¿No es seguro decir que la idea de “reemplazar la mesa de servicio/respuesta a consultas primarias con IA” es ahora una idea común? De hecho, lo que quiero hacer está claro. Queremos reducir el tiempo de espera, reducir la carga del operador, reducir el personal y nivelar la calidad de la respuesta. No hay ninguna objeción a este propósito.

Un error común es que a menudo se elige como método “dejar que RAG se coma todo”. Personalmente probé una configuración que ingresa registros anteriores, wikis internos e historial de chat al mismo tiempo, pero lo que obtuve no fue la eficiencia esperada, sino una producción en masa de respuestas aparentemente basura.

La conclusión es clara. El reemplazo parcial es posible, pero el reemplazo de SD sin el conocimiento del diseño de la operación tiene una alta probabilidad de falla. Y la mayoría de los fallos no se deben a errores en la selección del modelo. La calidad de los datos de entrada y el diseño de las responsabilidades operativas son inadecuados.

En el ámbito del service desk se requieren respuestas correctas y auditabilidad al mismo tiempo. Para lograr ambos objetivos, la única manera de lograr ambos es terminar con “conocimiento oficial aprobado y correcto para la organización”.

Conclusión primero

  • Incluso si ingresa todo el registro anterior, si la calidad es baja, simplemente buscará basura a alta velocidad y devolverá respuestas similares.
  • Incluso si se ingresa toda la información dentro de la organización, si el límite entre formal e informal es ambiguo, se convierte en un dispositivo para justificar respuestas incorrectas sin asumir el contexto oficial o las reglas de la organización.
  • Una estructura que responda sólo en términos generales va en contra de las reglas de la organización y no puede ser utilizada en el campo.
  • La verdadera solución es ejecutar un bucle KCS (Servicio Centrado en el Conocimiento) con asistencia de IA y aclarar la calidad de la fuente de referencia y el responsable.
  • La IA que no pueda hacer referencia al conocimiento oficial aprobado no se puede utilizar en la producción de la mesa de servicio.

¿Por qué falla “poner todo por ahora”?

1. Los registros de correspondencia pasada no son conocimiento en primer lugar.

Muchos registros de consultas se escriben para cerrar tickets en el campo. Si bien esto en sí mismo es correcto para fines comerciales, a menudo resulta insuficiente como conocimiento reutilizable.

  • Falta información de requisitos previos (dispositivo utilizado, autoridad, ruta de conexión, diferencia de entorno).
  • El objetivo es completar el ticket, y en casos extremos puede terminar con “correspondencia completada”. No está destinado a la reutilización.
  • Mezcla de abreviaturas y coloquialismos, y se basa en el conocimiento tácito del responsable.
  • La causa raíz y la solución provisional no están separadas.

Si se envía un registro en este estado a RAG, incluso si la búsqueda tiene éxito, la respuesta no será precisa. Esto se debe a que la IA puede complementar de manera plausible documentos que son ambiguos o incomprensibles incluso cuando los leen humanos, lo que da como resultado la creación de respuestas delirantes y poco realistas. Esto crea una situación problemática en la que la respuesta es rápida pero el problema no se resuelve. Incluso si cree que el mensaje es malo y trata de ajustarlo lo más que pueda, probablemente terminará en vano. Al menos a mí me pasó.

2. El ingreso completo de información interna causa “dilución oficial”

La configuración que permite a los usuarios leer “todos los wikis internos”, “todos los servidores de archivos” y “todos los registros de chat” es completa a primera vista. Sin embargo, en realidad, esto es similar a organizar información con diferentes grados de confiabilidad en la misma pantalla de búsqueda.

Normalmente ocurre lo siguiente:

  • Se buscan trámites oficiales (aprobados) y notas personales (no aprobados) en la misma columna.
  • Los procedimientos quedan obsoletos y entran en conflicto con los procedimientos más recientes.
  • El know-how temporal se confunde con un procedimiento permanente
  • Se produce una reversión cuando la fecha y hora de actualización del artículo son nuevas pero el contenido es antiguo.

RAG es bueno para “encontrar documentos”. Sin embargo, se debe crear un sistema separado para garantizar que el documento sea correcto para la organización.

3. Las generalizaciones sin conocer las reglas organizativas no se pueden utilizar aunque sean correctas.

Las IA con conocimientos formales insuficientes a menudo devuelven respuestas que son técnicamente correctas pero operacionalmente inviables.

