serge_gorshkov


Сергей Горшков - о бизнесе в сфере ИТ

о семантической интеграции, программировании, управлении...


Previous Entry Share Next Entry
База знаний для службы техподдержки
serge_gorshkov

В рамках одного из пре-сейлов мы создали небольшой и очень простой прототип, демонстрирующий, как инструменты семантического поиска можно применить в работе службы техподдержки. Существует множество признанных решений для автоматизации служб Service Desk, однако на практике у компании может образоваться "data silo" из нескольких багтрекеров, статей, постов на форуме, документации и др. Как сотруднику поддержки в этом не запутаться и быстро находить ответы в проблемных ситуациях - смотрите в презентации.


  • 1
Давать эту форму конечным пользователям - это идиотизм.
ГСЧ даст более осмысленные данные, чем конечные пользователи

Проблема "как доискаться до истины на основе сведений, сообщаемых пользователем?" существует, но решать ее можно и нужно.

В случае техподдержки часто есть возможность получить объективную информацию от каких-нибудь автоматических средств мониторинга, подключиться по удаленному доступу и т.д.

А теперь представим работу, например, службы вызовов 112 (понятно, что техподдержка в презентации - это пример для придания конкретности, а в принципе подход может быть применен и совсем в других сферах). В экстренную дежурную службу люди звонят, когда произошло какое-то ЧП. То есть они искажают информацию еще больше, чем когда звонят в любую ИТ-поддержку, потому что из-за происходящего в реальном мире ЧП они находятся в состоянии стресса (произошла авария, что-то горит, прорвало, кому-то плохо и т.д.).

В любом случае человек видит _проявления_ проблемы и сообщает о них, а сотрудника поддержки интересует _причина_ возникновения этих проявлений.

В случае звонка в дежурную службу на объективную информацию рассчитывать не приходится, но опытные сотрудники службы вызовов по совокупности того, что говорится и как говорится, делают вывод о серьезности происходящего и принимают решение о том, как на это адекватно отреагировать. Какие именно службы вызвать на место, в каком количестве, с каким снаряжением, что рекомендовать делать до их приезда и т.д.

Так вот, по крайней мере часть этого процесса экспресс-анализа ситуации можно автоматизировать при помощи предлагаемого механизма. Психология, конечно, вся туда не поместится, но в какой-то части - вполне.


Учитывая, что люди и письменно-то нормально сформулировать не могут.
А устно, да с учётом погрешности распознавателя голоса (на фоне шума, криков, взрывов)...

Интересный способ объединения баз знаний. Причём это будет работать не только для техподдержки.

Да, будет. Тут просто удачный способ продемонстрировать на примере, который понятен без отвлечения в слишком специфические предметные области.

А это точно не магия?
А то опыт MS (вы же видели "помощник по исправлению ошибок") говорит, что знаний можно закачать, а вот выдавать релевантные ответы оно не умеет. (такой же мой личный опыт с гуглороботом, подсовывающим статьи помощи про гмаил)
Работа по выделению ключевых слов - видна. Адекватность - не проглядывается.

Ну, "облажаться" здесь и правда легко. Первый секрет в том, чтобы построить адекватную онтологию - то есть набор терминов, в которых описываются элементы информации и формулируются запросы. Тогда и ответы будут релевантные.

Конечно, это надо делать в каждом конкретном проекте индивидуально под заказчика, универсальные онтологии на практике не применимы (хотя для ИТ-техподдержки можно взять часть терминов из словаря ITIL/ITSM).

Вторая часть магии - на основе ключевых слов в тексте правильно распознать семантические признаки. Это вроде как умеет делать ABBYY Compreno, но и там нужна индивидуальная настройка под каждую решаемую задачу. Язык у нас многозначный, надо учитывать контекст, в котором встретился каждый термин, положение внутри фразы и многое другое. С более или менее узкими предметными областями это удается сделать, а с произвольными документами на любую тему - нет.

  • 1
?

Log in

No account? Create an account