Sztuczna inteligencja, uczenie maszynowe czy przetwarzanie języka naturalnego to pojęcia, które pobudzają wyobraźnię wielu osób, nie tylko w szeroko pojętej branży IT. ChatGPT stał się sztandarowym przykładem AI od momentu udostępnienia go dla szerokiej publiki pod koniec 2022. Za jego pomocą tworzy się treści rozrywkowe, odrabia prace domowe, czy nawet wykorzystuje jako wsparcie w rozwiązywaniu problemów związanych z pracą zawodową (co unaocznił wyciek danych z Samsunga).
W tym artykule skupimy się na tym ostatnim sposobie wykorzystania sztucznej inteligencji, czyli sferze zawodowo-biznesowej. Przyjrzymy się Now Intelligence – rozwiązaniom opartym na sztucznej inteligencji oferowanym przez ServiceNow na Now Platform.
Predictive Intelligence
Pierwszym rozwiązaniem, nad którym się pochylimy, jest Predictive Intelligence. Moduł oferowany przez ServiceNow oparty na uczeniu maszynowym (ang. ML) i przetwarzaniu języka naturalnego (ang. NLP) pozwala on na szybkie przygotowanie silników, które w oparciu o istniejące w systemie dane mogą:
- przypisywać sprawy do odpowiednich grup,
- podpowiadać rozwiązania problemów,
- uprzedzać przed potencjalną awarią.
Predictive Intelligence jest dostępny w następujących pakietach licencyjnych:
- ITSM Professional (rozwiązania do zarządzania procesami IT),
- CSM Professional (rozwiązania do zarządzania obsługą klienta),
- HRSD Professional/Enterprise (rozwiązania z obszaru HR),
- Now Platform App Engine Professional/Enterprise (rozwiązania do tworzenia aplikacji),
- Software Asset Management (rozwiązania do zarządzania oprogramowaniem).
Łatwość, z którą możemy wdrożyć Predictive Intelligence, zawdzięczamy podejściu low-code/no-code. Taka koncepcja charakteryzuje się tym, że nawet deweloperzy z niewielkim doświadczeniem w pisaniu kodu (lub jego brakiem) mogą przygotować aplikacje i funkcjonalności bez konieczności pisania kodu.
W tym celu wykorzystuje się interfejsy graficzne, takie jak drag & drop, aby tworzyć wymagane rozwiązania. Dobrym przykładem koncepcji jest Flow Designer wykorzystywany do kreowania wykresów workflow, z którego z łatwością mogą korzystać citizen developerzy (osoby tworzące aplikacje, ale nie będące deweloperami z zawodu). Więcej o podejściu low-code/no-code można przeczytać na stronie ServiceNow. W kontekście Predictive Intelligence należy również dodać, że wiedza z zakresu analizy danych nie jest wymagana przy korzystaniu z modułu.
Frameworki w Predictive Intelligence
Na początku należy określić, jakie rozwiązanie najlepiej sprawdzi się w danej potrzebie biznesowej. Predictive Intelligence oferuje cztery frameworki.
Classification (Klasyfikacja)
Umożliwia przewidywanie wartości pól w momencie tworzenia wpisu do bazy danych. Innymi słowy, wartości takie jak grupa, agent, priorytet, pilność czy kategoria mogą zostać przewidziane i ustawione w momencie tworzenia rekordu. Przykładowym zastosowaniem jest przypisywanie incydentu do grupy na podstawie tytułu oraz treści wiadomości e-mail od użytkownika.
Classification pozwala skrócić czas rozwiązania sprawy, ponieważ kierowana jest ona automatycznie do odpowiedniej grupy, bez potrzeby ingerencji pośrednika.
Similarity (Podobieństwo)
Pozwala na znajdowanie istniejących rekordów, które mają podobne wartości do nowego, np. opis. Similarity sprawdzi się, gdy chcemy przyspieszyć czas rozwiązywania spraw poprzez podpowiadanie agentom możliwych rozwiązań do wpływających zgłoszeń na podstawie sposobu rozwiązania podobnych spraw w przeszłości.
Clustering (Grupowanie)
Ten framework pozwala na odkrywanie pewnych wzorców i grupowania rekordów na ich podstawie. Może być wykorzystywany w różnych obszarach, np.:
- Incident Management (wykrywanie przestojów na podstawie podobnych incydentów),
- Change Management (sugerowanie zmian, które potencjalnie mogą zostać dodane do katalogu zmian standardowych),
- Knowledge Management (luki i braki w dostępnych bazach wiedzy),
- Virtual Agent (możliwe nowe tematy rozmów).