  • Otorgar privilegios de administrador local
  • Relajación temporal de la configuración de seguridad.
  • Uso de nube externa a discreción individual.
  • Acceso directo a datos multifuncionales.

Incluso si la IA devuelve una solución general, será imposible de implementar si viola las reglas organizativas. En este momento, la IA de la mesa de servicio podría incluso convertirse en un dispositivo que justifique el incumplimiento de las reglas. No puede utilizarse como solución a problemas empresariales.

Ejemplos de fallas que ocurren en sitio

Ejemplo de error 1: Desvío debido a un error en la conexión VPN

  • Síntoma: “No se puede conectar a la VPN desde casa”
  • Respuesta de AI: “Inicialice la configuración de red del sistema operativo y reinicie”.
  • Real: la causa es la revocación del certificado en el lado de la infraestructura de autenticación y no se puede resolver en el lado del usuario.

¿por qué te despertaste? Esto se debe a que los registros anteriores contenían muchas “fallas temporales de dispositivos personales” y la IA se sintió atraída por ellos. Además, el procedimiento para “aislar fallas del lado del servicio” era débil como conocimiento oficial, por lo que no fue clasificado como uno de los mejores candidatos. Además, el contexto organizacional de “¿Está bien que los usuarios restablezcan la configuración de NW sin permiso?” no se tiene en cuenta en la respuesta.

Ejemplo de error 2: Proponer violación de regulaciones en una aplicación de software

  • Síntoma: “Quiero utilizar herramientas de análisis”
  • Respuesta de AI: “Descarga la versión de prueba tú mismo y comienza a usarla”.
  • En la práctica: las adquisiciones, la gestión de licencias y el control de equipaje de mano son esenciales para las organizaciones.

¿por qué te despertaste? Esto se debe a que los documentos oficiales sobre el flujo de adquisiciones fueron enterrados al hacer referencia a artículos generales externos y memorandos personales. Éste es un ejemplo típico de no poder separar “lo que se puede hacer” de “lo que está bien hacer”.

Ejemplo de error 3: Misma pregunta, la respuesta cambia cada vez

  • Síntoma: “¿Cuáles son los pasos para configurar el reenvío de correo electrónico?”
  • Respuesta de la IA: Depende del día.
  • Actual: la página de procedimiento de operación anterior y la página de procedimiento nueva coexisten

¿por qué te despertaste? Esto se debe a que no había metadatos que indicaran la “versión válida” (fecha de inicio válida, fecha de abolición, aprobador) y las respuestas variaban en las clasificaciones de búsqueda. Cuando se mezclan correos electrónicos personales y fragmentos de chat, aumenta la probabilidad de que una explicación informal tenga una clasificación más alta por casualidad.

Entonces, qué hacer: ejecutar el bucle KCS con asistencia de IA

La verdadera solución no es reemplazar KCS con IA. Acelerando KCS con IA.

¿Qué es KCS?

KCS (Servicio Centrado en el Conocimiento) es un concepto operativo que registra el conocimiento generado en el campo de la respuesta a consultas, lo reutiliza y continúa mejorándolo. Lo importante no es “escribir un documento después de resolver el problema”, sino incorporar la actualización de conocimientos en el acto de resolver el problema mismo. La razón por la que KCS está siendo reevaluado en la era RAG es simple: la calidad del destino de búsqueda determina en gran medida la calidad de las respuestas.

Cuento corto: viejo cuento, pero efectivo.

KCS es una idea que comenzó en 1992, mucho más antigua que la IA. Sin embargo, la razón por la que actualmente es eficaz es porque las cuestiones sobre el terreno no han cambiado esencialmente.

  • Hay un registro, pero no puedo leerlo.
  • Hay un documento, pero no conozco la versión oficial.
  • No actualizado y se pudre.

Cuando se incluye la generación de IA, estas tres cosas tienden a amplificarse en lugar de desaparecer. Por eso tiene sentido volver al sencillo pero irrompible molde KCS antes que nuevas características llamativas.

Configuración mínima para el funcionamiento de KCS

  • Captura: Estructurar y registrar síntomas, causas, contramedidas y condiciones aplicables al momento de responder consultas.
  • Estructura: Crear una plantilla y hacer que las condiciones ambientales, el rango objetivo y las prohibiciones sean elementos obligatorios.
  • Reutilizar: Consulte la siguiente consulta y presente la respuesta y la URL básica como un conjunto.
  • “Mejorar”: reflejar las diferencias en el funcionamiento real y continuar corrigiendo palabras ambiguas y procedimientos antiguos.

