داستانی از مدیریت خدمات فناوری اطلاعات مبتنی بر ITIL4 (قسمت ششم خودکارسازی)

۱۴۰۲/۰۷/۲۶

استفاده از هوش مصنوعی و علم داده در خودکارسازی فعالیتها از جمله ابزارهای مدیریت بهره وری خدمات پیشنهادی در چارچوب ITIL4 است. (RPA) یک راه بالقوه برای سازمان ها برای ساده سازی عملیات تجاری، کاهش هزینه های کارکنان و کاهش خطاها است. از طریق استفاده از ربات‌های نرم‌افزاری، کارهای تکراری و پیش پا افتاده را می‌توان خودکار کرد و به مدیریت سرمایه انسانی کمک می‌کند تا به فعالیت‌های با ارزش بالاتر بپردازند. ربات‌ها می‌توانند برای شبیه‌سازی فعالیت‌هایی که انسان از طریق برنامه‌های کاربردی انجام می‌دهد، استفاده شود. RPA اجازه می دهد تا فرآیندهای سازگار، قابل اعتماد و قابل پیش بینی به روشی مقرون به صرفه اجرا شوند. این امر می تواند منجر به خطاهای کمتر در فرآیندهای کلیدی، افزایش درآمد و خدمات بهتر به مشتریان شود که منجر به حفظ مشتری بیشتر می شود. RPA جهت اتوماسیون سه نوع فناوری را شامل می‌شود:

•   اتوماسیون فرآیند بر روی خودکارسازی وظایفی که به داده های ساختاریافته وابسته هستند، تمرکز می کند.
•   اتوماسیون فرآیند پیشرفته و هوشمند این کار را با داده های بدون ساختار کار می کند. این نوع اتوماسیون می تواند از تجربه یاد بگیرد و دانشی را که جمع آوری می کند در موقعیت های دیگر به کار می گیرد.
•   پلتفرم‌های شناختی اینها پرسش‌های مشتریان را درک می‌کنند و می‌توانند کارهایی را انجام دهند که قبلاً به مداخله انسانی نیاز داشت.

مثالی از اتومات سازی فرایند پشتیبانی در پروژه اجاره دوچرخه:

پیش از تایید درخواست اجاره دوچرخه، باید اطلاعات هویتی با سیستم ثبت احوال بررسی شود و اطلاعات هویتی فرد احراز شود. پیش از خودکارسازی، همکاران واحد کسب و کار اطلاعات متقاضی را دریافت، با کدملی فرد اقدام به استعلام از ثبت احوال نموده و در صورت تایید درخواست به مرحله بعد برای تحویل دوچرخه میرود. برای اجرای فناوری اول، خودکارسازی فرایند اجاره دوچرخه نیاز به اقدامات زیر دارد:

فرم الکترونیک با فیلدهای یونیک که به واسطه آن استعلام انجام می‌شود طراحی و در اختیار متقاضیان قرار گیرد.
پارامترهای این فرم به API ثبت احوال متصل شده و نتیجه استعلام را به کاربر اعلام مینماید. در صورت مثبت بودن نتیجه، فلو فرم به یک گام جلوتر حرکت کرده و فرم به واحد اجاره منتقل میشود و در صورت عدم تایید ضمن اعلام به کاربر، درخواست را رد می‌کند.
ریسکهای این مدل قطعی یا اختلال در سرویس استعلام ثبت احوال است که باید راهکار جایگزین تدبیر شود.
اتصال سیستم به API استعلام اتباع خارجی نیازمندی بعدی در این سیستم است.
در صورت بروز استعلام در تعداد بالا و به صورت همزمان، احتمال از دست رفتن درخواستها افزایش می یابد پس استفاده از راهکاری اولیه مانند مدیریت با صف و یا راهکارهای پیشرفته مانند استفاده از میان افزارهای ایسینکی بهره برد.
ارزیابی مدت زمان رسیدن مشتری به پاسخ باید نسبت به حالت دستی بررسی و در راستای بهبود تا زمان رسیدن به حداقل وضعیت برابر از انتشار ربات خودداری کرد.
نفر / ساعت رها شده از این بخش باید به صورت هدفمند در بخش های دیگر به کار گرفته شود.

مثالی از اتومات سازی هوشمند در فرایند مدیریت حوادث در پروژه اجاره دوچرخه:

در زمان بروز اختلال و یا قطعی در سیستم پرداخت هزینه اجاره دوچرخه غالبا آلارمهایی از اختلال در سیستم به تیم پشتیبانی اعلام می‌شود. با فرض پشتیبانی چند لایه، ابتدا تیم پشتیبانی سطح یک اقدام به بررسی دانشهای ثبت شده در خصوص علل حادثه می‌نماید. در صورتی که دانش‌های ثبت شده موجود موثر نباشد، مساله را به پشتیبانی لایه دو ارجاع می‌نماید. این تیم نیز پس از بررسی مساله در صورت امکان مشکل را رفع و در غیر این صورت مساله را به سطح فنی ارجاع مینماید. به این ترتیب مدت زمان رفع مساله با توجه به گذار مساله از سطوح مختلف یکی از مهمترین چالش‌های این روش سنتی است. برای خودکارسازی فرایند پشتیبانی حادثه با فناوری دوم (یادگیری ماشین) اقدامات زیر صورت می‌پذیرد:

نشان گذاری پارامترهای کلیدی حادثه در فرم ثبت حادثه
اتصال سیستم پایش به سیستم ثبت حوادث
تهیه دانش راه کارهای مقابله با حوادث
ایجاد کلیدهای مشترک بین ۳ پارامتر فوق و نیز شناسنامه فنی سرویس
تعریف فلو بررسی برای حادثه براساس امتیاز به دست آمده هر سناریو براساس هوش ماشین
گردآوری و ثبت اطلاعات هر فلو و در صورت عدم رفع ارجاع تمام موارد بررسی شده + شواهد ثبت شده به لایه فنی.
ارزیابی ریسک این مدل در انجام اقدامات حساس مانند ریلود صف اکتیو که میتواند خود منجر به Fail تمامی تراکنش ها گردد، از جمله اقدامات حیاتی پیش از اجرا است.
وجود دانش کافی و شواهد از تمامی حالت های منجر به حادثه برای کاهش ریسک خطا در تشخیص الزامیست

نتیجه اجرای موفق این خودکارسازی کاهش زمان پاسخ به حادثه و در نتیجه بهبود سطح رضایت مشتریان، کاهش نیاز به انجام فعالیتهای تکراری توسط سرمایه انسانی و نیز کاهش خطای انسانی است.

مثالی از اتومات سازی با هوش مصنوعی در فرایندهای پاسخدهی مرکز تماس پروژه اجاره دوچرخه:

ذاتا هنگامی فردی به مرکز تماس ما در پروژه اجاره دوچرخه تماس میگیرد که در استفاده از اپلیکیشن ما با مشکل مواجه باشد. مشتری در حین تماس مشکل خود را شرح داده و با راهنمایی راهبر مرکز تماس فعالیت خود در اپلیکیشن را انجام داده یا مشکلی را گزارش مینماید و منتظر اعلام رفع مساله از سوی راهبر خواهد بود. اما در هوشمندسازی این فرایند با استفاده از هوش مصنوعی اقدامات زیر قابل انجام است تا این ساختار از مدل پشتیبانی واکنشی به کنشی تبدیل شود:

مدلسازی اپلیکیشن با ساختار هوش مصنوعی به نحوی که یادگیری اپلیکیشن با تمام حالات خاص توسط سیستم انجام شده باشد.
تعریف پایگاه دانش خطاهای بیزنسی و فنی اپلیکیشن برای ماشین
تعریف مدل تحلیل لاگ برای ماشین
تهیه پایگاه دانش راهکارها برای ماشین
اتصال موتور به نسخه کاربری اپلیکیشن

در این حالت با بروز هر وضعیتی به جز وضعیت ۲۰۰ (موفق) در فعالیت های کاربر روی اپلیکیشن، کاربر با آلارمی مواجه میشود که به او راهنمایی در خصوص فعالیت ارائه می‌دهد و در صورتی که وضعیت خطای فنی را به جای خطای بیزنسی نشان دهد، پیش از مراجعه کاربر به مرکز تماس به ایشان اطمینان میدهد که خطا دیده شده و پس از بررسی و رفع پیام رفع به ایشان ارسال میگردد. در این حالت در واقع این ما هستیم که اول مشکل کاربر در هنگام اتفاده از اپلیکیشن اجاره دوچرخه را مشاهده کرده ایم و به جای ارائه واکنشنسبت به تماس اعلام خرابی توسط کاربر، با مشاهده مشکل نسبت به مشکل کنش نشان میدهیم که نهاتا منجر به افزایش سطح رضایت مشتری میشود. در سطح کسب و کاری نیز منجر به تشخیص سریعتر مشکل و کاهش سطح تماس به مرکز تماس خواهد شد که این مهم بر هزینه های کسب و کار تاثیر مستقیم دارد.

نکات کلیدی در استفاده از رباتها و خودکارسازی فعالیتها:

پیش از طراحی ساختار خودکارسازی نیاز به طراحی فرایند -> اجرای فرایند -> بهبود فرایند تا رسیدن به بلوغ مطلوب -> گردآوری دانش است.
پیش از اجرای طرح خودکارسازی نیاز به تحلیل سناریوهای ریسک-> کاهش سطح ریسک تا رسیدن به مرز پذیرش است.
پس از پیاده سازی طرح خودکارسازی نیاز به تست و ارزیابی مشابه محیط عملیاتی است.
حین اجرا نیاز به ارزیابی شاخصهای سنجش اثربخشی خودکارسازی و شناخت، اجرا و پایش اقدامات بهبود است.
پس از هر مرحله خودکارسازی نیاز به اتصال فرایند و فعالیت خودکار شده به سیستم یکپارچه مدیریت خدمات است. باید بشدت از بروز عدم یکپارچگی و یا افزونگی در سیستم خودداری نموده و از ساختار یکپارچه مراقبت نمود. بدین جهت نیاز است در ابتدای طراحی ورودی ها و خروجی های RPA را بررسی و تاثیر آن بر سیستم یکپارچه و نیز چرخه تداوم و بهبود کسب و کار را بررسی و مدلسازی نمود.