产品定位
AI Service Desk Copilot 不会取代 ITSM 系统。它成为请求、知识库、法规和决策历史之上的知识层。该产品可帮助您快速了解发生了什么、将任务分配给谁、要准备什么响应以及要使用哪些知识库文章。
这样的模块在大型组织中尤其有价值，在这些组织中，支持处理数千个标准和非典型请求，并且服务质量取决于分类速度、上下文的完整性以及对 SLA 的遵守。
为客户带来的好处
减少负载 L1
典型的请求分类速度更快，接收草稿响应，并且需要更少的手动搜索。
SLA加速
操作员快速了解优先级、类别、类似事件和可能的解决方案。
一致的响应质量
答案基于知识库和法规，而不仅仅是特定专家的经验。
知识库的开发
反复出现的请求会转化为文章、提示和支持流程的改进。
该模块可以做什么
接待与分类
识别请求主题、类别、优先级、可能的路线和缺失的数据。
操作提示
生成响应草案、建议诊断步骤、搜索类似事件和相关文章。
支持知识库
使用 RAG 来获取法规、说明、常见问题解答、请求历史记录和内部文档。
SLA 和质量
帮助监控状态、升级、问题重现、活动日志和响应质量。
集成
| 环境 | 我们连接什么？ |
|---|---|
| ITSM 和任务跟踪 | Jira、Naumen、ServiceNow、1C ITIL、内部服务台和票证系统。 |
| 请求渠道 | 企业门户、Web 界面、邮件、Telegram/Web、内部机器人。 |
| 知识库 | Confluence、法规、支持说明、常见问题解答、内部门户和文件存储。 |
| 报告 | SLA 指标、类别、请求原因、可重复问题和处理质量。 |
我们如何实施
Discovery
我们修复了业务流程、数据源、用户角色、网络安全限制、收益标准和第一个场景。
MVP
我们在有限循环中启动工作模块，连接数据、角色、日志、接口和质量控制。
Pilot
我们测试对真实用户的效果，设置规则，完成集成并准备运营。
Scale
我们在不破坏平台核心的情况下将该模块扩展到新的单位、来源、角色和场景。
企业管控
数据尽在掌握
源、权限、日志和限制在架构级别固定，而不是在启动后添加。
集成
模块连接到 ERP、1C、SAP、DWH、EDMS、Service Desk、GitLab、Jira、Confluence、门户和内部 API。
可验证性
答案和操作应该是可解释的：来源、版本、日志、处理状态和流程的责任所有者。
缩放
以下每个场景都使用平台核心：角色、模型、RAG、日志、连接器和安全规则。
AI服务台基础设施
Service Desk AI 处理请求、SLA、知识库和决策历史记录，因此它需要可靠的环境：生产 API、日志记录、任务队列、监控、备份和对源的安全访问。
常见问题
是否有必要改变现有的ITSM？
不会。通常该模块构建在当前的票务系统和知识库之上。
AI 会自行关闭请求吗？
在关键流程中，人工智能会准备提示和草稿，由操作员或流程所有者做出决定。
它可以用于人力资源和财务支持吗？
是的。该逻辑适用于任何具有请求、法规、知识库和 SLA 的内部服务。
企业产品包装
AI Service Desk Copilot 作为 RESTART AI 企业平台的一个模块提供：具有明确的职责范围、业务流程所有者、数据模型、集成、角色、日志、试点标准和生产计划。这对于 CIO 和 CISO 来说非常重要：该模块并不独立于企业架构，而是集成到 IT 环境、安全、运营和变更管理中。
商业效果
成功标准是在试点之前制定的：时间、质量、人工工作量的减少、响应速度、数据的完整性或过程的可控性。
集成
该模块连接到客户系统：ERP、1C、SAP、BI、DWH、EDMS、服务台、Git、门户、邮件、文档和内部 API。
网络安全与合规
角色、源、循环、日志和数据的分离是在架构级别考虑的，而不是在启动后添加。
缩放
在第一个成功的场景之后，该模块可以扩展到新的部门、文档、流程、用户和区域。
如何展示每个飞行员的价值
选择一个进程
不要试图立即将所有事情自动化：选择一个具有可以理解的痛苦、所有者和可衡量结果的流程。
连接数据
收集有限但真实的文档、应用程序、报告、代码、法规或历史请求。
与用户核实
开展工作场景试点，收集反馈，调整答复质量，管控争议案件。
设计产业画像
修复架构、角色、法规、SLA、监控、支持和开发路线图。
让我们讨论一下您的环境
描述任务、当前系统、约束和预期结果。我们将提供实用的第一步：诊断、试点、审计、路线图或项目团队。
