而現(xiàn)在，涉及各行各業(yè)的人們更佳關注的是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AI在ITSM領域所要討論的問題。

同時，行業(yè)專家對此也有一些強有力的預測，Gartner在其《2018預測：人工智能》報表中指出，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每天咨詢AI虛擬代理，以獲得決策或流程支持。Gartner也補充道，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、更有效的響應客戶/居民的查詢或動作。

一旦人工智能能夠執(zhí)行人類所不擅長的行為并執(zhí)行人類不愿意執(zhí)行的操作，這時它將開始對我們的IT服務臺產生真正的影響。這些操作可以大致分為：智能自動化、戰(zhàn)略見解、預測分析。

例如：手工分配工單會消耗大量的時間，而IT技術員需要專注于更佳重要的任務。一些幫助臺可以設定條件、參數(shù)來對請求進行分類，進而自動化工單的分派，但這些規(guī)則是靜態(tài)的，這也意味著它們不會隨著時間的推移而進行適應或改進。

借助機器學習（ML）等人工智能技術，服務臺可以根據(jù)歷史IT服務臺的數(shù)據(jù)創(chuàng)建分類模型，重要的是，ML模型可隨著時間推進，通過越來越多的實時數(shù)據(jù)變得更加準確。這種基于ML的模型，會比手工分類或基于規(guī)則的自動化更為有效。

對于供應商，可以引入類似的基于AI的模型，以生成式的見解，預測IT服務臺中的異常情況，否則這可能需要人花費大量的時間、精力，還有技術的支撐。一些實際的案例可能包括補丁程序更新的合適時間窗口、幫助變更規(guī)劃以及實施、標記可能會違反SLA的請求、預計IT的潛在問題。

接下來，我想大家一定會問道：這一切從哪兒開始？

即使人工智能已經擴展到各個領域，但普通人觸手可及的人工智能技術仍是虛擬助手。如今，幾乎每個智能手機、或是設備都會存在一個虛擬助手，幫助人們購物、出行、管理時間等。隨著Duplex等技術的形成，這些虛擬助手的作用也必將很快擴大。

同樣，人工智能在IT服務臺中的第一個應用可能是聊天機器人和虛擬IT服務助理，雖然不會立即發(fā)生，但是在不久的將來，基于人工智能的虛擬助手可能會取代人，成為終端用戶與IT服務臺之間的第一聯(lián)系點。

我們可以進行一個小小的預測，這些基于上下文的聊天機器人，將可以處理一些簡單、重復性的請求，幫助減輕服務臺技術人員的一些負擔。

例如，聊天機器人可以幫助我們解答與GDPR或安全隱私相關的任何問題，更新餐廳的午餐或晚餐菜單。這些機器人以知識庫為基礎運行，只有在其無法選定答案時，才會涉及人員的參與。聊天機器人還可以幫助用戶執(zhí)行其它簡單的IT操作，例如創(chuàng)建工單、提出資產申請或是重置密碼申請。

以下是一些即將進入IT服務臺的基于AI的功能：

 

◆ 自動對事件進行歸類；

◆ 對入站的事件執(zhí)行智能化的分派；

◆ 通過識別、標記異常的重復性的事件進行異常檢測；

◆ 使用預測分析標記可能會違反SLA的請求

 

人工智能算法和應用是基于現(xiàn)有的記錄的知識和歷史的數(shù)據(jù)開發(fā)的，這意味著人工智能與開發(fā)它的知識庫和數(shù)據(jù)一樣有效。

同樣，在ITSM中，對于基于上下文開發(fā)的AI模型，必須有一組正確的知識庫、解決方法、文章以及歷史數(shù)據(jù)。例如，為了訓練AI來執(zhí)行分類或優(yōu)先級排序，我們需要一個包含所有請求的歷史數(shù)據(jù)庫，其中包含有請求類型、級別、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，雖然某個模型適用于一個服務臺，但它可能不適用于其他的服務臺。

分類和優(yōu)先級的模型訓練是基于特定的數(shù)據(jù)集的，僅適用于該數(shù)據(jù)集所屬的服務臺。隨著時間的推移，這些模型有更多的實時數(shù)據(jù)用于訓練，逐漸提高其準確性和有效性。