人工智能（AI）正在向 IT 服务治理（ITSM）迈进，无望从新定义事物的工作形式。然而，人工智能是否会实现其承诺，并可能真正使 ITSM 更容易、更无效呢？这就是咱们行将在此系列中所探讨的 ”ITSM 中的 AI 劣势 ”。
早些时候，咱们通过 ”AI 在 ITSM 中的利用 “ 为咱们的 AI 探讨发明了条件。而在 ” 性能和应用案例 “ 中，咱们将看到具体的、基于人工智能的性能和逾越各种 ITSM 模块的应用案例场景，解释基于人工智能的模型和性能如何可能扭转 IT 服务台的工作形式。让咱们从聊天机器人开始。
聊天机器人
聊天机器人能够被训练来解决某一类申请和事件，前提是对过来申请的历史和所有相干常识文章有适当的记录。在这里，咱们将探讨聊天机器人能够帮忙服务台的两个场景：第一个是人工智能的广义利用，现已存在；第二个是基于人工智能的惯例利用，效率更高，但可能须要更长的开发工夫。
聊天机器人 – 场景 1：解决打印机问题（人工智能，广义）
有一个问题仿佛同时困扰着终端用户和 IT 技术人员，那就是当打印机进行工作的时候如何解决的问题。在大多数 IT 服务台中，每一个打印机问题的解决方案都会有很好的记录，这意味着许多终端用户可能本人解决这些问题，而不须要波及 IT 技术人员。然而，依然有一些打印机事件被报告发现，这些问题可能会妨碍生产力。此类事件能够由受过专门解决打印机问题的聊天机器人来解决。
在聊天机器人和报告打印机问题的终端用户之间的典型会话中，聊天机器人会依据现有的知识库文章对用户做出回应。聊天机器人首先向用户举荐成功率最高的解决方案，而后再依照成功率的程序举荐其余可用的解决方案。当聊天机器人没有解决方案能够倡议时，它能够拉来一位人类技术员以帮忙最终用户；它甚至能够被训练成代表用户创立一个订单，并依据过来的数据将其调配给适合的技术员或反对小组。因为市场上有多个第三方聊天机器人工具，以及 IT 服务台供应商提供的各种解决方案，服务台当初就能够施行聊天机器人。
聊天机器人 – 场景 2：解决打印机问题（人工智能，惯例）。
随着推动人工智能的技术提高，聊天机器人将可能做得更多，而不仅仅是在解决方案的倡议上。例如，您能够设想一下，当打印机呈现问题时，有更多的聊天机器人参加。人工智能算法和聊天机器人能够变得比当初更智能，很快，它们可能会被动辨认问题并提供必要的解决方案。
例如，咱们甚至能够在用户报告问题呈现之前，就去创立一个更换墨粉的申请。通过基于机器学习（ML）的模型，能够主动创立服务申请，在墨粉和其余用品用完之前进行更换。而且，当用户报告问题时，聊天机器人能够查看申请数据库，以确定在查看解决方案模块之前是否曾经为同一问题创立了申请。如果它发现了一个申请，聊天机器人能够提供所有相干明细来更新用户。尽管这种性能还不存在，但可能用不了多久就会呈现。
除了这两种状况外，还有多种形式的聊天机器人能够派上用场。上面是几个例子：
ITSM 聊天机器人应用案例
聊天机器人 – 场景 3：近程用户资产申请
一位在当地的终端用户（如销售人员）报告说他们的笔记本电脑很慢，须要更换。他们试图找到适合的资产降级表，但并没有找到。接下来，他们试着给服务台打电话，但没有人接听。作为最初的伎俩，他们分割了聊天机器人。
聊天机器人 – 场景 4：为申请增加正文、评论或阐明
一位 IT 技术员正在近程工作，诊断一个工作站的问题，所以他们无法访问服务台门户来更新申请的明细。于是呢，他们就抉择应用技术助理聊天机器人来实现工作。
常识治理
人工智能算法和聊天机器人只有在其可用的知识库中才会失效。对咱们来说，侥幸的是，人工智能也能够帮忙建设一个坚硬的知识库。咱们将探讨两个用例，以理解人工智能如何为 IT 服务台的常识治理作出贡献。
