작업 인텔리전스 탐색
머신 러닝 모델이 데이터를 학습하여 예측하고 중요한 결과를 달성하는 방법에 대해 작업 인텔리전스 자세히 알아보십시오.
작업 인텔리전스 개요
를 사용하면 작업 인텔리전스데이터와 상호 작용하는 머신 러닝 솔루션을 쉽게 설정할 수 있습니다. 그런 다음 솔루션이 생성, 편향, 분류, 정정 및 최적화 순간에 어떤 영향을 주는지 추적합니다. 자동화된 작업 생성, 분류 및 조사를 통해 에이전트는 정보를 받고 준비하는 시간을 단축하여 작업을 더 빠르게 진행할 수 있습니다. 이러한 모델을 사용하면 작업의 평균 해결 시간(MTTR)을 단축하여 보다 효율적으로 작업할 수 있습니다.
- 문제를 더 빠르게 해결하여 더 나은 서비스와 경험 제공
- 의미 있는 고부가가치 작업에 집중
- 오류율 감소 및 비용 절감
- 직관적인 경험을 통해 가치 실현 기간 단축
| 모델 | 애플리케이션 | 설명 |
|---|---|---|
| 인시던트 필드 예측 | ITSM용 Task Intelligence | |
| 유사성 모델 관리 | ITSM용 Task Intelligence | Create a similar records prediction model in Task Intelligence for ITSM |
| 케이스 필드 예측 | CSM용 작업 인텔리전스 |
범주화를 포함하여 케이스 양식의 출력 필드를 예측합니다. |
| 감정 예측 | CSM용 작업 인텔리전스 |
현재 및 추세 사용자 감정을 예측합니다. 주:
모델이 미리 학습되었지만 테스트 및 편집이 가능합니다. 감정 모델은 하나만 구성할 수 있습니다. |
| 언어 탐지 | CSM용 작업 인텔리전스 |
사용 중인 언어를 탐지합니다. 주:
모델이 미리 학습되었지만 테스트 및 편집이 가능합니다. 언어 탐지 모델은 하나만 구성할 수 있습니다. |
작업 인텔리전스 워크플로우
작업 인텔리전스 관리 콘솔 는 기계 학습 모델을 사용합니다. 모델은 통계적이며 과거 데이터로 학습하여 향후 데이터를 예측할 수 있습니다.
Admin Console을 사용하여 다음과 같은 다른 ServiceNow 기능 및 애플리케이션에서 자동화에 사용되는 예측 모델을 생성, 구성, 교육, 테스트 및 배포할 수 고객 서비스 관리(CSM)있습니다.
머신 러닝 모델 학습이란 모델이 과거 데이터의 패턴을 학습하여 새 데이터를 예측하는 상황을 뜻합니다. 모델은 패턴을 학습할 수 있도록 많은 데이터를 사용하여 학습되며, 대규모 데이터 세트는 학습된 패턴을 통계적으로 의미 있게 만듭니다. 정보 시스템, 비즈니스 프로세스 및 서비스 운영에 대한 질문에 답변함으로써 시스템은 사용자의 응답을 적극적으로 학습합니다.
작업 인텔리전스 이점
관리자에게 작업 인텔리전스 관리 콘솔 솔루션 배포를 작업 인텔리전스 위한 노코드 환경을 제공합니다. 원활한 경험을 통해 작업 생성, 편향, 분류 및 해결을 자동화하고 최적화할 수 있습니다.
기능은 두 가지 애플리케이션인 Task Intelligence for Customer Service및 ITSM용 작업 인텔리전스로 구현됩니다.
| 혜택 | 기능 | 사용자 |
|---|---|---|
| 자동 채우기 또는 제안으로 권장할 양식 필드 값을 예측합니다. | 필드 예측 모델 생성 | 관리자, 에이전트 |
| 언어 및 첨부 파일 컨텐츠를 기준으로 이메일과 케이스를 분류합니다. | Record categorization | 에이전트 |
| 이전 인시던트를 기반으로 인시던트 범주 및 우선순위를 예측하여 해결 시간을 단축합니다. | 인시던트 예측 모델 생성 | 에이전트 |
| 고객 서비스 케이스 중 초기 및 진행 중인 감정 분석 | Sentiment Analysis | 에이전트 |
| 고객 서비스 케이스를 생성하는 데 사용되는 언어 식별 | Language detection | 에이전트 |
| 모델의 성능을 분석하고 평가합니다. | 작업 인텔리전스 분석 및 모니터링 | 관리자 |