Regression (Regresja)
Ten framework pozwala na określenie wartości liczbowych na podstawie historycznych danych. Dobrym przykładem wykorzystania Regression jest pokazywanie użytkownikowi przewidywanego czasu rozwiązania ich sprawy.
Wsparcie przy wyborze frameworka
Jeśli wybór frameworka będzie sprawiać trudności, warto spojrzeć na kilka przykładów implementacji uczenia maszynowego przez ServiceNow w ich własnych produktach, takich jak:
- Vulnerability Response – podatności oraz zadania korygowania mogą zostać przypisane do najbardziej odpowiedniej grupy wraz z informacją o procentowej wartości pewności.
- Customer Service Management – zadania mogą być tworzone, przypisywane i rozwiązywane szybciej dzięki automatycznemu przypisywaniu do grupy; pola mogą być wypełniane sugerowanymi danymi; agenci mogą otrzymywać zasoby z bazy wiedzy, które mogą okazać się pomocne przy sprawie.
- IT Service Management – uczenie maszynowe pomaga w analizie surowych danych, utrzymaniu poprawności i dokładności danych oraz braku duplikatów w bazie danych.
- HR Service Delivery – AI pomaga w identyfikacji braków w bazie wiedzy, kategoryzacji spraw, a także podpowiada sugerowane artykuły z bazy wiedzy.
- Flow Designer – jedną z wielu dostępnych akcji we Flow Designerze jest wysłanie zapytania do silnika o wygenerowanie predykcji. Na przykład we flow, który jest uruchamiany po utworzeniu incydentu, system może wysłać zapytanie do AI o sugerowaną grupę do której incydent powinien zostać przypisany.
Oczywiście jest to jedynie kilka przykładów zastosowań Predictive Intelligence wdrożonych przez ServiceNow – pełną listę można znaleźć w oficjalnej dokumentacji.
Tworzenie definicji
Gdy zdecydowaliśmy się już na jeden z dostępnych frameworków, możemy przystąpić do tworzenia definicji. W tym procesie warto odpowiedzieć na pytania takie jak:
- Jakie przewidywania chcę uzyskać?
- Na podstawie jakich danych wyszkolić AI?
- Co powinno zostać pominięte w procesie uczenia się?
Te punkty są ważne, ponieważ im lepsza jakość danych wejściowych, tym lepsza jakość danych wyjściowych. Oczywiście, należy pamiętać również, aby próbka była odpowiednio duża – ServiceNow zaleca co najmniej 30 000 rekordów. Kolejnym istotnym parametrem jest częstotliwość ponownego treningu silnika, dzięki czemu zachowamy jakość danych wraz z upływem czasu.
Trening
Po przygotowaniu definicji, możemy przystąpić do treningu. Określony przez nas zakres danych zostaje przesłany do serwerów treningowych ServiceNow, gdzie żądanie zostanie przeprocesowane zgodnie z dostępnością. Te serwery znajdują się w tym samym centrum danych co instancja, a to pozwala na korzystanie z nich nawet przy wymogach suwerenności danych.
Komunikacja między instancją a serwerami treningowymi zachodzi z wykorzystaniem protokołu HTTPS. Należy również dodać, że przesyłane są jedynie niezbędne dane, które są odseparowane od danych innych klientów, a po zakończeniu treningu, dane są usuwane.
Po zakończeniu procesu otrzymamy powiadomienie oraz gotowy do pracy silnik, który należy przetestować. Każdy z frameworków charakteryzuje się innymi wartościami, które można modyfikować według potrzeb. Przykładowo, framework Klasyfikacji, operuje trzema wartościami:
- Precision (Precyzja),
- Coverage (Pokrycie),
- Recall (Wrażliwość).
Gdy rozwiązanie będzie generować satysfakcjonujące wyniki, wystarczy przenieść je do środowiska produkcyjnego i korzystać z niego w codziennej pracy.
Na koniec należy również zaznaczyć, że Predictive Intelligence z różnych powodów może nie być dobrym rozwiązaniem w każdej sytuacji. Jednym z bardziej oczywistych jest wymóg posiadania wystarczająco dużego zestawu danych, które są dokładne i powtarzalne, aby móc wytrenować Jak każde rozwiązanie również to wymaga nadzoru – predykcje powinny być monitorowane w celu zapewnienia jakości. Dodatkowo, wraz z upływem czasu, zakres danych wykorzystywanych do treningu może się zmienić, co wymaga korekcji warunków treningu.
