Digitalizacja procesów to obecnie dominujący trend w biznesie. Coraz lepsze możliwości techniczne sprzyjają automatyzacji coraz większych i bardziej złożonych obszarów. Ten trend jest wymuszony także sytuacją na rynku pracy. Utrudniony dostęp do specjalistów stanowi dobry motywator, by odciążyć ich od wykonywania powtarzalnych i przewidywalnych zadań, przydzielając je automatom. Na to nakładają się oczywiście oszczędności zarówno finansowe, jak i liczone w nakładzie czasu pracy.

Oprócz wspomnianej już powtarzalności innymi cechami, które sprzyjają automatyzacji procesów, są wysoka częstotliwość (proces musi być masowy, bo opłaciło się przygotowanie i „zatrudnienie” bota) oraz jednoznaczne reguły rządzące procesem, jego wysoka standaryzacja.

Zwykle też automatyzuje się czynności wymagające działania w dwóch lub większej liczbie aplikacji (czasochłonne dla pracownika, który musi się przełączać pomiędzy różnymi rozwiązaniami). Upowszechnienie się rozwiązań sztucznej inteligencji i uczenia maszynowego pozwala wspierać automatyzację i rozszerzać jej zastosowanie w biznesie o procesy, które z powodu swojej złożoności wcześniej nie były możliwe do wykonania przez boty, a które odbywają się na styku człowieka (pracownika, klienta) z systemami organizacji, z których jednak sam nie korzysta.

Sztuczna inteligencja

Sztuczna inteligencja (Artificial Intelligence) to od dawna już nie futurologia, ale rzeczywistość. Spotykamy się z nią jako klienci – korzystając z automatycznych infolinii, czatbotów czy innych sposobów komunikacji w relacjach B2C. Możemy mieć z nią do czynienia także jako pracownicy.

AI znajduje szerokie zastosowanie w systemach informatycznych w wielu dziedzinach biznesowych. Ale AI to nie tylko automat. To także narzędzie do analizy danych i wnioskowania, które pomaga w identyfikacji trendów, wzorców i zależności, co umożliwia podejmowanie lepszych decyzji biznesowych. Coraz więcej firm planuje zastosować sztuczną inteligencję w swoich systemach, a w All For One, wychodząc naprzeciw tym oczekiwaniom, staramy się dostarczyć nowe jakościowo podejście do tego tematu na polskim rynku.

Na rynku dostępne są różne narzędzia wspierające zastosowanie AI w integracji z rozwiązaniami dla biznesu. Są to zarówno narzędzia open source, jak i renomowanych dostawców oprogramowania. Wybierając odpowiednie rozwiązania, przedsiębiorstwa uwzględniają nie tylko koszt licencji, ale także kierują się wdrożoną polityką bezpieczeństwa i przyjętymi zasadami wyboru rozwiązań IT.

AI od SAP

Także firma SAP ma w swoim portfolio tego typu rozwiązania. Jednym z nich jest SAP Service Cloud Ticket Intelligence Machine Learning do obsługi serwisowstoej, pozwalające skrócić czas reakcji na zgłoszenie dzięki wykorzystaniu dokładnej i automatycznej klasyfikacji zgłoszeń w oparciu o modele predykcyjne.

Usługa SAP Service Ticket Intelligence (SAP STI) to narzędzie będące częścią portfolio SAP AI Business Services. Głównym celem SAP STI jest skrócenie czasu reakcji na zgłoszenia klientów, zwiększenie efektywności obsługi i poprawa satysfakcji klienta. System analizuje przesłane informacje dotyczące zgłoszenia, takie jak treść i temat. Następnie na podstawie zebranych danych dokonuje klasyfikacji do odpowiedniej kategorii, grupy, a ostatecznie do odpowiedniego zespołu lub pracownika, który będzie odpowiedzialny za realizację zgłoszenia.

