Los bots de autorreparación toman la iniciativa para resolver problemas de TI y mejorar la satisfacción de los empleados

Mon, 17 Jun 2024 13:00:00 Z

Imagine un entorno Everywhere Work en el que los problemas de TI parezcan resolverse como por arte de magia antes incluso de que los usuarios finales se den cuenta de que existían incidencias. Las impresoras vuelven a funcionar milagrosamente. Los problemas de inicio de sesión desaparecen. El acceso a las aplicaciones críticas es fluido.

Antes de que alguien empiece a creer en hadas madrinas digitales, demos el mérito a quien corresponde: al auge de los bots de autorreparación: herramientas inteligentes de hiperautomatización que identifican y abordan de forma proactiva los problemas de TI de los empleados para mejorar su experiencia.

Estos problemas se multiplican a medida que las redes se vuelven más complejas, con más dispositivos conectándose desde más ubicaciones. Sin embargo, las automatizaciones del servicio de asistencia, como los chatbots, no son necesariamente una panacea:

Según una investigación de Ivanti, las malas experiencias digitales son demasiado habituales: el 57 % de los profesionales de TI, directivos y usuarios afirma experimentar “fricciones importantes con la tecnología de trabajo al menos una vez a la semana”.
El 61 % afirma que las experiencias negativas con la tecnología de trabajo afectan a la moral.
Incluso cuando los empleados podían recurrir a un chatbot o automatización tan útil como una persona, el 58 % seguía prefiriendo la interacción humana.

Esto plantea un dilema para los equipos de ITSM: ¿cómo pueden aplicar un enfoque shift-left para abordar un volumen creciente de incidentes y problemas y mantener una buena experiencia digital del empleado (DEX) cuando a algunos usuarios no les gustan las herramientas digitales de resolución?

Los bots de automatización de autorreparación ofrecen una respuesta. Cuando los bots solucionan los problemas de modo que no hay ninguna incidencia visible de la que quejarse, los empleados simplemente pueden seguir con su trabajo. Mientras tanto, su equipo de TI puede dedicarse a tareas más estratégicas y exigentes.

Los empleados que pueden realizar su trabajo sin interrupciones están más comprometidos, son más productivos y tienen una actitud más positiva. Esto influye en cómo atienden a los clientes, quienes a su vez recompensan al proveedor con fidelidad e ingresos.

El mundo antes de los bots de autorreparación

Antes de los bots de autorreparación, el soporte de TI seguía un enfoque reactivo. Los empleados que se encontraban con problemas enviaban tickets al servicio de asistencia y podían soportar una espera prolongada antes de obtener una solución. Este enfoque es el origen de varios problemas:

Mayor volumen de tickets: Los servicios de asistencia se ven desbordados por acumulaciones de tickets relacionados con problemas comunes y repetitivos.
Retrasos y frustración: Los empleados se ven obligados a esperar con impaciencia las soluciones mientras su trabajo y productividad se ven interrumpidos.
Proactividad limitada: Los equipos de TI carecen de los recursos necesarios para identificar y prevenir problemas, por lo que quedan atrapados en un modo reactivo.

Todo esto pone de relieve la necesidad de adoptar un enfoque más proactivo del soporte de TI y de su capacidad para mejorar la experiencia de los empleados. Aquí entran en juego los bots de autorreparación.

Cómo los bots de autorreparación están transformando la TI

Desde sus primeras etapas, los bots de autorreparación han mejorado gracias a múltiples avances clave. Estos bots aprovechan la automatización y el aprendizaje automático para anticiparse a los problemas de TI de los empleados y abordarlos antes de que se produzcan. Sus funcionalidades incluyen:

Supervisión en tiempo real: Los bots de autorreparación supervisan continuamente la infraestructura de TI y la actividad de los usuarios.
Analítica predictiva: Analizan datos históricos para identificar posibles problemas y predecir las necesidades de los usuarios.
Prevención proactiva: Mediante la detección de incidencias y la analítica, los bots no solo pueden identificar problemas, sino también actuar para solucionarlos.
Protección frente a ciberamenazas: Garantizan un acceso seguro y protección frente a ciberamenazas sin comprometer la flexibilidad de los empleados para trabajar desde ubicaciones remotas.
Escalado de incidentes: En el caso de problemas complejos que no pueden resolver por sí mismos, pueden escalarlos al equipo de TI con datos relevantes para una resolución más rápida.
Recopilación de datos y opiniones: Los bots de encuestas de ITSM interactivos pueden recopilar datos cualitativos y valoraciones cuantitativas del servicio por parte de los empleados.
Mayor facilidad de uso: La configuración y gestión de los bots de autorreparación se ha vuelto más sencilla para los equipos de TI.
Bibliotecas de plantillas: Las plantillas predefinidas ayudan a desplegar rápidamente bots para problemas comunes.
Integración con ITSM: La integración fluida con los sistemas existentes de emisión de tickets de gestión de servicios de TI permite flujos de trabajo más ágiles.

