W ramach usług Atlassian Intelligence, Atlassian wprowadza funkcje sztucznej inteligencji do rozwiązań: Jira Service Management, Jira Software i Confluence w modelu chmury.
Spis treści
Sztuczna inteligencja rozwija się w bardzo szybkim tempie. Jak oblicza AB Accelerator globalny rynek AI w 2022 roku został wyceniony na 136,5 mld USD i będzie rósł średniorocznie o 37,3% w okresie od 2023 do 2030 roku. Coraz więcej rozwiązań IT wzbogacanych jest o technologie z obszaru Artificial Intelligence, ponieważ zyskują dzięki niej nowe możliwości. Również Atlassian podąża tą droga wykorzystując w swoich narzędziach generatywną sztuczną inteligencję, opartą na modelach językowych (LLM), własnym języku zbliżonym do SQL (Jira Query Language -JQL) oraz GPT-4 OpenAI. Nowe funkcje zostały zbudowane w oparciu o platformę Atlassian i staną się natywnym rozwiązaniem dla Jira Software, Jira Service Management i Confluence Cloud. Pozwolą m. in. na podsumowania generowane w Confluence, tworzenie planów testów w Jira Software czy też odpowiadanie na pytania klientów w Jira Service Management.
Nowe funkcje Atlassian Intelligence, o wprowadzeniu których firma poinformowała w kwietniu 2023 roku, będą dostępne tylko w ofercie chmurowej. Ich zastosowanie pozwoli dostarczać usługi jeszcze szybciej i na większą skalę. Dzięki nawiązaniu współpracy z Microsoft będzie też możliwe udzielanie odpowiedzi na zapytania użytkowników i rozwiązywanie ich problemów za pośrednictwem wirtualnego asystenta Jira Service Management z poziomu Slack i Microsoft Teams.
Możliwości oferowane przez Atlassian Intelligence przedstawia poniższa tabela. Jak zapowiada dostawca, mogą one ulec zmianom po udostępnieniu usług wszystkim klientom, ponieważ na razie mogą z nich korzystać jedynie klienci zarejestrowani w ramach wczesnego dostępu (niezależnie od wersji posiadanego planu).
Produkt | Funkcje Atlassian Intelligence |
Confluence | • Generowanie, przekształcanie i podsumowywanie treści podczas pisania. • Zadawanie pytań i uzyskiwanie odpowiedzi w Confluence. • Zamiana języka naturalnego na SQL w Atlassian Analytics (wkrótce). |
Jira Service Management | • Generowanie, przekształcanie i podsumowywanie treści podczas pisania (wkrótce) • Generowanie odpowiedzi przez chatbota na podstawie informacji zawartych w bazie wiedzy. • Tworzenie krótkiego podsumowania historii aktywności dotyczących problemu (wkrótce). • Zamiana języka naturalnego na SQL w Atlassian Analytics (wkrótce). |
Jira Software | • Używanie języka naturalnego zamiast JQL podczas wyszukiwania spraw. • Generowanie, przekształcanie i podsumowywanie treści podczas pisania (wkrótce). • Zamiana języka naturalnego na SQL w Atlassian Analytics (wkrótce). |
Korzyści z zastosowania AI są bezsporne. Z badania Atlassian wynika, że pracownicy, którzy weszli w interakcję z botem w ramach usług Atlassian Intelligence, uznali go za narzędzie niezwykle przydatne w budowaniu dobrego CX, oceniając go średnio na 4,5 w pięciostopniowej skali oceny satysfakcji klienta. Jeszcze bardziej imponująco wyglądał czas zaoszczędzony na odpowiadaniu na pytania, co pozwoli zespołom IT więcej czasu przeznaczyć na bardziej złożone projekty.
Rozwój aplikacji AI w ekosystemie Atlassian
AI w ofercie Atlassian to nie tyko usługi Atlassian Intelligence. Atlassian Ventures, czyli korporacyjny zespół venture capital, sporo inwestuje w w spółki na wczesnym etapie rozwoju koncentrujące się na tworzeniu aplikacji AI dla produktów w chmurze. Dzięki obecnym inwestycjom w firmy tworzące rozwiązania wykorzystujące sztuczną inteligencję do ekosystemu Atlassian dołączyły aplikacje wspomagające prace grupową, takie jak:
- Gravity. Oparta na AI aplikacja Jira Marketplace firmy LaunchNotes, wykorzystuje opatentowane uczenie maszynowe do klasyfikowania, automatyzowania i uzyskiwania wglądu w zaległości zespołów IT w ciągu kilku sekund.
- Adam.ai. Kompleksowe oprogramowanie do prowadzenia wydajnych spotkań tworzenia wspólnych agend, rejestrowania decyzji i przydzielania zadań.
- Spinach. Obsługiwany przez GPT-4 Spinach zapewnia zespołom oprogramowania podsumowania spotkań, sugeruje aktualizacje zgłoszeń i tworzy raporty dla interesariuszy.
- SimplyPut. Umożliwia zadawanie pytań dotyczących danych firmy i otrzymywania odpowiedzi za pośrednictwem ChatGPT i GPT-4.
- Adept. Adept tworzy model uczenia maszynowego, dzięki któremu można wyrazić cele w języku naturalnym i przekształcić je w działania na wykorzystanych na co dzień narzędziach do tworzenia oprogramowania.
