Firemní AI vyřešila stovky požadavků na IT podporu. Za tři měsíce ušetřila odhadem 406 hodin

Společnost ShipStation Global představila výsledky interního projektu automatizované IT podpory. Systém nazvaný Deckhand funguje v podnikovém komunikačním prostředí Slack a využívá technologii Amazon Bedrock AgentCore. Před zavedením systému zaměstnanci pokládali opakující se technické otázky prostřednictvím společného komunikačního kanálu. Odpovědi často existovaly v interní dokumentaci, starších diskusích nebo servisních návodech, ale jejich vyhledávání vyžadovalo práci odborníků IT. Během dvanácti měsíců před spuštěním projektu vzniklo více než 1 500 diskusních vláken. Přes pětinu požadavků přicházelo mimo běžnou pracovní dobu amerického týmu. Firma totiž působí také ve Velké Británii, Španělsku, Polsku, Austrálii a na Filipínách. Deckhand propojuje interní znalostní databázi, historické vyřešené požadavky a systém Jira pro správu servisních úkolů. Dokáže odpovídat na běžné otázky, analyzovat obrázky chybových hlášení a v případě potřeby připravit servisní požadavek. Zajímavou součástí projektu bylo zpracování starších diskusí. Vývojáři pomocí jazykových modelů vyhledali vlákna, v nichž se problém skutečně podařilo vyřešit. Následně z nich vytvořili strukturované návody. Důležitá byla kontrola kvality. Do znalostní databáze se neměly dostat neúplné nebo neověřené postupy. Jinak by systém mohl opakovat dřívější chybná doporučení. Dalším pravidlem je schopnost neodpovídat. Agent se nezapojuje do běžných společenských rozhovorů, nepřerušuje komunikaci mezi zaměstnanci a zůstává nečinný, pokud problém již převzal lidský pracovník podpory. Výsledky za první tři měsíce ukazují 1 935 zpracovaných zpráv a 1 221 rozhovorů s agentem. Z nich pouze 409 vedlo k vytvoření servisního požadavku. Zbývajících 812 bylo vyřešeno v rámci komunikace. Firma odhaduje, že založení, zpracování a uzavření běžného servisního požadavku vyžaduje přibližně třicet minut. Na tomto základě vyčíslila úsporu 406 hodin za tři měsíce, tedy přibližně 1 600 hodin ročně při zachování stejného objemu práce. Pozitivní hodnocení odpovědí vzrostlo z 82 procent v dubnu na 96 procent v červnu. Přibližně třetina otázek přicházela mimo pracovní dobu IT a agent odpověděl na 94 procent z nich. Údaje pocházejí z případové studie dodavatele a zákazníka. Úspora hodin je odhadem založeným na předpokládané době vyřízení požadavku, nikoli nezávislým měřením skutečně uvolněné pracovní kapacity. Pro jiné podniky je důležitější samotný postup. Projekt nezačal snahou automatizovat celé IT oddělení, ale konkrétním problémem opakovaných dotazů. Vývojáři využili existující dokumentaci, vymezili pravomoci systému a průběžně vyhodnocovali zpětnou vazbu. Ekonomický přínos vznikl především omezením zbytečné administrativy a rychlejší dostupností již existujících znalostí. Tento model může být použitelný také v personálních odděleních, interních službách nebo správě podnikových aplikací. KLÍČOVÉ POJMY Znalostní databáze: Organizovaný soubor návodů, postupů a odpovědí na opakující se otázky. Odklonění servisního požadavku: Vyřešení problému bez nutnosti vytvořit a ručně zpracovat samostatný servisní úkol. Autonomní pomocník: Systém AI, který dokáže vyhledávat informace a provádět vybrané činnosti podle stanovených pravidel.

Firemní AI vyřešila stovky požadavků na IT podporu. Za tři měsíce ušetřila odhadem 406 hodin

Celé znění článku máte k dispozici po registraci na Abravito