Como parte de nossa série de artigos relacionados a métricas, destacamos nesta edição como a inteligência artificial ajudará a aliviar o volume de tickets e liberar tempo da sua equipe. Entendemos que com técnicas e métricas específicas dentro do mundo do Machine Learning, a Inteligência Artificial tem um real potencial de revolucionar os serviços de TI.

Nesta edição, o HDI destaca um indicador-chave de desempenho (KPI) para serviço e suporte que têm sido amplamente debatido: Inteligência Artificial. Aqui, o objetivo é trabalhar as métricas de IA, e não falar do conceito apenas. Nesse artigo, definimos a escolha desse KPI, fornecemos dados de benchmarking recentes para a métrica e discutimos as principais correlações e relações de causa e efeito para tal. O objetivo é familiarizá-lo com os indicadores-chave de desempenho que realmente importam para sua organização e fornecer a você uma visão prática sobre como aproveitar esses KPIs para melhorar seu desempenho operacional. 

Nesta edição, em vez de discutir uma única métrica, discutirei as métricas da inteligência artificial e também como você pode medir a eficácia de sua tecnologia de IA.

Como definimos inteligência artificial?

Não faz sentido discutir as métricas da inteligência artificial a menos que primeiro definamos o que queremos dizer com IA. Muito do que passa por IA hoje é simplesmente inteligência humana disfarçada para parecer inteligência artificial. Algumas das ferramentas de IA mais conhecidas do setor nada mais fazem do que ler artigos de conhecimento e, em seguida, contar o que leram.

Isso não é IA e certamente não é Machine Learning. Testemunhei pessoalmente mais de 100 demonstrações de ferramentas de IA nos últimos anos. Só recentemente essas demos me convenceram de que estamos em um ponto de inflexão com a IA. Existem agora demonstrações confiáveis ​​de ferramentas de IA que não apenas excedem a capacidade dos especialistas humanos, mas também ficam mais inteligentes com o tempo.

O verdadeiro teste de qualquer ferramenta de IA para serviço e suporte é o seguinte: sem intervenção humana, a ferramenta reduzirá os volumes de tíquetes, resolverá problemas mais rapidamente, diminuirá o custo total de propriedade (TCO) e melhorará a experiência do cliente? Se marcar todas essas caixas - e ficar mais inteligente com o tempo - então é a verdadeira IA, com tecnologia de Machine Learning.

AS MÉTRICAS DE IA

A definição acima nos dá uma boa visão sobre as métricas de IA porque podemos medir os volumes de tíquetes, os tempos de resolução, o TCO e a experiência do cliente. Uma ferramenta de IA eficaz moverá o ponteiro em todas essas métricas - sem intervenção humana.

VOLUME DE TICKETS

Especificamente, os tickets por usuário por mês diminuirão com uma ferramenta de IA eficaz. A média atual de abertura de tickets por usuário por mês é de cerca de 1,1 tickets no nível 1 e 0,5 tickets para suporte de desktop. As ferramentas de IA mais eficazes reduzem esses números, às vezes de forma bastante significativa. Reduzir os tickets por usuário por mês em 50% ou mais não é incomum com uma ferramenta de IA eficaz

TEMPOS DE RESOLUÇÃO

O tempo médio de resolução (TMR) é uma métrica realmente comum e muito utilizada para o tempo de resolução. O TMR é principalmente uma métrica de nível 2+. É comumente rastreado para suporte de desktop, nível 3 de TI, suporte de campo e suporte do fornecedor, mas não no nível 1. No nível 1 (a central de serviços), a taxa de resolução do primeiro contato (FCR) é a métrica de tempo de resolução mais comum e utilizada. Seja para suporte de nível 1 ou suporte de nível 2+, a IA eficaz melhorará ambas as métricas: o TMR diminuirá e o FCR aumentará. Dependendo do seu ponto de partida, a redução no TMR e o aumento no FCR podem, mais uma vez, ser bastante significativos. Reduções de 50% ou mais no TMR e aumentos de mais de 20 pontos percentuais no FCR não são incomuns.

CUSTO TOTAL DE PROPRIEDADE (TCO)

Todos nós sabemos que o melhor ticket é aquele que nunca foi aberto. A IA eficaz torna isso realidade detectando e corrigindo problemas preventivamente antes que se tornem tickets. Com algoritmos de mineração de dados de IA, agora é possível operar no Nível -2 no espectro de deslocamento para a esquerda (ilustrado na Figura 1 abaixo). Essa capacidade de “pesquisar e destruir”, que não era possível antes do advento da IA, reduz o TCO ao reduzir o volume de tickets e economiza tempo e dinheiro dos clientes corporativos, evitando muitos tickets por completo.

