AI-ticketanalyse

Je kunt iets niet verbeteren als je het niet hebt gemeten. Je afgehandelde ITSM-tickets bevatten jarenlange, bewezen probleemoplossingsmethoden — elk afgesloten incident is een registratie van hoe je team een ​​echt probleem heeft vastgesteld en opgelost. AI-ticketanalyse zet die institutionele kennis om in iets dat de agent steeds opnieuw kan gebruiken.

Ruwe ticketgegevens importeren en classificeren, en deze omzetten in direct bruikbare kennis voor de medewerkers.

Importeer een CSV-export vanuit uw ITSM-systeem en de LLM analyseert de ticketvelden, classificeert incidenten op type en genereert twee outputs per categorie: een samenvatting van de probleemoplossingsprocedures die uw team heeft gebruikt om dat type probleem op te lossen en een AI-prompt die de agent automatisch kan oproepen wanneer hij hetzelfde patroon tegenkomt.

Beoordelen, verfijnen, publiceren

Voordat iets live gaat, moet je het verifiëren. Tickettypen zijn zichtbaar naast de bijbehorende brontickets, zodat de classificaties kunnen worden bevestigd. Genereer de prompts opnieuw als de eerste versie verfijning nodig heeft. Publiceer de prompts zodra ze klaar zijn.

Diagnose gebaseerd op uw medische geschiedenis

Vanaf dat moment redeneert AI Insight, wanneer het een bekend incidenttype tegenkomt, op basis van de gevalideerde oplossingsgeschiedenis van uw team, en niet op basis van algemene trainingsgegevens. Hoe meer ticketgeschiedenis u invoert, hoe beter de agent de daadwerkelijke problemen in uw netwerk begrijpt en welke oplossingen in uw omgeving al succesvol zijn gebleken.

Geactiveerd automatiseringsframework (TAF)

Uw beste engineers zouden hun ochtend niet moeten besteden aan het sorteren van tickets die een machine al kan oplossen. TAF is de gebeurtenisgestuurde laag van uw workflow voor probleemoplossing die een diagnose uitvoert zonder menselijke tussenkomst en tickets vult met relevante analyses voordat iemand ze in behandeling neemt.

TAF ontvangt meldingen vanuit twee richtingen: geautomatiseerde signalen van externe systemen en zelfserviceverzoeken van technici die nooit een systeem hoeven te openen. NetBrain.

Geautomatiseerde triggers

ServiceNow, Splunk, BMC Remedy of elk ander IT-systeem dat een API-aanroep kan doen. Er wordt een ticket geopend of een waarschuwing geactiveerd, TAF ontvangt de payload, koppelt deze aan de juiste diagnoseconfiguratie en voert de actie uit. Er is geen menselijke tussenkomst nodig.

Zelfservice-triggers

Microsoft Teams Bot, e-mail, ServiceNow-app of de Incident PortalEen engineer beschrijft het probleem in het kanaal waarin hij of zij zich al bevindt. TAF pikt het op en voert een diagnose uit. Het antwoord wordt teruggestuurd zonder dat de engineer zijn of haar workflow hoeft te verlaten.

Voor beide trajecten vergelijkt TAF het binnenkomende incident met vooraf gedefinieerde criteria en selecteert de juiste methode. Network Intent of ADT, en voert de diagnose uit. De resultaten worden weergegeven in het incidentvenster, de betreffende app (ServiceNow, Teams, e-mail) en het dashboard.

Ingenieurs zien het resultaat, niet de verzending.

AI-pad

AI-pad

Valideer paden op aanvraag en leg het gedrag van elke stap in begrijpelijke taal uit. Twee complementaire mogelijkheden: één die detecteert wat de padengine over het hoofd heeft gezien, en één die uitlegt wat er is gevonden.

AI-paddokter

De nauwkeurigheid van paden is altijd een stille zwakte geweest in netwerkbeheer. Wanneer een pad afwijkt van zijn historische waarde – een hop, een niet-standaard ontwerp, een routeringstabel – erft elke diagnose en automatisering die erop gebaseerd is die fout. AI Path Doctor verbetert de basis.