- AppForge.ai. Pozwala administratorom na sprawdzanie kondycji instancji Jira Cloud. Wystarczy kilka kliknięć, aby sprawdzić stan konfiguracji. System korzysta z uczenia maszynowego, eksploracji danych i sztucznej inteligencji.
Jira Service Management zyskuje dzięki AI
Możliwości jakie przynoszą ze sobą technologie AI są zwłaszcza dobrze widoczne w narzędziach ITSM, gdzie chatboty pomagają organizacjom lepiej wspierać działania związane z zarządzaniem usługami IT zwiększając produktywność poprzez automatyzację problemów poziomu I, dzięki czemu agenci mogą skupić się na rozwiązywaniu złożonych problemów poziomu II i III.
Chatboty w Jira Service Management wykorzystują uczenie maszynowe do uczenia się wzorców z poprzednich żądań, aby zrozumieć, o co prosi użytkownik, a interakcje dotyczące wsparcia mogą odbywać się bezpośrednio z poziomu Slack i Microsoft Teams. Sztuczna inteligencja odpowie też na zapytania w oparciu o zrozumienie artykułów bazy wiedzy w Confluence. W ujęciu liczbowym wirtualny agent Atlassian Intelligence udzielił pomocy w przypadku ponad 50% wszystkich przychodzących zgłoszeń.
Jak jeszcze AI zwiększa funkcjonalność JSM? Oto kilka przykładów:
- Inteligentna priorytetyzacja i routing. Narzędzia oparte na sztucznej inteligencji priorytetyzują zadania umieszczając najważniejsze z nich na początku kolejki i przekierowując zgłoszenia do odpowiedniego eksperta w oparciu o jego umiejętności i dostępność.
- Zarządzanie wiedzą. Jeśli rozwiązanie zgłaszanego problemu jest proste, oprogramowanie ITSM wspomagane przez AI automatycznie wskazuje użytkownikowi właściwy kierunek samoobsługi lub wykorzystuje chatbota, aby przeprowadzić go przez ten proces. Inteligentne bazy wiedzy pomagają również zespołom IT zapewnić wydajną obsługę, dostarczając im natychmiast potrzebnych informacji.
- Analiza nastrojów. Analiza nastrojów wykorzystuje NLP, aby odczytać stan emocjonalny użytkowników w momencie dokonywania zgłoszeń, w zależności od wyboru słów i wyników poprzednich ankiet CSAT (Customer Satisfaction). Informacje te mogą być wykorzystywane do automatycznego ustalania priorytetów zgłoszeń i pomagają odpowiednio reagować na nie w celu poprawy zadowolenia klienta.
- Konserwacja predykcyjna. Rozwiązania ITSM obejmują funkcje zarządzania zasobami i integrują się z innymi aplikacjami biznesowymi, takimi jak narzędzia do monitorowania maszyn i bazy danych zarządzania zasobami (ITAM). Dzięki analizie tych danych AI może wskazać obszary ryzyka w których mogą wystąpić potencjalne problemy. Pozwala to IT podjąć działania naprawcze, zanim problem wpłynie na operacje biznesowe. Pomaga też znaleźć sposób zapobiegania ponownemu wystąpieniu problemu w przyszłości.
- Proaktywne zarządzanie zmianami. AI analizuje zmiany i monituje menedżerów zmian, jeśli uzna, że potencjalne ryzyko związane z przeprowadzeniem zmiany jest wyższe od korzyści. Pomaga również w ocenie i planowaniu zmian.
- Przewidywanie naruszeń umów SLA. AI analizuje trendy, aby zidentyfikować wszelkie możliwe naruszenia umów SLA i powiadamia kierownictwo, zanim do nich dojdzie. W ten sposób umowy są dotrzymywane, a problemy klientów rozwiązywane na czas.
- Klasyfikacja incydentów i zgłoszeń serwisowych. Użytkownicy końcowi często nie rozumieją różnicy między incydentem a zgłoszeniem serwisowym. Nieprawidłowe oznaczenie zgłoszenia powoduje więcej pracy dla pracowników IT, co oznacza dłuższy czas rozwiązania problemu. Technologia AI identyfikuje typ zgłoszenia na podstawie wcześniejszych doświadczeń i odpowiednio je klasyfikuje.
AI w ITSM wymaga przygotowania
Jeśli wdrożenie ITSM wyposażonego w sztuczną inteligencję ma przynieść zakładane korzyści muszą najpierw zostać spełnione pewne warunki.
- Trzeba przede wszystkim zdefiniować procesy, w tym szczególnie jasno określić wszystkie procesy dotyczące wykonywania częstych i rutynowych zadań związanych z zarządzaniem incydentami i realizacją zgłoszeń. Takie jednolite podejście umożliwia ich automatyzację.
- Wdrożenie sztucznej inteligencji w ITSM wymaga dobrze zdefiniowanej i właściwie zarządzanej bazy danych zarządzania konfiguracją (CMDB). AI ma zdolność uczenia się, ale musi się uczyć na czystych i dokładnych danych wejściowych.
- Zespoły IT muszą definiować i okresowo przeglądać rozwój strategii danych dotyczący ich integralności i sposobu przechowywania. Odpowiednia jakość danych daje gwarancję, że wykorzystanie sztucznej inteligencji przyniesie spodziewane korzyści.
