Эксперты Деснол: развитие ИТ невозможно представить без машинного обучения

Вместе с Евгением Парамоновым, руководителем Центра внедрения 1С:ITILIUM компании Деснол, разбираемся в трендах развития AI и машинного обучения применимо к системам управления сервисными процессами.

В современном бизнесе скорость обработки данных, точность прогнозов, основанных на аналитических данных, и автоматизация сервиса играют ключевую роль в принятии эффективных управленческих решений. Компании, которые эффективно используют искусственный интеллект и машинное обучение, получают значительное конкурентное преимущество. Технологии ML (Machine Learning) помогают бизнесу обрабатывать массивы данных, автоматизировать рутинные процессы, минимизировать человеческие ошибки и повышать качество обслуживания клиентов.

По данным аналитического отчета Федерального центра прикладного развития искусственного интеллекта, 60% опрошенных промышленных предприятий в России уже имели опыт или находились на стадии внедрения ИИ-технологий в 2024 году. Среди них 35% внедряли ИИ, а 25% находились на различных этапах внедрения. Годом ранее общий показатель применения генеративного ИИ был значительно ниже: лишь 20% крупных компаний, согласно совместному исследованию «Яков и Партнеры» и Яндекс, использовали машинное обучение.

Несмотря на интенсивное проникновение ИИ во все сферы бизнеса, российские предприятия продолжают сталкиваться с рядом сложностей при внедрении и использовании технологии, включая высокую стоимость затрат и дефицит соответствующих специалистов. На эти проблемы бизнеса обратили внимание исследователи Высшей школы экономики в октябре прошлого года. При этом, по данным статистического обследования, в 2023 г. большая часть компаний (из 2,3 тыс. организаций различных видов экономической деятельности) предпочитала покупать готовые отечественные программные продукты (лицензии) с использованием механизмов искусственного интеллекта.

«Думаю, эта тенденция сохранится и в 2025 г. Мы видим это по интенсивному росту продаж и спросу на наши продукты, в которых уже есть технологии машинного обучения. Думаю, в скором времени практически все компании, использующие ITSM/ESM-подходы для повышения эффективности сервисных процессов, будут применять искусственный интеллект», — говорит Евгений Парамонов.

Уже сегодня мы можем констатировать пользу для бизнеса при применении ESM-подхода с использованием ML: автоматические создание документов из скан-копий и заполнение первичной документации, анализ и сравнение документов, поиск несоответствий в формулировках или шаблонах — все это закрывает ряд задач юридического, финансового или HR-департамента.

Быстрая подготовка справочной информации и ответов на распространенные вопросы со ссылками на внутреннюю документацию компании разгружает колл-центр и линию техподдержки. Делегирование искусственному интеллекту (ИИ) заполнения стандартной документации фактически любого подразделения минимизирует риски опечаток и ошибок по невнимательности. И если 100% доверия в этом вопросе к AI (Artificial Intelligence, — искусственному интеллекту) все еще нет, то при постоянном обучении генеративной модели со временем можно полностью исключить количество ошибок.

Приведем пример использования машинного обучения в ITSM/ESM-решении 1С:ITILIUM. Разберемся, как машинное обучение улучшает рабочие процессы, почему оно становится незаменимым инструментом для бизнеса и как меняет представление об управлении ИТ-инфраструктурой компаний любого масштаба.

Веб-портал учится и работает вместе с вами

Хорошим примером применения ML в ESM становится веб-портал 1C:ITILIUM (до 2024 года — Итилиум). Веб-портал — платформа для взаимодействия между исполнителями услуг и заказчиками, обеспечивающая управление сервисами внутри компании. Благодаря встроенному модулю машинного обучения пользователи получают ответы на популярные вопросы и используют готовые инструкции для самостоятельного устранения неполадок. Система анализирует историю обращений, предлагая персонализированные рекомендации, что позволяет оперативно решать типовые проблемы.

Повышенная скорость подачи и исполнения заявок

Благодаря машинному обучению повышается эффективность обработки заявок и запросов. Это сокращает нагрузку на сотрудников, снижает вероятность ошибок в заполнении форм и исключает неверный выбор исполнителя. Так, в 1С:ITILIUM автоматическая категоризация заявок сокращает количество ручных операций, что значительно ускоряет процесс подачи и выполнения заявки.

«В среднем автоматизация обработки заявок в 1С:ITILIUM позволяет экономить 2-3 минуты при каждом обращении, что в пересчете на месяц дает более 20 часов дополнительного рабочего времени.При этом благодаря ML-алгоритмам исполнители назначаются на заявки моментально. Это сокращает время реакции службы поддержки. А быстрое устранение неполадок напрямую влияет на позитивный клиентский опыт», — отмечает Евгений Парамонов.

Интеллектуальное распределение нагрузки

Машинное обучение помогает автоматически распределять заявки между сотрудниками, снижая их загрузку, и при этом контролировать количество задач у каждого исполнителя. Это позволяет менеджерам сосредоточиться на управлении, а рядовым сотрудникам предотвратить перегрузку от количества задач, что в конечном счете напрямую влияет и на HR-бренд, и на эффективность конкретной бизнес-единицы, использующей решение для автоматизации сервиса.

Анализ и предсказание тенденций

Системы ML способны анализировать данные и прогнозировать потенциальные проблемы. Например, анализ частых сбоев в работе систем или сервисов помогает заранее выявить слабые места и устранить их до возникновения критических ситуаций, а значит, минимизировать простои оборудования и сбои в работе торговых точек или офиса компании.

«В 2025 году машинное обучение становится не просто инструментом автоматизации, а фундаментом для интеллектуального управления бизнес-процессами. Мы видим, как компании все активнее используют мультимодальные модели, AutoML и встроенные ML-решения для ускорения обработки данных и улучшения клиентского опыта. Будущее корпоративного сектора — это интеграция ML во все ключевые процессы: от предиктивного анализа до адаптивного управления сервисами, и мы уверены, что уже в ближайшие годы применение машинного обучения станет стандартом в любых сервисных процессах», — считает Евгений Парамонов.

Кстати, а вы знали, что на «Сделано у нас» статьи публикуют посетители, такие же как и вы? И никакой премодерации, согласований и разрешений! Любой может добавить новость. А лучшие попадут в телеграмм @sdelanounas_ru. Подробнее о том как работает наш сайт здесь👈