Atlassian企业日技术分享：AI在ITSM中的创新实践与应用、Jira服务管理平台AI功能介绍

本文主要是介绍Atlassian企业日技术分享：AI在ITSM中的创新实践与应用、Jira服务管理平台AI功能介绍，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

2024年5月17日，Atlassian中国合作伙伴企业日活动在上海成功举办。活动以“AI协同创未来——如何利用人工智能提升团队协作，加速产品交付”为主题，深入探讨了AI技术在团队协作与产品交付中的创新应用与实践，吸引了众多业内专家、企业客户及技术开发者的积极参与。

龙智高级咨询顾问、Atlassian认证专家叶燕秀带来《ITSM的AI进化：智能化服务管理与客户体验升级》的主题演讲，探讨如何充分利用先进的AI技术，实现服务管理的高效升级，深度优化客户体验，并为企业持续增长创造更大的价值。

以下为演讲回顾（内容有精简优化）：

大家下午好！首先，衷心感谢各位参加今天的Atlassian合作伙伴企业日。上海龙智数码作为DevSecOps解决方案的领军者，致力于通过整合Jira、Confluence、Jira Service Management以及其他一些安全质量领域的先进工具，为客户提供大规模、敏捷、安全、开放式的软件开发与运营服务。作为Atlassian的全球白金合作伙伴，我们与Atlassian共同成长已达十年之久，公司拥有21个通过ACP认证的专业人员，其中两名更是Atlassian认证专家。我们也是大中华区首家通过认证的云专业伙伴。

今天，我想与大家深入探讨Atlassian服务管理平台如何助力智能化服务管理，进而提升客户服务体验。

在当前服务为王的时代背景下，尤其是在疫情催化下，远程办公与数字化运营成为主流。IT服务管理的重要性愈发凸显，既要确保系统的安全与稳定，又要提供高效、敏捷的远程服务支持。

在与众多客户，特别是支持团队的沟通中，我们了解到他们在转型过程中面临的挑战。他们每天面对大量的服务请求，但处理效率低下，往往依赖传统的电子邮件方式沟通，缺乏有效记录。工单分类与派发完全依赖人工，知识库利用率低，SLA达成率低等等，导致客户满意度不高。

面对这些挑战，我们如何打破僵局，从被动服务转向主动服务？答案在于搭建现代化的IT服务管理平台，借助智能化解决方案迅速响应问题，减轻人工压力，并且灵活调整内部的服务策略和流程，以应对不断变化的需求和挑战。

现代化的IT服务管理平台

在提升服务效率与质量的过程中，一个核心策略就是实现服务的左移。这意味着我们要在用户遭遇问题之前，尽可能通过自助服务的方式帮助他们解决问题。对于内部支持团队而言，这不仅能让他们迅速掌握问题背景，还能加速问题的诊断与解决过程。

因此，我们的第一步是构建一个以知识为中心的自助服务台。这一平台与企业的内部知识库紧密相连，知识库中包含了用户常见问题、解决方案以及操作指南。用户无需等待人工支持，只需登录服务平台，输入自己想要查询的内容。

Jira的服务平台借助Smart-Graph Search智能图搜索的技术，能够解析用户的自然语言，精准推送相关的知识库文档，帮助用户自助解决问题。对于复杂的问题，用户也可以方便地一键提交人工工单，这些工单会根据类型、紧急程度、所属模块等，被分配到不同的服务队列中。支持人员可以高效、有序地处理这些待办工单。同时，由于服务平台与知识库相通，支持人员也能迅速找到相关文档，借助企业积累的知识快速解决类似的问题。对于之前未有相关文档的问题，支持人员也可以快速新建知识库文档。这些文档将在后续遇到类似问题时发挥作用，帮助减轻支持团队的负担。

在搭建整个以知识为中心的服务平台的过程中，我们可以通过系统提供的报表分析功能，了解知识库的利用率以及用户通过知识库自助解决问题的数量，也就是整个自助服务平台的效率，从而不断调整和优化知识库的搭建。

这里很重要的一个关键点是建立以知识为核心的服务团队。借助自助管理平台，用户不需要等待人工的支持，他们可以直接通过知识库中成熟且已经过验证的解决方案，来自助解决问题，从而显著提高用户问题解决的效率和质量。有了这样的自助频道后，人工工单的数量也会大大减少，支持团队不必再耗费人力去回答重复性的、简单的问题，而能够专注于更高价值或更复杂的问题，以此降低企业IT部门的成本。

此外，提供优秀服务台的另一个关键是效率。自动化是提高效率的另一个重要手段。在运维过程中，许多重复性或低价值的任务可以交由系统自动化完成。这样的服务管理平台，能够提供一套自动化编码和构建器，整个逻辑也非常简单，只需定义触发事件及其条件，系统便能自动执行相应的操作。

我们来看一些实际使用的场景。

比如说，一个工单提交上来超过15分钟无人响应，我们的系统就可以自动发送通知给相应的团队，提醒他们及时认领并处理。

对于紧急或即将超期的工单，我们同样可以向团队的负责人发送提醒，确保问题得到及时处理。

此外，我们也可以借助自动化去自动关闭已经解决但是未关闭的工单。通常，团队解决完工单后，是交由最终的用户去做验证并关闭。但用户常常在验证后不会手动点击关闭，这就导致很多已处理完成的工单堆积在我们的服务队列里。对此，我们可以设定一个自动化规则，当工单已经解决但用户忘记关闭时，系统可以自动检索这些工单，并在超过一定期限（如5天）后自动关闭，同时向用户发送邮件通知，告知问题已解决。如果后续有其他问题，可以随时重新打开工单。