*Tradução da Figura 1 - O poder da proatividade / prevenção (shift-left)

Nível -2 (Search and Destroy) = Procurar e destruir o problema automaticamente

Nível -1 (Incident Prevention) = Prevenção de Incidentes (custo de resolução: USD 0,00)

Nível 0  (Self-help) = auto-ajuda (custo de resolução): USD 2,00)

Nível 1  (Service Desk) = Service Desk / Centro de Suporte (custo de resolução: USD 22,00)

Nível 2  (Desktop Support) = Desktop Support / Suporte ao Desktop (custo de resolução: USD 59,00)

Nível 3 (IT Support) = Especialistas / sistemas / infra (custo de resolução: USD 104,00)

Field (Field Support) = Suporte em Campo / Field Services (Custo de resolução: USD 221,00)
Vendor (Vendor Support) = Suporte Fabricante (Custo de resolução: USD 599,00)

Obs: valores em dólares americanos, abordados na pesquisa norte-americana do HDI de Melhores Práticas 2020.

EXPERIÊNCIA DO CLIENTE

Os clientes são muito sensíveis ao FCR e ao TMR. Melhorar essas métricas com IA - reduzindo o TMR e aumentando o FCR - tem o efeito de produzir uma experiência do cliente de maior qualidade. Você pode ler mais sobre a experiência do cliente aqui. Os dados de benchmarking estabeleceram definitivamente a relação de causa e efeito entre TMR, FCR e a experiência do cliente. Quando o TMR (Tempo Médio de Resolução) diminui e o FCR (First Call Resolution) aumenta, a experiência do cliente melhora.

Uma lista completa de métricas que são impactadas pela IA é mostrada na Figura 2 abaixo.

Estudo de caso do setor

Como mencionei acima, compartilharei um estudo de caso de uma grande seguradora que aproveitou a IA para buscar melhorar o TMR e reduzir o TCO. Suas métricas de deslocamento para a esquerda em busca das auto-resoluções (resolver até o N -1) antes e depois da implantação da IA ​​estão resumidas na Figura 3 abaixo. Como você pode ver, seu desempenho alimentado por IA melhorou substancialmente as métricas de deslocamento na direção do auto-reparo e resolução preventiva.

Embora o custo por tíquete dessa empresa tenha aumentado em cada nível, seu custo total de propriedade diminuiu drasticamente devido à grande redução no volume de tíquetes - de 1,91 a 1,02 tíquetes por usuário por mês no nível 1 e de 0,52 a 0,31 tíquetes por usuário por mês no suporte de desktop.

A Figura 4 abaixo resume o TCO da seguradora antes e depois da iniciativa. Essa organização de suporte reduziu seu TCO de $ 116 milhões anuais para $ 79 milhões anuais, uma economia impressionante de $ 37 milhões em apenas um ano!

Principais vantagens

Estamos na infância da IA ​​e a tecnologia continuará a evoluir por muitos anos. A IA foi, e continuará a ser, um disruptor na indústria. Inicialmente, ele eliminará a necessidade de suporte de itens corriqueiros resolvidos por analistas - pense em Microsoft Office, Windows, redefinições de senha e outros problemas facilmente resolvidos. Então, como o aprendizado de máquina torna cada implantação de IA progressivamente mais inteligente, até mesmo o suporte mais complexo fornecido pelos analistas de hoje, de contato direto com o cliente, será substituído por bots mais inteligentes. No entanto, a maioria dos agentes vê a IA e a automação como algo bom, porque transformará as carreiras para melhor.

Assim como os atuais trabalhadores da linha de montagem da indústria automobilística são engenheiros monitorando telas de computador enquanto os robôs realmente constroem os carros, o técnico de suporte do futuro se tornará um engenheiro de suporte que monitora, coordena e dirige os esforços dos bots de IA. Para os melhores e mais talentosos do setor, o futuro dos serviços e suporte de TI nunca foi tão brilhante!

* Jeff Rumburg é o sócio-gerente e co-fundador da MetricNet, LLC. MetricNet é a principal fonte de benchmarks e métricas para serviços de TI e profissionais de suporte em todo o mundo, grande parceira do HDI em diversos projetos.