El ROI de usar bots

Una de las mayores preocupaciones con cualquier tecnología nueva es el retorno de la inversión que se obtendrá y el tiempo necesario para materializar ese valor. A la hora de mejorar la satisfacción de los empleados, los bots de autorreparación ofrecen una vía clara para crear valor:

Eficiencia proactiva: Los bots gestionan incidencias rutinarias y reducen el volumen y la acumulación de tickets, liberando al equipo de TI para tareas más complejas y permitiéndole obtener el máximo valor de sus competencias.
Reducción de costes: Retirar de la carga del equipo de TI la gestión manual de incidencias reduce los costes de los procesos.
Resolución acelerada: La gestión de incidentes y las resoluciones se potencian ahora que están automatizadas y, en gran medida, son invisibles.
Mejor DEX: Tiempos de resolución más rápidos y una resolución proactiva de problemas se traducen en empleados más satisfechos.
Mayor productividad: Menos tiempo de inactividad debido a problemas de TI se traduce en una mayor productividad de los empleados.
Supervisión en profundidad: Los diagnósticos completos de los bots pueden detectar incidencias y cambios no notificados previamente e informar de ellos al equipo de TI.
Información basada en datos: Los bots de autorreparación proporcionan datos valiosos sobre el comportamiento de los usuarios y el estado de la infraestructura de TI.

Implementación de bots en su organización

Si está considerando desplegar bots de autorreparación, esta es una hoja de ruta básica para empezar y, en última instancia, mejorar el compromiso de los empleados.

Paso 1: Analizar los datos para identificar incidencias adecuadas para bots

Antes de poner en marcha sus nuevos bots, es fundamental identificar desde el principio las tareas que pueden gestionar. ¿Por qué? Para poder aprender, perfeccionar sus capacidades y demostrar resultados a las partes interesadas o a la dirección. Así es como puede hacerlo:

Examinar datos de tickets de soporte anteriores: Utilice herramientas de analítica e informes para detectar los problemas más comunes y repetitivos. Estos representan las oportunidades más sencillas, ideales para los esfuerzos iniciales de automatización.
Identificar patrones: Busque incidencias recurrentes, como problemas de inicio de sesión, solicitudes de restablecimiento de contraseña o consultas sobre configuración de software que aparezcan con frecuencia.
Elegir en función del impacto potencial: Tenga en cuenta no solo la frecuencia con la que se producen las incidencias, sino también su impacto en la eficiencia de los usuarios. Automatizar la resolución de problemas generalizados pero sencillos permite que su personal se centre en retos más complejos.

Paso 2: Establecer prioridades seleccionando las tareas óptimas para los bots

No todas las incidencias son igualmente adecuadas para los bots de autorreparación. Las oportunidades más sencillas son aquellos problemas de TI que las herramientas de automatización pueden gestionar con mayor éxito.

Centrarse en tareas rutinarias: Las herramientas de automatización, como los bots, son más eficaces con tareas constantes y repetitivas. Identifique tareas que tengan procedimientos claros y resultados definidos.
Evaluar la complejidad: Los problemas complejos que requieren un criterio humano matizado deben seguir en manos de su personal de TI cualificado. Automatice las incidencias que tengan un conjunto claro de pasos y soluciones.
Evaluar el impacto en la DEX: Asegúrese de que el despliegue de bots mejora realmente la experiencia de los empleados. Opte por automatizar incidencias en las que las respuestas coherentes y precisas sean clave.

Paso 3: Ejecutar un programa piloto antes de la implementación completa

El lanzamiento de su primera herramienta de despliegue de bots es una prueba piloto que le permite ajustar su enfoque e identificar posibles problemas antes de una adopción generalizada.

Empezar a pequeña escala: Seleccione un problema concreto y manejable para automatizar. Su objetivo es facilitar el aprendizaje y los ajustes, no crear la herramienta definitiva desde el primer momento.
Solicitar comentarios a los usuarios y al personal de TI: Busque activamente opiniones sobre la eficacia de la herramienta. Estos comentarios son fundamentales para identificar mejoras y garantizar una transición fluida.
Supervisar indicadores importantes: Haga seguimiento de la velocidad de resolución, la satisfacción de los usuarios y el volumen de tickets gestionado por la herramienta. Esta información es esencial para evaluar la viabilidad de una automatización más amplia.

Paso 4: Optimizar, perfeccionar, mejorar y repetir

Puede que su bot sea excelente desde el principio, pero aun así requiere atención y actualizaciones periódicas para prosperar.

Comprender sus capacidades de aprendizaje: Algunos bots de autorreparación con IA están diseñados para aprender a partir de las interacciones de los usuarios. Supervise estas capacidades y su éxito.
Aprovechar los comentarios de los usuarios: Sus aportaciones son sumamente valiosas, así que revise constantemente estos comentarios para detectar oportunidades de mejora de sus bots. Actualice las respuestas, ajuste los procesos de toma de decisiones y asegúrese de que sigan aprendiendo y ampliando sus capacidades.
Revisar y ajustar periódicamente: Evalúe de forma continua el impacto de la herramienta en los tiempos de resolución de incidencias, la satisfacción de los usuarios y la carga de trabajo del equipo de TI. Utilice estos datos para perfeccionar sus bots y ampliarlos para abordar tareas adicionales.