STI wykorzystuje uczenie maszynowe (Machine Learning, ML), które jest podzbiorem szerszego pojęcia, jakim jest sztuczna inteligencja (SI). ML koncentruje się na wykorzystaniu danych i algorytmów do naśladowania sposobu uczenia się ludzi, stopniowo poprawiając jego dokładność. Dzięki temu, zamiast zlecać programistom napisanie instrukcji, jak rozwiązać dany problem, model ML uczy się na podstawie informacji pochodzących z dużych zbiorów danych.

Usługa SAP STI oferuje następujące sposoby działania:

  • Text classification (klasyfikacja teksu), czyli przewidywanie kategorii nowych zgłoszeń. Predykcje oparte są na danych historycznych wcześniej sklasyfikowanych ticketów;
  • Solution Recommendation: usługa zwraca proponowane rozwiązanie zgłoszenia na podstawie wcześniej przesłanych danych;
  • TextClustering: usługa pomaga w wyszukaniu trendów i wzorców w przesłanych zgłoszeniach serwisowych, na podstawie których tworzone są klastry oraz słowa kluczowe.

Proces uruchomienia i wdrożenia usługi można podzielić na kilka etapów:

Przygotowanie danych. W celu skutecznego klasyfikowania ticketów SAP STI wymaga odpowiednio przygotowanych danych treningowych. Dane te obejmują zestaw zgłoszeń, które zostały wcześniej ręcznie przypisane do odpowiednich kategorii. Dane treningowe są wykorzystywane do nauczenia modeli klasyfikacyjnych.

Etap uczenia. Po zebraniu danych treningowych SAP STI przystępuje do uczenia maszynowego. Algorytmy uczenia maszynowego analizują treść zgłoszeń, w tym tekst, tematy, słowa kluczowe itp. Na podstawie tych cech modele są trenowane do rozpoznawania i przypisywania odpowiednich kategorii zgłoszeń.

Testowanie i optymalizacja. Po zakończeniu procesu uczenia maszynowego modele są testowane na zbiorze testowym, aby ocenić ich skuteczność i dokładność. W przypadku niskiej skuteczności konieczne może być dostosowanie parametrów modelu i ponowne przeprowadzenie procesu uczenia w celu poprawy wyników.

Wdrożenie i integracja. Po pomyślnym przetestowaniu modeli SAP STI jest wdrażane w środowisku produkcyjnym. Może to obejmować integrację z istniejącymi systemami obsługi klienta ServiceDesk, aby automatycznie klasyfikować tickety przychodzące od klientów.

Usługa SAP STI dostarcza wygodny interfejs REST API, wykorzystywany na etapie wdrożenia i integracji z systemem klienta.

Warto również wspomnieć o możliwościach rozbudowy SAP STI oraz jego elastyczności. Usługa ta może być dostosowana do specyficznych wymagań i branżowych kontekstów. Można definiować niestandardowe reguły klasyfikacji ticketów, uwzględniając unikalne terminologie, język branżowy, a nawet preferencje konkretnych klientów.

Inteligentny bot dla HR

Często zgłaszają się do nas organizacje, które chcą lub nawet muszą dokonać automatyzacji swoich procesów. I chociaż indywidualne powody różnią się od siebie, to i tak najczęściej chodzi o zoptymalizowanie czasu potrzebnego na realizację spraw pracowniczych. I właśnie w tym celu wykorzystaliśmy rozwiązanie SAP STI u jednego z naszych klientów z branży automotive. Projekt dotyczył digitalizacji i automatyzacji procesów HR oraz wsparcia samoobsługi pracowniczej w aplikacji Service Desk BeeOffice.

Jednym z głównych celów tego projektu było przygotowanie rozwiązania do obsługi zgłoszeń pracowników (wnioski kadrowe) w systemie ticketowym dla ponad 10 tys. zatrudnionych. Narzędzie obsługuje realizację kilkudziesięciu rodzajów wniosków kadrowych.