Het berekent onafhankelijk een volledig end-to-end pad met behulp van live netwerkgegevens en projecteert dit vervolgens naast het NB-pad op de kaart. Zo kunt u ontbrekende apparaten, onjuiste hops en hiaten in de doorstuurlogica controleren zodra deze op de kaart verschijnen, in plaats van tijdens een analyse achteraf.

De berekening is opzettelijk transparant. Het paneel 'AI Path Details' toont de volledige redeneringsketen: de prompt die naar de AI-engine is verzonden, de logica die stap voor stap is gevolgd en een gestructureerde samenvatting — gebruikte brongateway, beleid voor de selectie van de volgende hop, of L2-segmentresolutie is toegepast en waarom. Voor elke hop: inkomende interface, uitgaande interface, actief IP-adres van de volgende hop, L2-aangrenzend MAC-adres, opzoeking in de routingtabel, CEF-beslissing en beleidscontroles. Geen black box. Een audit trail.

Als er iets mis is en je hebt het nodig NetBrain Betrokken bij technische werkzaamheden, neem contact op NetBrain Verzamelt alles in één stap: NB-Path-gegevens, AI-Path-gegevens, kaarttopologie, CLI-opdrachtuitvoer die tijdens de berekening is gebruikt en het volledige AI-redeneringslogboek. Geen handmatige assemblage nodig. Eén klik, compleet pakket.

Het toepassingsgebied van Deep Diagnosis is om dezelfde reden belangrijk: de agenten zijn afhankelijk van paden. Onnauwkeurige paden leiden tot onnauwkeurige diagnoses. AI Path Doctor valideert de werkelijke situatie voordat de automatisering erop wordt toegepast.

AI-padsamenvatting

Ervaren engineers lezen een padresultaat en weten meteen wat het betekent: welke routeringsbeslissing van belang was, waar beleid werd toegepast en wat de CEF-vermelding hen vertelt. Alle anderen lezen dezelfde output en besteden 20 minuten aan het uitzoeken wat er is gebeurd.

AI Path Summarization dicht die kloof. Het leest het volledige resultaat van de padberekening en genereert een gestructureerde, begrijpelijke uitleg, georganiseerd per hop. Deze functie is te vinden op een nieuw tabblad 'Padoverzicht' in het deelvenster 'Paddetails'. Selecteer een apparaat langs het pad om de door AI gegenereerde samenvatting voor die hop te bekijken.

Elke samenvattingssectie is op dezelfde manier opgebouwd: de redeneringslogica die de padengine heeft gebruikt, de gegevensbronnen waaruit deze is gehaald, wat er in die stap is waargenomen en de conclusie die is getrokken. Fouten die tijdens de padberekening zijn gevonden, worden hier ook weergegeven. Niets wordt weggelaten — de samenvatting bevat directe links naar de onderliggende gegevens: configuratiegegevens, NCT-tabellen, CLI-uitvoer — zodat engineers met één klik kunnen controleren in plaats van door ruwe logbestanden te hoeven zoeken.

De samenvatting wordt stapsgewijs uitgevoerd. De resultaten verschijnen zodra ze berekend zijn, apparaat voor apparaat, zodat u kunt lezen terwijl de rest nog wordt gegenereerd. Samenvattingen worden automatisch opgeslagen bij het pad-exemplaar — als u het pad later opnieuw opent, is de samenvatting er al, zonder dat u het proces opnieuw hoeft uit te voeren. Als er tijdens de samenvatting een nieuwe padberekening start, wordt deze netjes gestopt en opgeslagen.

In complexe omgevingen met meerdere padtypen (L2, L3) en afhankelijkheden tussen apparaten, behandelt de samenvatting elk type als een inklapbare sectie, die op elk gewenst detailniveau door de engineer kan worden gelezen.

Het resultaat: elke padquery geeft de interpretatie van een senior engineer weer, ongeacht wie de query heeft uitgevoerd.