另外，我们还可以通过自动化的规则去关闭一些关联的工单。例如，当服务台收到一个由产品缺陷引起的问题单时，它可以与研发项目中的缺陷关联。一旦缺陷被修复并发布，相应的问题单也可以自动关闭。

自动化规则还能帮助我们实现多种逻辑和业务场景。比如自动工单分配，可以根据工作量或轮流方式自动分配工单给团队成员；当用户对已关闭的工单进行答复时，系统可以自动重新打开工单，并根据最后回复者的角色更新工单状态；我们甚至可以定期自动发送提醒邮件，或在涉及审批时自动批准或拒绝。

发挥人工智能与人类协作的力量改变团队合作

结合自动化功能和知识库，我们其实已经大大改善了用户的服务体验。但在AI时代的大背景下，如何结合人工智能和团队的力量进行协同工作，从而让服务管理更加智能化，进一步升级客户服务体验呢？

▎解锁答案：虚拟Agent & AI 回答

首先，对于我们的最终用户来说，借助Atlassian推出的虚拟智能助手——Atlassian Intelligence，能够快速进行答案的解锁。这个AI助手结合了人工智能和自然语言处理技术，可以通过对话的方式理解用户问题，并24小时在线实时响应，提供对应的解决方案。让用户可以使用自己更加喜欢和熟悉的工作方式，来寻找对应的答案。

我们也可以直接在聊天对话框中发送需求，AI助手会自动答复。如果问题在知识库中已经有标准答案，AI助手就会推送相应的文档链接，我们就可以直接通过知识库文档解决问题。

当我们的问题不能直接从知识库文档中找到标准的解决方案时，AI助手会通过对话的方式来协助解答。例如，当我们想要访问Jira Service Management项目时，AI助手会首先确认是否确实需要访问权限，并引导用户选择具体项目（如“IT Service Task”）和所需的权限类型（如“admin”）。当选择“admin”权限时，AI助手会告知我们这一权限需要的审批流程，并自动创建相应的工单，以便后续跟踪授权进度。

整个的交流过程非常人性化，工单的创建也完全由AI智能助手完成，无需人工干预，极大地改善了我们的用户体验。

在后台，系统还会实时记录AI智能助手的工作情况，包括与用户的对话次数、匹配率、通过AI解决的问题百分比以及用户满意度反馈等。这些报告分析有助于我们了解AI智能助手的性能，并根据需要进行训练和优化，以提高其对用户自然语言的理解能力，进而处理更多重复性或低价值的问答。

▎加速工作：AI长篇总结 & AI智能编辑

对于内部的支持团队而言，AI可以帮助我们加速工作。

首先，当用户提交工单后，系统会自动推送与当前问题相似的历史工单，包括之前处理过的问题、事件单或变更单等。通过查看这些相似请求，团队可以快速识别并关联重复工单，避免重复劳动。另外，支持人员也可以借鉴过去问题的解决方案，以更快速地解决当前问题。

此外，AI的长篇总结功能也极为实用。当支持人员需要把一个多次沟通过的工单转给另一个同事代为处理的时候，这个同事往往需要花费大量的时间阅读整个对话，以了解问题背景和之前的沟通情况。现在，只需点击长篇总结，AI就能自动提取问题要点、纠错步骤、结果以及推送过的知识库文档等信息，从而帮助新的支持人员快速了解问题的上下文，加速问题的调查和解决。

最后，介绍一下AI智能编辑功能。我们在进行用户答复时，其实有许多AI工具可以帮助我们处理优化输入的自然语言，也可以有多种选择模式，比如头脑风暴、总结精简化内容，或者改变整个答复的语调。此外，AI还能协助我们进行语法纠正，确保表述的准确性。这对于那些使用非母语（如英文）进行工作的团队来说尤为有用，AI可以帮助我们的英文表达更地道，也让我们的工作更加高效和专业。

除了答复时的智能编辑功能，当我们需要将问题沉淀到知识库时，也能利用AI快速生成文档草稿，加速知识库文档的创建。这对于我们的内部支持团队来说，无疑可以有效提升我们的工作效率。

▎项目配置：自动生成自动化规则 & 请求类型和表单

对于Jira的管理人员来说，AI同样可以帮助大大减轻工作负担。

我们知道，以往在Jira中创建项目时，通常要投入大量时间和精力去设计和配置。然而，现在通过AI功能，我们可以简化这一流程。比如前面提到，我们可以在Jira系统中搭建自动化的规则，包括设置触发器、条件和动作等，尽管这些规则的逻辑相对简单，但配置过程仍然比较繁琐。而现在，AI提供了更便捷的方式：我们只需将需求以自然语言的形式输入系统，它就能自动生成相应的规则。比如，如果我希望某个任务完成时，与之关联的其他任务也自动完成，我只需描述这一需求，系统就会为我生成相应的自动化规则。并且，我们还能在此基础上进行修改或替换。