Совершенствование ИТ сервисов крупной компании на основе машинного обучения

Босомыкин М.М.

Выпускник группы MBA CIO-55

Школа IT-менеджмента

РАНХиГС при Президенте РФ

Современная крупная компания представляет собой сложную, непрерывно меняющуюся во времени систему. Эффективность производства повышается путем оптимизации процессов и внедрения новых технологий труда, как в целом по компании, так и в каждом ее подразделении. У зрелых компаний зрелые процессы. Они регламентированы, автоматизированы и контролируемы. Каждый участник процесса знает свой порядок действий для достижения результата, а руководители в реальном времени могут контролировать их исполнение.

Еще одна особенность — это взаимная увязка процессов между собой. Ее сильная сторона в том, что все происходит в своем месте и в свое время. Однако, есть и негативное последствие: чем больше увязка и сложнее процесс, тем сложнее в него вносить изменения. Появляется множество заинтересованных сторон, препятствующих изменениям. Данная ситуация понятна и характерна для всех больших компаний, прошедших ни один этап жизненного цикла по И.Адизису.

Стоит отметить, что наступает этап, когда классическими методами оптимизации и автоматизации повысить эффективность уже нельзя. Повысить эффективность возможно, но затраты на это в разы превысят полученный результат. При попытке остановиться в развитии и изменении становится только хуже. Если нет движения вперед это означает, что идет движение назад.

В данной работе рассматривается повышение эффективности ИТ сервиса поддержки пользователей за счет внедрения в процесс технологий машинного обучения. Происходит это за счет уменьшения трудозатрат работников служб поддержки пользователей. Сам процесс при этом остается неизменным с точки зрения потребителя услуги. Трудозатраты работников уменьшаются, а сохранение объема выполнения услуг на прежнем уровне характеризуется как превышение производительности труда, т.е достижение эффективности в процессе.

Многие отождествляют машинное обучение с искусственным интеллектом. А искусственный интеллект с машинами способными думать так же как человек и наделенными сознанием. Отчасти этому способствует научная фантастика и кино. Но это не более чем игра слов и иллюзия в которой искусственный интеллект — это термин обозначающий класс технологий, базирующихся на математических методах. Сознания в них нет и на данный момент быть не может. Но решения задач, которые базируются на предыдущих знаниях, у таких технологий получается хорошо. Другими словами, если у вас есть историческая информация в цифровом виде о событиях и действиях человека на эти события, то вы можете применить сервисы с использованием машинного обучения и в последующем использовать машину для выполнения действий за человека или совместно с ним.

Большие компании накопили огромное количество исторической информации, которую необходимо использовать, направляя на получение выгоды для компании. Фактически, чем больше данных у вас есть, тем надежнее работают математические алгоритмы машинного обучения. Ведь, фактически в любом процессе можно выделить простые операции по классификации, обобщению, кластеризации выполняемые человек и заменить их выполнение на машинное.

В работе у автора рассмотрен классический процесс ITIL поддержки пользователей бизнес-приложений, адаптированный под крупную компанию. В котором для бизнес-пользователей внедрена система дистанционного обучения, где пользователь может ознакомиться со всеми материалами по ИТ-решению, не покидая своего рабочего места. Внедрена система базы знаний с типовыми ответами на частые вопросы. В процесс подачи заявки в системе Service Desk внедрен функционал поиска похожих заявок и функционал рекомендации статьи базы знаний. Несмотря на это ежегодный объем повторяющихся обращений в службу поддержки от пользователей составляет в районе 30%. Непрерывные изменения в ИТ-решениях, сменяемость персонала и человеческий фактор приводят к созданию новых обращений в службу поддержки, на работников службы поддержки действуют те же факторы и они, на повторную заявку готовят новый ответ. Ответ на подобное обращение уже был кем-то дан. Что приводит к нерациональным затратам времени.

В работе выделены операции, совершаемые работником службы поддержки, для которых можно применять технологии машинного обучения. Накопленный объем истории о выполненных ранее заявках и созданных статьях базы знаний лег в основу обучения сервисов, внедренных в систему Service Desk. Получилось, что операция в процессе сначала выполнялась сервисом и если его результаты были неприемлемой точност