Ciclo de producción: nutrir las respuestas de la IA con conocimiento oficial

En el campo, es realista ampliar gradualmente el ámbito de aplicación en el siguiente ciclo.

  1. El usuario pregunta primero a la IA
  2. Si AI no resuelve el problema, escale al Service Desk (SD)
  3. Convierta los registros de correspondencia SD en conocimiento utilizando plantillas adecuadas para ser leídas por IA
  4. Agregue solo conocimientos oficiales aprobados y revisados a las fuentes de datos de referencia de IA.
  5. La tasa de respuesta primaria y la tasa de respuestas correctas de la IA aumentan con consultas similares

El punto clave de este ciclo es la acumulación de conocimiento que puede usarse para “aprobación” o respuestas oficiales, en lugar de “cantidad”. Utilice únicamente la “información aprobada”, no la “información registrada”, como fuente de datos para la IA. Si esto se rompe, la gama de respuestas se ampliará, pero no la precisión.

Áreas que se pueden dejar en manos de la IA

  • Agrupación de consultas similares
  • Generación de borradores de respuestas (con evidencia)
  • Señale los elementos que faltan (“Se desconoce el sistema operativo de destino”, “No se indican los requisitos previos de la autoridad”, etc.)
  • Presentación de candidatos para la integración de conocimientos duplicados.

Áreas donde los humanos deberían ser responsables

  • Juicio oficial/informal
  • Aprobación de procedimientos y decisión de suprimirlos.
  • Permitir el manejo de excepciones
  • Gestión de caducidad del conocimiento.

Incluso si intentas dejar esto en manos de la IA, la IA no podrá responder adecuadamente.

Puntos prácticos

En la práctica se deben tener en cuenta los siguientes puntos.

Lado de la operación del conocimiento

  • Definir quién creará y publicará qué tipo de conocimiento oficial y cuándo, y decidirá el esquema de creación y aseguramiento de la calidad.
  • Definir quién puede visualizar el conocimiento y decidir sobre los controles de acceso.

lado de la IA

  • Indique explícitamente a los estudiantes que justifiquen sus respuestas en la pregunta.
  • No permita el uso de fuentes no oficiales/no autorizadas en la generación de respuestas.

Operación mejorada

  • Determinar los medios para recopilar las respuestas incorrectas de la IA e incorporar la generación de conocimiento para la mejora en las operaciones normales.

Estos tres puntos pueden parecer abstractos, pero marcan la diferencia cuando se implementan. Los equipos que primero deciden “quién será el responsable” mejoran rápidamente, mientras que los equipos que no toman decisiones cometen repetidamente los mismos errores.

La respuesta a “¿Se puede reemplazar?”

Si me pregunta si una mesa de servicio puede ser reemplazada al 100% por un agente de IA, la respuesta actual es “no”. Sin embargo, si se desglosan los tipos de consultas y se establece un operativo que aclare las responsabilidades de conocimiento, La presentación de respuestas primarias, orientación fija y procedimientos estándar se pueden sustituir por completo.

En otras palabras, el punto en cuestión no es la inteligencia de la IA en sí.

  • ¿Qué conocimientos adoptar como oficiales?
  • ¿Quién garantiza la calidad?
  • ¿Quién te detendrá cuando cometas un error?

Sólo las organizaciones que puedan diseñar estos tres puntos podrán transformar a los agentes de IA de “sólo una herramienta de chat rápido” a “una fuerza empresarial”. Por el contrario, una organización que no tenga una operación de conocimiento oficial aprobada no podrá crear una mesa de servicio de calidad, sin importar cuán sofisticado sea el modelo.

resumen

La idea de que “si incluyes todos los registros, te volverás más inteligente” es una ilusión. La verdadera razón por la que la IA de la mesa de servicio está estancada no es la cantidad de conocimiento, sino la falta de gobernanza del conocimiento.

Lo que necesitamos hacer ahora no es una automatización total. Se trata de una operación discreta que utiliza asistencia de IA para ejecutar el ciclo KCS y cultivar el conocimiento oficial.

A medida que las organizaciones comienzan a aceptar esta modestia, la calidad de sus respuestas cambia visiblemente. Cuando se utiliza IA en una mesa de servicio, la máxima prioridad es siempre la misma. **Desarrollar continuamente conocimientos oficiales aprobados e institucionalmente correctos. **

Materiales de referencia