SimpleOne: الذكاء الاصطناعي في ITSM يصبح معيارًا مؤسسيًا للدعم الفني ومكاتب الخدمة (service desk)

وصفت SimpleOne وAinergy وT1 Integration (Т1 Интеграция) كيف انتقل الذكاء الاصطناعي من التشغيل التجريبي إلى نطاق العمل الفعلي في ITSM. ولم يعد السؤال الرئيسي أمام الشركات هو ما إذا كانت بحاجة إلى الذكاء الاصطناعي أصلًا، بل كيف تدمجه في الدعم الفني بحيث تعالج الطلبات بسرعة أكبر، وتلتزم باتفاقيات مستوى الخدمة (SLA)، ولا تفقد السيطرة على بياناتها.

لماذا يحتاج الدعم الفني إلى الذكاء الاصطناعي

لدى فرق الخدمة، أصبح الطلب على الأتمتة عمليًا منذ وقت طويل. فالأعمال تحتاج إلى الرد بسرعة أكبر، وتقليل عدد الأخطاء، ومواكبة نمو الطلبات، والعمل بالكفاءة نفسها عبر قنوات مختلفة، من البريد الإلكتروني وبوابات الخدمة الذاتية إلى الهاتف ومنصات المراسلة المؤسسية. وحين تنمو الشركة، تبدأ المعالجة اليدوية للطلبات في إبطاء الفريق والمستخدمين معًا. وفي هذا السياق، لا يمثل الذكاء الاصطناعي إضافة عصرية، بل وسيلة للحفاظ على جودة الخدمة دون توسيع الجهاز الوظيفي باستمرار.

وتدور القيمة العملية حول عدة مهام. أولًا، تساعد المساعدات الذكية والبحث القائم على RAG على تقديم إجابات مبنية على اللوائح الداخلية وقاعدة المعرفة والحالات التي سبق حلها، وليس «من الذاكرة». ثانيًا، تخفف أتمتة العمليات النمطية جزءًا من الحمل عن الخط الأول. ثالثًا، تقلل الردود القياسية والمنطق الموحد لمعالجة الطلبات التفاوت في الجودة. ونتيجة لذلك، يكسب الدعم الفني على ثلاثة مقاييس في آن واحد: السرعة والتكلفة والاستقرار.

«الذكاء الاصطناعي في ITSM ليس ميزة منفصلة، بل مُسرِّع للنموذج الخدمي بأكمله»، هكذا قال ممثل

Ainergy.

أين يحقق الذكاء الاصطناعي أثرًا

في السيناريو المعروض، يُدمج الذكاء الاصطناعي مباشرة في سير عمل Service Desk، ولا يُفصل في وحدة تجريبية مستقلة. فإذا كان الطلب بسيطًا، يمكن للنظام أن يتعرف بنفسه على موضوعه، ويقيّم درجة تأثيره على الخدمة، ويحدد الخدمة المطلوبة، ثم إما أن يرسل للمستخدم تعليمات فورية، أو يسند الطلب إلى المجموعة الصحيحة. أما إذا كانت الحالة أعقد، فيقترح الذكاء الاصطناعي على المهندس الخطوات التالية للتشخيص، ويعثر على حوادث مشابهة، ويساعد في صياغة الرد دون بحث يدوي زائد عبر الأنظمة.

• التصنيف والتوجيه التلقائيان للطلبات الواردة من البريد والبوابة والهاتف ومنصات المراسلة؛
• خط دعم صفري بردود سريعة مستندة إلى قاعدة المعرفة وسيناريوهات جاهزة؛
• بحث عصبي في الوثائق واللوائح وسجل الحوادث؛
• روبوت دردشة يمكنه إما الرد بنفسه، أو إنشاء طلب إذا كانت البيانات غير كافية؛
• توليد مسودات لمقالات قاعدة المعرفة اعتمادًا على الطلبات المغلقة.

ويُركَّز بشكل خاص على مسار المعالجة المتكامل من البداية إلى النهاية. فقد يُغلق ما يصل إلى 80% من الطلبات النمطية بواسطة وكلاء الذكاء الاصطناعي على الخط الصفري، بينما تنتقل الـ10–20% المتبقية إلى المهندسين ومعها سياق جاهز. وهذا يغيّر اقتصاديات الدعم نفسها: إذ يقضي المختصون وقتًا أقل في الأعمال الروتينية، ووقتًا أطول في الحالات غير النمطية. وبالتوازي، يُثري النظام قاعدة المعرفة، فكل حادث يُحل يرفع فرص حل الطلب المشابه التالي تلقائيًا.

وثمة سيناريو مهم آخر هو Problem Management. فالذكاء الاصطناعي يحلل الطلبات المغلقة، ويجمّع الحوادث المتشابهة، ويمكنه أن يُصدر إشارة تلقائية عندما يتراكم نمط يدل على مشكلة منهجية. وبالنسبة للمديرين، هذا تحول من النموذج التفاعلي إلى إدارة أسباب الأعطال. فبدلًا من معالجة الطلبات المتشابهة واحدًا تلو الآخر، يرى الفريق مبكرًا مواطن الاختناق ومخاطر التأخير والحوادث الجماعية المحتملة.

كيف يُبنى نطاق الأمن

لا يصطدم الإدخال السريع للذكاء الاصطناعي في الدعم الفني بدقة الإجابات فحسب، بل بالبنية المعمارية أيضًا. فنماذج LLM العامة مناسبة للتجارب، لكنها غير ملائمة للعمل مع الملفات المؤسسية والبيانات الشخصية والأسرار التجارية ومفاتيح الوصول. والخطر هنا ليس نظريًا: فالأدوات نفسها التي تساعد على أتمتة العمليات المفيدة تسهّل أيضًا السيناريوهات الضارة، من التصيّد الاحتيالي إلى توليد الشيفرات الخبيثة. ولهذا تتجه الشركات بوتيرة متزايدة، في عملياتها اليومية، نحو واجهات API الخاضعة للرقابة والسحابات الخاصة والنماذج المحلية.

ويؤكد المقال بشكل منفصل أن النشر المحلي يوفر أوضح نطاق للأمن: إذ ترى فرق أمن المعلومات ما يحدث للبيانات، ويكون احتمال التسرب أقل مما هو عليه عند إرسال المعلومات الحساسة إلى خدمات خارجية. وفوق ذلك، تلزم إجراءات تطبيقية: نموذج وصول قائم على الأدوار، وتصفية المحتوى قبل توليد الرد، وإخفاء البيانات الشخصية في السيناريوهات الهجينة، والتسجيل الكامل لجميع العمليات التي تجريها الشبكة العصبية. وتجعل هذه المجموعة من الإجراءات الذكاء الاصطناعي أداة خاضعة للرقابة داخل العملية المؤسسية، وليس «صندوقًا أسود».

ماذا يعني ذلك

يخرج الذكاء الاصطناعي في ITSM بسرعة من مرحلة التجارب التجريبية. فبالنسبة لفرق الخدمة الكبيرة، لم يعد هذا تجربة من أجل الابتكار، بل وسيلة لتخفيف العبء عن الخط الأول، وتسريع معالجة الطلبات، وتحويل قاعدة المعرفة إلى أصل ينمو باستمرار ويعمل جنبًا إلى جنب مع الدعم الفني، بدلًا من أن يبقى منفصلًا عنه.