Reparar el futuro de Everywhere Work

Los bots de autorreparación representan un gran avance para ayudar a los equipos de TI a dar soporte a Everywhere Work y al objetivo de aplicar un enfoque shift-left, y pueden ser una herramienta clave para aumentar el compromiso de los empleados. Al resolver incidencias de forma proactiva, acelerar el shift-left y respaldar una DEX fluida, pueden tener impacto en toda la organización. Es una contribución impresionante por parte de estos trabajadores invisibles pero incansables.

A medida que la tecnología de bots de autorreparación siga evolucionando, cabe esperar capacidades aún más avanzadas y una integración más profunda. Con el tiempo, ayudarán a hacer realidad un futuro en el que el soporte de TI sea casi invisible: previsor y proactivo, pero discreto en la forma en que habilita Everywhere Work.

Contenido relacionado

Lea el caso de éxito de SouthStar Bank

Medición de la experiencia digital con inteligencia artificial

Thu, 21 Apr 2022 15:25:10 Z

Con la expansión del trabajo remoto e híbrido y un entorno tecnológico cada vez más complejo, gestionar la experiencia digital del empleado es más importante que nunca. Pero ¿cómo medimos la experiencia digital del empleado? Una de las formas más habituales es utilizar encuestas, por ejemplo, encuestas posteriores a incidentes o encuestas anuales de satisfacción del cliente. Sin embargo, estas encuestas, por sí solas, pueden ser reactivas, llegar con desfase temporal y tener un alcance limitado. ¿Existe alguna forma de medir de manera constante y automática la experiencia digital que abarque el conjunto de las funciones de TI?

La respuesta es sí. En la versión 2022.2 de Ivanti Neurons Workspace, presentamos Digital Experience Score (abreviado, DEX Score). Partimos de un conjunto seleccionado de indicadores que afectan a la experiencia digital, los introducimos en nuestro motor de puntuación propietario y generamos un DEX Score de 0 a 100.

Veamos primero la entrada de nuestro motor de puntuación: los indicadores. Los indicadores pueden ser, por ejemplo, métricas como el almacenamiento en disco duro, marcadores booleanos como la protección antivirus y eventos como el momento en que se realizó un análisis. Queremos un sistema de puntuación que represente la riqueza de la experiencia digital en aspectos clave de las funciones de TI, por lo que hemos seleccionado indicadores de gestión de servicios, aplicaciones, dispositivos y seguridad.

Evidentemente, en lo que respecta a nuestro motor de puntuación, no podemos desvelar demasiados detalles internos, pero sí puedo decir que utilizamos un modelo híbrido, es decir, empleamos más de una técnica estadística y de aprendizaje automático para calcular la puntuación.

Nuestro motor de puntuación no requiere que los administradores de sistemas ajusten manualmente el umbral que determina si un indicador es bueno o malo. En el caso de algunos indicadores cuantitativos de dispositivos, como el almacenamiento en disco duro, analizamos lecturas históricas e inferimos cuál es el rango normal de comportamiento mediante modelos estadísticos. Una vez que conocemos el rango normal, podemos calcular en qué medida un nuevo punto de datos difiere del comportamiento normal o se asemeja a él. Esta idea de cuantificar la normalidad frente a la irregularidad está en el núcleo de nuestro motor de puntuación.

Pero ¿qué ocurre con los indicadores textuales, como el asunto y la descripción de los incidentes? ¿Cómo identificamos la emoción latente y la convertimos en una medición cualitativa? Decidimos aplicar análisis de sentimiento a los incidentes abiertos vinculados a un dispositivo. Nuestro modelo de análisis de sentimiento es una red neuronal profunda que clasifica los textos de los incidentes en sentimientos positivos, negativos y neutros. El modelo está preentrenado, por lo que los clientes no necesitan realizar ningún entrenamiento adicional.

Por último, no analizamos los indicadores solo de forma individual; en su lugar, utilizamos un algoritmo de minería de datos que tiene en cuenta eficazmente las interacciones entre esos indicadores. Esto significa que, aunque los indicadores individuales puedan fluctuar y presentar picos, o no decir mucho por sí solos, en conjunto nos indican cuánto se desvía el comportamiento de un dispositivo respecto a lo normal. Otra ventaja de este algoritmo de minería de datos es que identifica qué indicadores contribuyen al comportamiento anómalo, de modo que los mostramos como posibles problemas.

Sin recurrir a términos sofisticados de ciencia de datos, lo que hacemos es comparar y correlacionar indicadores a lo largo del tiempo y entre sí, para después condensarlo todo en una puntuación única y global. Sin entrenamiento manual de aprendizaje automático ni configuración de umbrales, ¿está preparado para obtener visibilidad sin precedentes sobre la experiencia digital en todas las funciones de TI?

Ivanti Blog: Ivanti Neurons