حضور حیاتی AI در ITSM هوش مصنوعی در ITSM دیگر یک بحث آیندهنگرانه نیست؛ اکنون بر اساس دادههای شفاف، تجربههای واقعی سازمانها و دهها پروژه عملی، میتوانیم ببینیم شرکتها دقیقاً در چه مرحلهای از بلوغ هوش مصنوعی قرار دارند. عبارت «ما هوش مصنوعی را پذیرفتهایم» دیگر کافی نیست؛ زیرا ممکن است از یک چتبات ساده تا عوامل هوش مصنوعی چندعاملی خودگردان را شامل شود. سناریو: یکی از شرکتهای ارایه دهنده خدمات اینترنت، ماهانه حدود ۱۲هزار تیکت از مشتریان و کاربرانش دریافت میکند. تیم IT همیشه با سه مشکل اصلی روبهرو بود: در سال ۱۴۰۴، شرکت تصمیم گرفت ۳ نوع هوش مصنوعی را وارد چرخه ITSM کند. با چنین ساختاری در جدول زیر…. مرحله نوع هوش مصنوعی توضیح اتفاق نتیجه ۱. پیشبینی خرابی سرور Predictive AI تحلیل لاگها و دما → تشخیص احتمال ۸۵٪ خرابی طی ۷۲ ساعت هشدار ۱۶ ساعت زودتر ثبت شد؛ جلوگیری از بحران ۲. کمک به مهندس شیفت GenAI خلاصهسازی ۱۳۴ Incident مشابه + ارائه راهکارهای آماده براساس دانش پایه کاهش زمان تحلیل از ۲ ساعت به ۵ دقیقه ۳. رفع خودکار مشکل Agentic AI انتقال بار پردازشی، بررسی دما، مشورت با Agent شبکه، ریاستارت نرم، بررسی مجدد حل کامل Incident در ۴۸ ثانیه بدون دخالت انسان ۴. نتایج یکماهه — کاهش Incidentهای تکراری، کاهش MTTR، کاهش بار L1، بهبود کیفیت خدمات کاهش Incident تکراری: ۴۲٪ → ۱۸٪ / زمان رفع: ۲.۱ ساعت → ۱۲ دقیقه در ادامه این سناریو، ۴ نکته کلیدی درباره وضعیت «هوش مصنوعی در ITSM در سال ۲۰۲۵» را مدانت شرح داده؛ نکاتی که میتوانند مسیر تصمیمگیری سازمان شما را مشخص کنند. ۱. مشخصسازی دلیل استفاده از هوش مصنوعی سازمانها معمولاً به دو دلیل سراغ هوش مصنوعی میروند: الف) دلایل داخلی – حل مشکلات ساختاری IT طبق نظرسنجی جهانی AI in ITSM 2025، عوامل انگیزشی اصلی عبارتاند از: چالش سازمانها درصد ذکرشده خودکارسازی کارهای تکراری ۴۵٪ بهبود تجربه کاربری ۴۵٪ همسویی ITSM با اهداف کسبوکار ۳۴٪ مدیریت هزینه بدون افت کیفیت ۳۰٪ مثال واقعی: یک شرکت مخابراتی اروپایی با حجم ۵۸هزار تیکت ماهانه، تنها با فعالکردن «پیشنهاد خودکار راهحل» زمان رسیدگی به تیکت را ۳۹٪ کاهش داد. ب) دلایل رقابتی – عقب نماندن از رقبایی که AI را پذیرفتهاند حتی اگر وضع فعلی سازمان مناسب باشد، عدم استفاده از AI میتواند در ۲ سال آینده شما را از رقابت کنار بگذارد، چون: ۲. انواع هوش مصنوعی در ITSM و تفاوت کاربرد آنها واژه «AI» خیلی کلی است. شما در واقع با سه خانواده اصلی سروکار دارید: الف) هوش مصنوعی پیشبینیکننده (Predictive AI) تمرکز: پیشبینی، تحلیل، هشدار کاربردها: مثال: یک سازمان مالی با مدلهای Predictive AI توانست ۲۵٪ از تغییرات پرریسک را پیش از وقوع، Re-schedule کند. ب) هوش مصنوعی مولد (GenAI) تمرکز: تولید محتوا، خلاصهسازی، تعامل انسانی کاربردها: مثال: GenAI در یک شرکت SaaS، ۶۵٪ از مقالات KB را خودکار بهروزرسانی کرد. ج) هوش مصنوعی عامل (Agentic AI / Autonomous Agents) تمرکز: انجام کار بدون انساناینجا دیگر AI فقط مشاوره نمیدهد؛ کار انجام میدهد. کاربردها: مثال: یک شرکت نفت و گاز، با Agentsهای خودگردان، ۱۸٪ از Incidents را بدون لمس انسانی رفع کرد. جدول مقایسه انواع هوش مصنوعی در ITSM نوع AI نقش اصلی نمونه کاربرد ارزش افزوده Predictive AI پیشبینی و تحلیل ریسک تغییر، SLA کاهش خطا و Downtime GenAI تولید محتوا و تعامل Ticket Summary، KB افزایش سرعت پاسخ Agentic AI اقدام مستقل رفع Incident کاهش نیاز به نیروی انسانی ۳. فرق عوامل مجازی (Virtual Agents) و عوامل هوش مصنوعی (AI Agents) این تفاوت برای آینده ITSM حیاتی است. Virtual Agent چیست؟ مثال:کاربر میپرسد: «پسورد من ریست میشه؟»Virtual Agent لینک ریست پسورد را میدهد. AI Agent چیست؟ مثال:AI Agent درخواست تغییر سختافزاری را: بدون اینکه انسان وارد شود. ۴. انتخاب درست […]