随着企业整合 AI 来增强客户体验和优化业务流程,AI 已逐渐成为其运营模式中不可或缺的一部分。这需要有效地设计、部署和支持底层基础设施,以确保 AI 增强型关键任务应用程序顺利运行。
IBM 技术生命周期支持 (TLS) 提供广泛的集成数据中心服务和支持,旨在帮助加速我们的客户向混合云和 AI 的转型。IBM TLS 为 IBM 基础设施产品和领先的第三方系统产品提供支持服务,并为软件和企业网络提供支持服务。
我们融合了 AI 的技术基础使我们能够在出现问题时提供支持,并帮助公司主动和预防性地避免问题。这使我们能够帮助客户保持并提供高水平的可用性和弹性。
我们将人工智能融入支持的过程
为了应对 IBM TLS 所支持基础架构的规模、复杂性和关键性,我们率先采用了 AI 和自动化技术。从基于规则的系统到高级机器学习模型再到生成式 AI,我们不断采用新技术,以大规模和跨广泛的产品组合提供前沿支持。
我们利用 IBM 软件和基础设施产品的创新,并与 IBM Research® 合作。作为 watsonx™ 用例的 Client Zero,IBM 还利用 AI 支持来改善客户和员工体验。
IT 支持体验在各个方面都具有巨大的利用 AI 的潜力,使其成为创新的主要领域。下一代支持将越来越多地使用 AI 为客户、工程师和合作伙伴生态系统创造价值。
我们的解决方案旨在帮助客户提高他们从 IBM 和我们的合作伙伴那里实施的系统的可靠性、可用性和弹性。这可以帮助客户为其内部 IT 员工以及客户创造价值。
企业领导者期待客户服务成果——而我们做到了
基于 AI 的助手可帮助我们的支持工程师获得更深入、更主动的洞察、可操作且个性化的问题解决方案以及重复流程和任务的自动化。IBM 商业价值研究院 (IBV) 调查了来自 34 个国家/地区和所有主要行业中至少使用对话式 AI 12 个月的组织的近 1,500 名客户服务经理、主管和高管。
根据 IBV 的报告“客户服务和生成式人工智能优势”,接受调查的近三分之二的企业领导者预计生成式人工智能将提高客户满意度,超过一半的人预计人工代理的满意度、收入增长和客户保留率将更高。
IBM TLS 为我们的客户提供嵌入 AI 的工具和产品,帮助他们实现 IT 目标并加深对其环境的洞察(包括主动观点)。
例如,我们的 Support Insights 产品可让客户更深入地了解其资产、基础设施安全风险和案例分析。我们广泛的服务组合涵盖整个产品生命周期。它包括核心关键任务系统和 AI 新系统的设计、构建、部署、支持、更新和退役。他们需要涵盖计算、网络、存储、性能和规模的端到端专业知识。
利用人工智能和自动化功能,我们可以通过聊天、电子邮件和电话等各种渠道提供支持服务。这使我们的支持代理能够提供更明智的帮助并改善整体客户体验。
使用 WatsonX 和数据驱动方法深化支持服务
通过使用 IBM Watson X 产品组合进行数据、AI 和治理,TLS 创造了新的创新产品,帮助我们的客户优化其基础设施投资。我们还为成千上万的客户提供了富有洞察力、个性化和主动性的支持体验,并从我们的实施中获取有关 IBM 软件和基础设施产品功能的反馈。
我们采用数据驱动的方法来衡量人工智能对我们的支持和交付流程带来的改进。我们捕获业务和技术指标,以得出推动持续改进方法的关键绩效指标 (KPI)。这些 KPI 包括客户净推荐值 (NPS) 的改进、自助虚拟助手的有效性以及主动检测和补救的问题数量。此外,我们还捕获了解决客户事件和相关流程效率低下的时间指标。
应对挑战以满足客户期望
IBM TLS 以多种方式为客户提供服务。我们为整个 IBM 基础架构的数据中心提供集成产品支持,并选择包含 AI 的合作伙伴产品以实现自助服务和交付。我们还提供有关受支持资产、风险和案例的 AI 洞察。我们通过旨在评估、部署和退役基础架构的产品和服务,帮助客户加速向其利益相关者交付 AI 解决方案。
根据我们与客户打交道的经验和专业知识,在产品支持方面,客户的主要优先考虑事项如下:
- 响应的客户体验。 实现可用的个性化自助服务访问、深度洞察和主动自动通知,从而提高我们客户的 SRE 效率。
- 高品质的服务和支持. 利用个性化背景下的多种案例见解,使我们的支持工程师能够提供更高质量的服务并最大限度地提高系统的可用性。
- 高效的服务和支持。 不断评估和提高我们的后端流程的效率,以加快响应速度并消除瓶颈。
人工智能和自动化(所有形式,包括基于 IBM Watson X 平台的最新生成模型)对于实现这些功能至关重要。但实施人工智能面临一些挑战,包括
- 管理基础设施、产品版本以及特定于实施的定制和集成的多样性带来的复杂性。
- 访问数据源的同时保持多语言、隐私和合规性考虑。
- 在处理对停机容忍度较低且可能产生巨大财务和监管影响的关键任务系统时,需要考虑人为因素。
IBM TLS 目前正在与 IBM CIO、软件和研究团队密切合作,以应对这些挑战。我们正在实施新颖且可扩展的方法来矢量化、排名和汇总大型产品文档。我们的目标是为实施检索增强生成 (RAG) 方法奠定基础,以通过自助服务渠道协助我们的客户,并使我们的工程师能够根据类似的历史案例来响应案例。
我们还实施了一致的测试框架、底层模型的有效性和准确性指标,以及基于客户、工程师和 LLM 的反馈循环,以持续改进。我们采用了一种平台方法,利用跨多个项目的通用代码,以及内部源代码和开源使用和贡献。
在 IBM TLS,我们的目标是利用 IBM 的经验并为其他面向客户的团队做出贡献,为客户在 AI 旅程中提供最佳实践和实施见解。
观看网络研讨会“IBM TLS + AI – 展望下一代支持”使用 TLS 优化您的 IT 基础架构
这篇文章有帮助吗?
是的不