Wat is AI-automatisering binnen ITSM?

Leestijd ongeveer 6 minuten

“AI automation” is inmiddels een term die op vrijwel elke leveranciersfolder staat, en juist daardoor steeds minder betekent. Voor wie een ITSM-omgeving beheert is de praktische vraag simpeler: welke handelingen kan een computer overnemen, met welke zekerheid, en wat blijft er dan over voor mensen?

Dit artikel zet die vraag uiteen zonder productnamen — wat geldt, geldt in TOPdesk net zo goed als in ServiceNow of Jira Service Management.

Twee dingen die vaak op één hoop gaan

Automatisering en AI zijn niet hetzelfde, en het onderscheid is bruikbaar.

Automatisering op regels is een afspraak die je zelf opschrijft: als een melding in categorie X valt, gaat hij naar groep Y. Voorspelbaar, uitlegbaar, en bij een fout weet je meteen welke regel je moet aanpassen.

AI voorspelt op basis van voorbeelden. Je schrijft geen regel; je laat een model de patronen afleiden uit wat er eerder is gebeurd. Dat werkt waar een regel niet te formuleren is — vrijwel altijd omdat de invoer uit vrije tekst bestaat.

De verhouding is in de meeste organisaties scheef: er valt veel meer te winnen met regels die nooit zijn ingericht dan met AI die er nog niet is. Het is verleidelijk om die volgorde om te draaien, want het tweede klinkt interessanter.

Drie soorten toepassingen

Classificeren

Het model kent een label toe: dit is een storing, geen aanvraag; dit hoort bij netwerkbeheer; dit is urgenter dan de melder aangaf. Dit is de volwassenste toepassing binnen ITSM en meestal ook de nuttigste, omdat verkeerde routering aan het begin van de keten de hele doorlooptijd bepaalt.

Genereren

Het model schrijft tekst: een samenvatting van een lange melding, een concept-antwoord aan de melder, een kennisartikel op basis van een opgeloste melding. Nuttig, mits een mens het controleert voordat het naar buiten gaat.

Voorspellen

Het model schat iets in over de toekomst: hoeveel meldingen komen er volgende maand, welke melding gaat zijn SLA overschrijden, welk apparaat valt binnenkort uit. Dit is de toepassing met de meeste beloftes en de minste onderbouwing — ze vraagt veel historische gegevens van goede kwaliteit, en die zijn er vaak niet.

Wat het niet is

Drie misverstanden komen steeds terug.

Het is geen vervanging van je servicedesk. Een chatbot die eenvoudige vragen afvangt, verlaagt het aantal meldingen — en verhoogt tegelijk de gemiddelde complexiteit van wat overblijft. Je hebt daarna niet minder mensen nodig, maar wel andere. Dat is een goede uitkomst, maar geen bezuiniging.

Het lost een slecht proces niet op. Als niemand weet wie waarvoor verantwoordelijk is, dan verschuift slimmer routeren dat probleem alleen naar een plek waar het minder zichtbaar is.

Het werkt niet zonder gegevens van behoorlijke kwaliteit. Een model leert van je historie. Zijn meldingen jarenlang in de verkeerde categorie geplaatst, dan leert het model precies dat aan.

Wat je op orde moet hebben

Een categorie-indeling die klopt. Niet te fijnmazig, en aansluitend op hoe het werk verdeeld is. Dit is de basis onder classificatie én onder rapportage.
Een kennisbank die wordt onderhouden. Alles wat met kennis te maken heeft — voorstellen, zelfbediening, concepten — staat of valt hiermee.
Historie waar je op kunt bouwen. Een jaar aan redelijk geregistreerde meldingen is het minimum voordat voorspellen zin heeft.
Duidelijkheid over waar de gegevens heen gaan. Zie hieronder.

De vraag die je sowieso krijgt

Meldingen bevatten persoonsgegevens: namen, telefoonnummers, soms medische of financiële context in de omschrijving. Zodra die tekst naar een taalmodel gaat, is de vraag waar dat model draait en wat er met de invoer gebeurt. Bij zorg- en overheidsorganisaties is dat de eerste vraag bij de eerste evaluatie, en terecht.

Wat je vastlegt voordat je begint: waar het model draait, of invoer wordt gebruikt om te trainen, hoe lang het bewaard blijft, en wie er verantwoordelijk is als het misgaat. Staat dat niet op papier, dan is de functie niet gereed voor gebruik — hoe goed hij ook werkt.

Een redelijke eerste stap

Kies één toepassing waarbij een fout weinig kost en het effect meetbaar is. Categorievoorstellen zijn daar geschikt voor: het voorstel staat naast het keuzemenu, de behandelaar beslist, en je kunt tellen hoe vaak het voorstel wordt overgenomen. Werkt het, dan zie je dat in de cijfers. Werkt het niet, dan zet je het uit zonder dat er iets is misgegaan.

Dat is minder spectaculair dan wat er in de folder staat, maar het is de enige manier om erachter te komen of het in jouw omgeving werkt in plaats van in de demo.