常识治理 – 场景 1：主动对解决方案进行评级以批准和回绝它们
对于每个事件或事件类别，可能有多个解决方案和知识库文章在一段时间内被应用。能够训练特定的基于 ML 的模型，依据历史体现来确定每个解决方案的成功率。这能够通过思考多种因素来实现，如订单的重开率、最终用户和技术人员对文章的评估，以及最终用户的认可。
基于这样的指标，一个基于 ML 的模型甚至能够倡议哪些文章应该删除，哪些文章能够进行改良。依据解决方案在一段时间内的体现对其进行分级，也有助于 IT 服务台在创立订单时向用户提供正确的解决方案，并在聊天会话中帮助聊天机器人。
常识治理 – 场景 2：辨认问题畛域和整顿知识库文章
基于 ML 的模型，如场景 1 中探讨的那些模型，能够被训练来辨认那些具备最高数量的传入 L1 事件、反复事件和重开事件的事件类别。因而，一个 ML 模型能够根据上述参数的重大水平来标记这些类别。它还能够洞察哪些类别须要 IT 服务台团队进行更多的常识治理，例如记录适当的解决方案，让它们失去审查，并公布它们。这有助于服务台团队确定最须要致力的畛域，并建设相干的解决方案和知识库文章来帮忙终端用户和技术人员。
服务申请治理
现在，像员工入职这样简单的服务申请要么由技术人员手动协调，要么基于预设的自动化。手动执行这些工作可能是低效和麻烦的。就目前的自动化而言，大多数流程是动态的，不足智能。这些自动化不肯定适宜所有可能的状况，须要定期进行人工干预以放弃失常运行。但随着机器学习等人工智能技术的利用，模型和算法能够被训练成基于申请历史的动静自动化服务申请工作流。这些基于 ML 的自动化模型会持续学习每一个实时数据，以微调工作流，从而进步工作效率。
IT 变更治理
IT 变更治理是一个能够发现公司的 IT 基础设施成败的过程。大量的打算和危险评估会在变更施行之前进行；只管有这些致力，变更依然会因为人为谬误而失败。当波及到剖析变更时，人们也会致力从 IT 变更治理和施行方面产生的大量数据中开掘洞察力。人工智能能够通过避免人为谬误和改善剖析，帮忙最大限度地缩小变更治理危险。
IT 资产治理
IT 资产治理和配置管理数据库（CMDB）是每个 ITSM 流程运作的根底。人工智能也能够帮忙 IT 服务台团队更好地监测和治理 IT 硬件和软件资产。ML 零碎能够一直监测配置我的项目（CI）的性能，或翻阅现有的 CI 性能数据并预测故障，使终端用户和 IT 团队免于一堆麻烦。人工智能能够帮忙 IT 服务台工具标记异常情况，并通过连贯多个畛域的点来生成要害正告，而这简直是不可能手动实现的。
这些是人工智能将开始给 ITSM 留下印象的某些畛域。有些人工智能的能力是能够立刻实现的，有些还须要几年的工夫。而聊天机器人和基于 ML 的分类将是 AI 在 ITSM 工具中的第一个间接利用。一些 ITSM 工具供应商曾经开始向他们的终端用户提供这两种能力。也有多个第三方供应商提供能够执行这些操作的即插即用的解决方案。在短短几年内，咱们看到的可能不仅仅是基于人工智能性能的预计用例。很快，这些用例可能成为咱们的事实。
筹备好迎接 ITSM 的 AI 浪潮
鉴于人工智能有可能从新定义 IT 服务台和 IT 服务台团队的工作形式，服务台必须为行将到来的 AI 浪潮做好筹备。如上所述，任何人工智能应用程序或模型的有效性都取决于它所训练的数据，以及来自文档解决方案等方面的可用常识。
为了最大限度地利用人工智能，IT 服务台团队必须正确记录他们的所有申请、问题和变更；保护一个精确的 IT 服务台数据库；并建设一个设备齐全的知识库。随着 ITSM 工具供应商正逐步将人工智能整合到他们的产品中，服务台团队必须做好筹备，能力真正播种 ITSM 中人工智能的益处。