Niemniej, potencjalne korzyści, takie jak redukcja kosztów, optymalizacja zasobów, zwiększenie produktywności, czy poprawa jakości obsługi klienta są warte sprawdzenia, czy możemy wdrożyć uczenie maszynowe na platformie. Może Predictive Intelligence jest już dostępne w Twojej licencji, jednak z niego nie korzystasz? Warto to sprawdzić!
AI Search i NLP
W rozmowie o wykorzystaniu sztucznej inteligencji na Now Platform nie możemy pominąć AI Search oraz Virtual Agent (chatbot). Z racji tego, że sposób wykorzystania AI w obu rozwiązaniach się pokrywa, omówimy je razem.
Największą zaletą wyszukiwarki oraz czatu jest obsługa zapytań w oparciu o przetwarzanie języka naturalnego. Dzięki temu, użytkownik może zadawać pytania oraz szukać informacji zupełnie jakby rozmawiał z agentem.
Wykorzystanie sztucznej inteligencji pozwala na szybkie przygotowanie adekwatnych odpowiedzi w oparciu o dostępne na platformie artykuły, FAQs oraz inne źródła informacji. Ponadto, dzięki zastosowaniu wyszukiwania kontekstowego, informacje takie jak lokalizacja czy język użytkownika również wpływają na otrzymane odpowiedzi. W ramach ciekawostki dodam, że to rozwiązanie jest również stosowane w widżecie Recommended for you dostępnym w Employee Center, gdzie sugestie opierają się na historii aktywności użytkowników o podobnym profilu (np. dział lub stanowisko).
Program AI Lighthouse/Now Assist
Na koniec należy wspomnieć o projekcie AI Lighthouse – programie współtworzonym przez ServiceNow, NVIDIA, oraz Accenture, który ma na celu rozwój generatywnej AI. Celem takiej sztucznej inteligencji jest przygotowanie nowych treści, np. kodu, na podstawie danych wejściowych podanych przez użytkownika.
Co ważne, wraz z premierą najnowszej wersji platformy – Vancouver – generatywne AI zostało udostępnione na platformie pod nazwą Now Assist. Można je znaleźć w modułach CSM, HRSD, ITSM oraz Creator, gdzie przede wszystkim wspiera agentów, przygotowując streszczenia spraw, chatów oraz notatek dotyczących rozwiązania sprawy. Dodatkowo, w module Creator można tworzyć kod z pomocą AI lub tworzyć flowy we Flow Designerze.
Podsumowanie
Jak widzimy, ServiceNow wdrożyło wiele rozwiązań opartych na szeroko pojętej sztucznej inteligencji. Z pewnością ich dużą zaletą jest łatwość implementacji, dzięki czemu każdy może wykorzystywać AI w swojej firmie.
Co ważne, ServiceNow nie spoczywa na laurach i inwestuje w dalszy rozwój sztucznej inteligencji w celu dostarczania coraz bardziej zaawansowanych rozwiązań w tym obszarze. Myślę, że współpraca z NVIDIA i Accenture ma szansę przynieść naprawdę ciekawe rezultaty. Jednak osobiście nie obawiam się, aby AI w najbliższej przyszłości miała wyprzeć deweloperów z rynku – gdyby tak się stało, mielibyśmy większe powody do zmartwień 😊
Źródła
- ServiceNow, Vancouver Now Platform, AI Search
- ServiceNow, Vancouver Enable AI, Now Assist
- ServiceNow, ServiceNow apps and features that use Predictive Intelligence
- Techradar, Samsung workers made a major error by using ChatGPT
- ServiceNow, AI Search
- ServiceNow, Virtual Agent
- Service Now, Generative AI
- ServiceNow, Predictive Intelligence
- ServiceNow, What is low code
- ServiceNow, ServiceNow, NVIDIA, and Accenture team to accelerate generative AI adoption for enterprises
- ServiceNow, ServiceNow expands generative AI capabilities with case summarization and text-to-code to drive speed, productivity, and value
***
Jeśli interesuje Cię tematyka ServiceNow, zajrzyj koniecznie również do innych artykułów naszych ekspertów.
Zostaw komentarz