Випадок: «давайте зробимо AI для Service Desk»
Elena Varga керує ENGAGE Service Desk в Aldervane Advisory LLP. Минулого року її команда прийняла 18 400 тікетів. Кожен тікет черговий агент читає й відправляє в одну з 14 груп підтримки. Майже кожен четвертий тікет потім перекидають в іншу групу, і кожне таке перекидання додає години до розв’язання. На квартальному рев’ю David Okonkwo сказав: «Давайте зробимо AI для Service Desk».
Це не постановка задачі. Це побажання. Незрозуміло, яке рішення має стати кращим, хто його ухвалює, за якими даними і чого коштує помилка. Група Digital & IT, у якій ви працюєте, має перетворити побажання на задачу — або чесно сказати, що AI тут не потрібен. Цей юніт навчає робити саме це. Увесь курс далі повертатиметься до цього випадку: він стане Triage PoC.
Три різні класи рішень
Автоматизація за правилами. Поведінка повністю описується логікою, яку можна записати заздалегідь. «Якщо у формі вибрано Скидання пароля — відправити в Identity». Правило дешеве, перевірюване й пояснюване. Якщо задача так розв’язується, AI не потрібен.
Аналітика відповідає на питання про минуле: скільки P1 було за квартал, яка група найчастіше перекидає тікети, як змінювався час першої реакції. Результат — звіт, за яким вирішує людина.
AI/ML потрібен, коли правило важко виписати вручну, але є приклади правильних відповідей або потрібно працювати зі змістом тексту:
- передбачити ймовірність порушення SLA;
- за вільним текстом тікета запропонувати групу;
- знайти схожі минулі інциденти;
- підготувати чернетку відповіді клієнтові.
Усередині AI курс розрізняє класичний ML (u05–u10) і generative AI (u11–u14). Це теж не синоніми.
Опис
Дерево из четырёх вопросов. Первый: можно ли записать решение правилом заранее? Если да — правило или автоматизация, AI не нужен. Если нет, второй вопрос: нужен ли ответ о прошлом — сколько, где, как менялось? Если да — аналитика и отчёт. Если нет, третий вопрос: есть ли исторические примеры правильных решений? Если да — классический ML, юниты u05–u10. Если нет, четвёртый вопрос: нужно ли найти или написать текст по смыслу? Если да — GenAI, RAG или агенты, юниты u11–u14. Если нет — задачу надо переформулировать или сначала собрать данные. Порядок вопросов — от дешёвого решения к дорогому: каждый следующий подход сложнее и дороже в сопровождении.
Порядок питань не випадковий: від дешевого до дорогого. У реальному use case підходи часто комбінуються. Для Triage PoC: правила для очевидних форм, ML для вільного тексту, аналітика — щоб виміряти ефект.
П’ять питань до вибору технології
- Яке рішення чи дію ми хочемо покращити? Не «Service Desk», а «первинну маршрутизацію тікета в групу підтримки».
- Хто ухвалює це рішення зараз і за скільки? Черговий агент, у середньому 3 хвилини на тікет.
- Які дані доступні в момент рішення? Тема, текст, сервіс, відправник. Не «підсумкова група, у якій тікет закрили»: у момент маршрутизації її ще немає. До цієї пастки ми повернемося в u05.
- Який вигляд має правильний результат і як ми про це дізнаємося? Тікет не перекинули й не порушили SLA.
- Скільки коштує помилка — в кожен бік? P1, відправлений не туди, коштує годин простою клієнтського проєкту. Зайвий тікет у сильної групи коштує хвилин.
«Використати LLM для ServiceNow» — слабка постановка. «Скоротити частку перекидань з 23 % до 12 %: пропонувати агентові групу за текстом тікета, а остаточне рішення залишити агентові» — уже інженерна задача. У неї є метрика, базова лінія і межа відповідальності.
Де виникає цінність — і як її порахувати
Для IT у professional services типові:
- triage звернень;
- пошук у внутрішніх знаннях;
- аналіз документів;
- прогноз навантаження;
- anomaly detection;
- summarization;
- допомога розробникам і тестувальникам.
Цінність рахують в одиницях бізнесу, а не в accuracy. Груба оцінка для Triage PoC: 18 400 тікетів на рік. Якщо підказка заощадить агентові одну хвилину на 70 % тікетів, це 18 400 × 0,7 × 1 / 60 ≈ 215 годин на рік. Це приблизно шість робочих тижнів одного агента. Багато це чи мало — залежить від ціни рішення, і цим займеться u15.
Але основна цінність тут, найімовірніше, не в хвилинах агента, а в перекинутих тікетах. Кожне перекидання P1 — це години, які клієнт чекає. Хороша постановка називає, яку з цінностей ми купуємо.
Human-in-the-loop
Опис
Изометрический рисунок стойки Service Desk. На стойке высокая куча одинаковых конвертов — это тикеты. За стойкой стена открытых ячеек — группы поддержки. Слева на стойке стоит простая серая сортировочная машина с одним механическим рычагом; сверху у неё лежит зелёная карточка-подсказка. Сотрудница держит такую же зелёную карточку и читает её; рядом на стойке лежит серый штемпель. Справа мужчина несёт к куче новую стопку конвертов. Зелёные карточки — единственный цветной предмет. Метафора: машина предлагает, куда отправить тикет, а решение и штемпель остаются у человека. Рисунок не показывает, что происходит, когда машина не уверена: такие тикеты в хорошем дизайне идут человеку без подсказки.
У багатьох enterprise-сценаріях AI не замінює рішення людини, а знижує вартість його ухвалення: пропонує категорію, виділяє ризик, готує чернетку, показує evidence. Є три типові розподіли ролей:
- AI пропонує, людина вирішує. Підходить для старту і для дорогих помилок.
- AI вирішує сам, якщо впевнений; решту віддає людині. Це заощаджує більше, але потребує виміряної впевненості (u03, u09).
- AI вирішує, людина вибірково перевіряє. Підходить лише для дешевих і оборотних помилок.
Що вища ціна помилки і що важче її скасувати, то ближче до першої схеми. Human-in-the-loop — не безкоштовна страховка. Якщо агент підтверджує 300 підказок за зміну, він перестає їх читати, і контроль залишається лише на папері (u14).
Ціна
Навіть найпростіший AI use case коштує більше, ніж підписка на модель:
- Дані. Вивантаження, чищення, розмітка. Для Triage PoC це тижні роботи Rahul Mehta, data engineer.
- Evaluation. Базова лінія «як зараз» і чесне вимірювання «як стало».
- Зміна процесу. Агентів навчають працювати з підказкою, змінюються інструкції та SLA.
- Супровід. Модель старіє разом із даними: з’явилися нові сервіси, перейменували групи.
- Ризики. Конфіденційність текстів тікетів, помилки на рідкісних, але дорогих випадках.
Іноді чесний підсумок першого юніта — «тут вистачить трьох правил у формі тікета». Це теж результат.
Перший принцип курсу
Не питайте «де застосувати AI?». Питайте: яке рішення ми хочемо покращити, чому поточний процес недостатній, який рівень помилки допустимий і в що обійдеться рішення? Лише після цього обирається технологія.