M42 Intelligence Similarities and Classification (tidigare Effie AI Ticket , Virtual Coach ) är en licensierbar ytterligare funktion som finns tillgänglig i Efectes molninstallationer och hjälper ESM-användare att hitta relevant information och arbeta mer effektivt med hjälp av befintlig data.

För närvarande har M42 Intelligence Similarities and Classification tre funktioner som kan konfigureras av administratören:

• Liknande innehåll ger ESM-användare en lista över punkter som M42 Intelligence Similarities and Classification anser vara relevanta för det öppna datakortet.
• Förslag gör det möjligt för ESM-användare att fylla i ett konfigurerat fält av en referenstyp med ett värde som föreslås av M42 Intelligence Similarities and Classification . Detta kan användas för att klassificera datakort.
• Kopiera används för att fylla datakort snabbare genom att kopiera flera värden på ett datakort som redigeras från ett liknande innehållsobjekt.

M42 Intelligence Similarities and Classification måste konfigureras separat för de mallar där det behövs. Maximalt 5 mallar kan definieras. M42 Intelligence Similarities and Classification kommer endast att vara tillgängligt i användargränssnittet när man arbetar med dessa konfigurerade datakort om användaren har aktiverat det i sina användarinställningar.

Konfigurationen av funktionerna görs på ESM:s administratörssida. För att komma åt inställningarna, gå till Administration → Underhåll → Systeminställningar → Inställningar Virtual Coach .

Först måste M42 Intelligence Similarities and Classification aktiveras. Det finns en statuslampa som indikerar om programvarukomponenterna som behövs för M42 Intelligence Similarities and Classification fungerar eller inte. Om lampan lyser rött fungerar inte alla komponenter korrekt och du bör kontakta Efectes Service Desk .

M42 Intelligence Similarities and Classification

Funktionen M42 Intelligence Similarities and Classification är byggd ovanpå ESM-användargränssnittet men förlitar sig på en separat AI-komponent. AI-komponenten har två huvudfunktioner:

Förslagsmodell

När M42 Intelligence Similarities and Classification har konfigurerats kommer den att tillämpa attributparametrarna för att bygga en statistisk modell som kan användas för att klassificera ärenden. Om det är något fel med modellen som kategoriseringsmotorn har byggt för en given mall kommer ett fel att visas i konfigurationsvyn. Om felet inte försvinner inom några timmar efter konfigurationen har modellen misslyckats och du bör kontakta Efecte Service Desk . Förslagsmodellen återuppbyggs alltid när en konfiguration sparas, så nya datakort beaktas inte automatiskt i modellen. Att återuppbygga modellen kan ta upp till 30 minuter, beroende på mängden data i systemet. 

Sökindex 

Sökningen efter liknande innehåll använder ett index som M42 Intelligence Similarities and Classification bygger med hjälp av de konfigurerade attributen. När användaren har ett datakort öppet kommer M42 Intelligence Similarities and Classification att analysera fälten baserat på de attribut som har definierats och ge resultat som den anser vara relevanta. Sökindexet uppdateras varje gång ett datakort sparas.

Felsökning av komponenter

Statusen för förslagsmodellen och sökindexet visas i konfigurationsgränssnittet. Om det finns fel, följ dessa steg:

1. Se till att du har minst 5 datakort i systemet med värden i attributen Sök och Förslag.

2. I produktionssystem med tusentals datakort per konfigurerad mall kan det ta upp till 30 minuter att bygga upp förslagsmodellen. Sökindexet byggs alltid på några minuter. Om felet kvarstår efter 30 minuter och konfigurationen har gjorts med attribut som innehåller tillräckligt med data, är det något fel med AI-komponenten och du bör kontakta Efectes Service Desk .

Analysera miljön

M42 Intelligence Similarities and Classification används bäst när det används för mallar som redan har tusentals datakort i systemet. Tänk på följande användningsfall innan du konfigurerar:

Vilka befintliga data kan vara användbara när användare arbetar med ett datakort? 