Wyzwaniem była konieczność przygotowania kilku kanałów do składania zgłoszeń w BeeOffice Service Desk i ich dalszego procedowania, w tym przypisania różnych typów zgłoszeń do odpowiednich zespołów w dziale HR. Oprócz możliwości założenia zgłoszenia bezpośrednio w systemie, pracownicy mogą zrobić zgłoszenie telefoniczne lub wysyłać e-mail. Wszystkie te kanały komunikacji zakładają tickety w jednym miejscu w systemie. Następnie w klasycznym podejściu osoba odpowiedzialna powinna rozdzielać zadania na działy, grupy obsługi, konkretne osoby.

Co jednak, jeśli obsługujemy tak wrażliwy obszar jak dane HR? Jeśli nie chcemy, aby pewne zgłoszenia przechodziły przez osoby trzecie, a trafiały bezpośrednio do osób upoważnionych? Drugim bardzo ważnym problemem, z jakim spotkał się nasz klient, była liczba zgłoszeń, które codziennie wpadały do Service Desku i wymagały zaklasyfikowania do odpowiedniej grupy obsługi. Średnio dziennie w systemie rejestrowanych było ponad 200 zgłoszeń. Przeczytanie każdego i skierowanie we właściwe miejsce zajmowało bardzo dużo czasu.

Rozwiązaniem dla tych problemów była automatyzacja przypisań z zastosowaniem uczenia maszynowego.

U naszego klienta AI została nauczona rozpoznawać na podstawie treści zgłoszenia, do kogo powinno być skierowane dane zapytanie. Sam proces uczenia oparty był na już sklasyfikowanych zgłoszeniach z Service Desku. Jako dane treningowe dla SAP STI wykorzystaliśmy ponad 22 tys. zgłoszeń.

Następnie wyuczony model testowaliśmy na nowych zgłoszeniach i porównywaliśmy z rzeczywistymi przypasaniami wykonanymi przez osobę obsługującą Service Desk. W chwili, kiedy skuteczność AI osiągnęła poziom 75 proc., rozwiązanie zostało przeniesione na system produkcyjny.

Jeśli w systemie pojawiają się nowe kategorie zgłoszeń lub grup obsługi klientów, sztuczna inteligencja jest „douczana” i może bez przeszkód działać w nowej rzeczywistości.

Efekty wprowadzenia sztucznej inteligencji w organizacji zostały ocenione bardzo pozytywnie. Przede wszystkim proces został przyspieszony i wyeliminowaliśmy konieczność wykonywania rutynowych, powtarzalnych zadań. Dzięki temu zwiększyła się wydajność pracy i zyskano sporą oszczędność czasu. System pracuje przez 24 godziny na dobę, 7 dni w tygodniu. To oznacza, że wykonuje zadania nawet poza godzinami pracy, co zwiększa dostępność usług dla użytkowników.

System oparty na AI jest skalowalny i może obsługiwać duże ilości danych i zadań jednocześnie. Dzięki temu organizacja może się dalej rozwijać i dostosowywać do zmieniających się potrzeb, bez konieczności znacznego zwiększania zasobów ludzkich.

To już się dzieje

Opisane rozwiązanie to jeden z przykładów wykorzystania AI w integracji z systemami biznesowymi. Automatyzacja obsługi serwisowej czy to pracowników, czy też klientów (np. wsparcie dla procesów realizowanych w szeroko pojętych systemach CRM i innych) to już nasza rzeczywistość.

Czatboty, zgłoszenia usterek i reklamacji przez strony WWW czy aplikacje, czy też dostosowywanie oferty do preferencji klienta to usługi, z których w większym czy mniejszym stopniu korzystamy na co dzień w różnych dziedzinach życia. Za nimi często stoją samouczące się rozwiązania, które zastępując człowieka, umożliwiają szybkie i prawie 100-procentowo skuteczne wykonanie zgłoszenia.