보스턴컨설팅에서 IT지원사항들을 자연어 처리(NLP)와 기계 학습(machine learning)의 AI를 이용해 옵션선택권과 유연성, 예측성과 효율성을 높일 수 있다는 내용입니다. 티켓방식의 IT지원 또는 운영부서에서 자동화를 한단계 넘어서기 위해 고민할 부분이 될 거 같네요. <지원티켓 분류: 7가지 유즈 케이스> - 지원 티켓 분류 개선(세분화된 분류 활성화 및 관련 티켓 연결) - 시스템, 사이트, 사용자 클러스터, 기타 기준별로 사고를 분류(다양한 유형 분석이 필요한 경우 티켓 분할) - 지원 티켓 우선 순위 구분 - 지원 티켓 스마트 리라우팅 활성화(실시간) - 지원팀 업무량 예측 - 지원 티켓에서 패턴을 감지 - 새로운 문제 감지(이전 사용 케이스에서 식별된 패턴을 사용해 문제가 다시 나타나는 시기나 뭔가 비정상 방식으로 작동하는 시기를 실시간으로 식별). 사고 예측 측면에서, 회귀 분석, 클러스터링, 의사 결정 트리, 딥 러닝 등을 포함한 기계 학습 알고리즘을 사용해 로그 데이터와 과거 사건 간의 상관 관계를 식별하고, 예측이 불가능한 것은 비지도 학습(unsupervised learning)알고리즘을 통해 데이터의 이상을 감지할 수 있다. 그리고, 인공 지능 작업에서 BCG는 종종 10/20/70 규칙에 대해 이야기한다. AI는 알고리즘이 10%, 기술이 20%, 비즈니스 프로세스 변환이 70%라는 것이다. 최대한의 이점을 얻으려면 알고리즘이 어떤 종류의 인사이트를 생성하는지 이해해야 한다. 그리고 이러한 인사이트를 활용하기 위해 프로세스와 조직에 어떤 변화를 줄 수 있는지 생각해야한다. 요컨대, 데이터 중심의 의사 결정은 이제 성장을 위한 핵심요소 이므로 통합되고 확장 가능한 데이터 아키텍처가 모든 회사의 할 일 목록에 포함돼야 할 것이다. *p.s: 본문의 번역본이 불편한 분들은 영문원본을 추천한다. - https://www.bcg.com/publications/2020/leveraging-artificial-intelligence-for-it-operations