Använd konfigurationen för liknande innehåll för att tillåta M42 Intelligence Similarities and Classification att söka efter relevanta objekt, till exempel historiska incidenter, genom att analysera vissa fält (t.ex. ämne och beskrivning) för att hitta incidenter som kan innehålla relevant information för att lösa den aktuella incidenten (t.ex. lösning eller relaterade incidenter ). Denna information kan vara användbar vid lösande av återkommande problem eller vid onboarding av nya medarbetare .

Var förloras mest tid när man väljer mellan flera möjliga värden? 

Förslag kan hjälpa användare att spara tid med varje datakort de arbetar med. De låter användaren snabbt välja de mest lämpliga värdena utan att behöva bläddra igenom möjliga värden i till exempel kategorier – istället föreslås sannolika värden för attributet i det övre högra hörnet, och de kan enkelt väljas där genom att klicka. Dessutom filtreras resultatmängden efter valet vid klick.

Först, titta på befintliga data och se vilken typ av datamängd som finns tillgänglig med önskat förslagsattribut. Om till exempel kategori används, finns det kategorier som 1) inte längre är relevanta, 2) överlappande eller 3) över- eller underrepresenterade? Värden som är vanligast är i allmänhet mer benägna att föreslås av M42 Intelligence Similarities and Classification , men det faktiska resultatet kommer alltid att bero på värdena för sökattributen på det öppna datakortet samt hela datamängden och konfigurationen.

Vilka befintliga data skulle kunna återanvändas med nya datakort?

Använd Kopiera för att återanvända värden från ett liknande innehållsobjekt. På så sätt kan användarna fylla i nödvändig information snabbare eftersom de kan fylla i upp till tre fält med befintlig data med ett enda klick.

Datakrav

En viktig aspekt av att konfigurera M42 Intelligence Similarities and Classification är typen och mängden data som är tillgänglig. Resultaten från M42 Intelligence Similarities and Classification kan bara vara så bra som datamängden tillåter. Här är några uid för de data som bör beaktas innan konfigurering:

Använd M42 Intelligence Similarities and Classification för:

• Miljöer som har mycket data (minst 5000 datakort för varje mall där M42 Intelligence Similarities and Classification önskas användas)
• Objekt med mänskligt genererat innehåll och naturligt språk
• Miljöer som använder någon form av kategorisering eller klassificering
• Datakort som har korrekta val
• Analysera objekt som vanligtvis innehåller minst fem ord
• Analysera problem som är återkommande i sin natur

Använd inte M42 Intelligence Similarities and Classification för:

• Maskingenererade objekt där majoriteten av innehållet genereras automatiskt, till exempel automatiska aviseringar
• Problem som inte är återkommande
• Analysera attribut som vanligtvis innehåller färre än fem ord
• Datakort där attribut kan ha felaktiga värden

M42 Intelligence Similarities and Classification kommer endast att vara tillgänglig för de mallar som har konfigurerats korrekt i inställningarna för den Virtual Coach .

Konfiguration

M42 Intelligence Similarities and Classification konfigureras med följande rullgardinsmenyer, vilket endast tillåter val av alternativ som stöds. Obligatoriska val har markerats som "Krävs" i användargränssnittet, vilket gör konfigurationen enkel. Konfiguration av M42 Intelligence Similarities and Classification görs huvudsakligen via rullgardinsmenyer, vilket endast tillåter val som stöds för konfigurationen.

Mall

Först måste du definiera vilka datakort som M42 Intelligence Similarities and Classification ska användas med. Datakorten i den valda mallen analyseras, och M42 Intelligence Similarities and Classification visar innehållet i dessa datakort när det bedöms relevant för det öppna datakortet. Resultat från en konfigurerad mall kan även visas för datakort i andra mallar. Du kan välja mall baserat på önskat användningsfall:

1. Visa resultat av datakort från den valda mallen medan du arbetar med datakort för den mallen
2. Visa resultat av datakort från den valda mallen medan du arbetar med datakort från andra konfigurerade mallar.

