obsługi zamówień nie może się zalogować. Cały dział ma zablokowane przyjmowanie zamówień”. Oba opisują problem z dostępem, ale drugie zawiera informację o zatrzymanej pracy zespołu.

Narzędzie wskazuje przy pierwszym fragment o jednym koncie, przy drugim informację o całym dziale. Nadal brakuje odpowiedzi, jakie znaczenie ma czas reakcji dla opisanej pracy. Dyżurny widzi ten brak jako pytanie do wyjaśnienia. Model nie może czytać milczenia o skutkach jako potwierdzenia, że są małe, a problem jednej osoby też bywa pilny ze względu na jej zadania.

Ile daje prostsza zmiana, a ile trening

W tym rachunku formularz z polami wpływu i pilności daje większość efektu za ułamek kosztu. Trening ma sens przy większej skali albo gdy pozostałe błędy są kosztowne. Płynne streszczenie nie pomoże, jeśli pominie zdanie o zablokowanym przyjmowaniu zamówień, dlatego błąd pominiętego wpływu liczymy osobno od pozostałych.

Zbiór przykładów do uczenia trzeba utrzymywać: gdy zmienia się proces, nazewnictwo albo model bazowy, ocenę powtarza się na tym samym zbiorze testowym. Ten koszt wpisujemy do wyceny razem z samym uczeniem.

Model czyta opis, zasady określają priorytet

Atlassian rozróżnia wpływ na procesy biznesowe i pilność, a w Jira Service Management priorytet wynika z połączenia obu ocen. Firmowa tabela określa, jak zatwierdzone oceny wpływu i pilności przekładają się na priorytet. Model pomaga znaleźć ich podstawę w tekście. Dzięki temu zmiana tabeli nie wymaga ponownego uczenia modelu. Wybór zespołu do sprawy opisuje tekst o klasyfikacji zgłoszeń serwisowych.

Od czego zacząć

Dyżurni przeglądają propozycje na zgłoszeniach, których nie użyto do dostosowania modelu. Na rozmowę opisz jedno źle ocenione zgłoszenie i informację, która powinna była wpłynąć na decyzję. Dostosowanie modeli prowadzimy w ramach prywatnych modeli LLM, a aplikację, w której pracownik widzi wynik obok źródła, w ramach aplikacji AI. Na bezpłatną analizę wystarczy kilka przykładów błędu, który wraca, i opis, kto go dziś poprawia.