Du kan till exempel konfigurera datakorten "Ärende" och " Pro ", så att var och en kan visas i resultaten, när det finns datakort från någon av dessa mallar med liknande innehåll.

Sökattribut

Sökattributen definierar vilka fält i datakorten i den här mallen som ska analyseras för att fastställa likheten. Två attribut är markerade som obligatoriska och de ska vara sträng- eller textattribut. Statiska och flervärdesattribut stöds inte. Du kan också ställa in ytterligare ett referensattribut som ska analyseras och beaktas i sökningen. AI:n läser textattributen och tar endast hänsyn till det som den anser vara meningsfullt innehåll. M42 Intelligence Similarities and Classification är inte en exakt sökmotor till sin natur. Istället bygger den ett sökindex från vilket den söker efter liknande innehåll när den öppnas.

Förslagsattribut

Attributet suggestion används som attribut för förslagsfunktionen, som kan användas för att klassificera ärenden, till exempel kategori. M42 Intelligence Similarities and Classification bygger en statistisk modell med hjälp av attributet Suggestion tillsammans med attributen Search för att ge rangordnade förslag för värdet av detta klassificeringsattribut. Attributet suggestion måste vara ett referensattribut. Flervärdesattribut stöds inte. Dessutom används attributet result som ett filtreringsattribut för liknande innehåll för slutanvändaren när användaren väljer ett resultat i vyn M42 Intelligence Similarities and Classification .

Kopiera attribut

M42 Intelligence Similarities and Classification låter slutanvändaren återanvända befintligt innehåll från liknande innehållsdatakort i samma mall genom att kopiera. Det är möjligt att välja upp till tre olika attribut som ska användas för att kopiera värden till det öppna datakortet. För närvarande stöds attributtyperna text, sträng, statisk sträng, referens och extern referens. Rich text-innehåll kan också kopieras och förhandsgranskas i ett separat förhandsgranskningsfönster innan kopiering.

Datasetstorlek

Använd datamängdsstorleken för att ge M42 Intelligence en relativ storlek på den tillgängliga datamängden. M42 Intelligence använder en rankningsalgoritm för att avgöra vilka resultat som är mest lika det öppna datakortet. Likhetspoängen som visas för slutanvändaren är alltid ett relativt tal som härrör från tillgänglig data. Därför använder M42 Intelligence Similarities and Classification en skalningsfaktor som används för att skala resultaten av liknande innehåll mellan 0 och 100, beroende på tillgänglig data. Skalningsfaktorn kan justeras med inställningen för datamängdsstorlek, som är inställd på 40 som standard. Detta kommer att påverka hur poängen för liknande innehåll beräknas. Justera datamängdsstorleken om du tycker att resultaten tenderar att vara för låga eller för höga. Innan du ändrar datamängdsstorleken bör du överväga följande bästa praxis:

• Skalningsfaktorn är som standard inställd på 40. Detta är lämpligt för mallar med cirka 10 000–60 000 datakort.
• Ett värde på 4 rekommenderas för mallar med 100–200 datakort.
• Ett värde på 10 rekommenderas för mallar med cirka 1000 datakort.
• Värden över 40 är lämpliga för större produktionsmiljöer.
• Endast värden mellan 0 och 100 är tillåtna.

Att justera datamängdens storlek påverkar inte vilka resultat som visas, utan bara relevanspoängen för de datakort som visas i Liknande innehåll.

Beroende på system tar uppstarts- och inlärningsfasen någonstans mellan 10 och 30 minuter. Denna tid behövs för att M42 Intelligence ska kunna analysera data och skapa tjänsten.

Efter detta kommer användarna att kunna aktivera M42 Intelligence Similarities and Classification för sig själva. För att testa, vänligen uppdatera skärmen och gå till din användarprofil.

Se uid för mer information om hur du använder M42 Intelligence Similarities and Classification .