AI-modeller og platforme

ConnectWise lancerer RMM Agent, der undersøger IT-supportsager med rettelser godkendt af teknikere

mm
Føj Unite.AI til dine foretrukne kilder på Google
AI-led IT ticket diagnosis with human approval for endpoint changes — AI-generated illustration

ConnectWise har lanceret RMM Agent, der bringer AI-drevet undersøgelse af endpoints ind i den supportsag, hvor teknikerne allerede arbejder. Produktet blev annonceret den 29. oktober og undersøger en tilknyttet enhed, afprøver mulige årsager og klargør en løsning fra et godkendt katalog. Enhver ændring af en enhed kræver udtrykkelig godkendelse fra en tekniker.

Lanceringsmeddelelsen introducerer også Voice-, Teams- og Email-agenter, der indsamler kundeoplysninger, før det tekniske arbejde begynder. Alle fire produkter er generelt tilgængelige. Sammen sigter de mod to årsager til forsinkelser i servicedesken: ufuldstændige henvendelser og gentagen fejlfinding.

Undersøgelse af endpoints flytter ind i supportsagen

RMM står for fjernovervågning og -administration, mens PSA står for automatisering af professionelle tjenester. Når de to forbindes, bringes serviceanmodningen og den administrerede enhed ind i samme arbejdskontekst.

ConnectWises produktside for AI Agents beskriver et koordineret forløb. Modtagelsesagenter indsamler oplysninger om brugeren, enheden, påvirkningen og hvor hastende sagen er. Service Desk Agents klassificerer og prioriterer anmodningen, gennemgår dens historik og fordeler arbejdet. Derefter undersøger RMM Agent endpointet, understøtter en godkendt rettelse og registrerer resultatet.

Forløbet er vigtigt, fordi beskrivelsen i en supportsag kan afvige fra enhedens faktiske tilstand. En agent med adgang til begge dele kan hjælpe med at forbinde det rapporterede symptom med dokumentation fra miljøet. For teknikere indebærer en nyttig overlevering oplysninger om, hvad der blev undersøgt, og begrundelsen for det foreslåede næste skridt.

Produktsiden beskriver en fælles serviceregistrering, der forbinder konteksten fra modtagelsen, servicearbejdsgangen og dokumentation fra enheden. Når oplysningerne samles, får teknikeren et mere fuldstændigt grundlag for at gennemgå den foreslåede handling.

Menneskelig godkendelse adskiller diagnose fra ændringer af enheden

Ifølge lanceringsmeddelelsen anvender den nye agent diagnostik med skrivebeskyttet adgang under undersøgelsen og kræver godkendelse, før den ændrer et endpoint. Dermed placeres godkendelsesbeslutningen på et afgørende tidspunkt i arbejdsgangen: efter at dokumentationen er indsamlet, men før en løsning påvirker kundens system.

De tidlige resultater er fortsat rapporteret af partnere. RealBytes rapporterede brugbare diagnoser i 91 % af mere end 500 aktive supportsager, typisk på cirka et minut. Virksomhedens bredere ConnectWise Agentic-implementering reducerede tiden til første respons fra en time til fem minutter. Målene beskriver forskellige faser af serviceleveringen og bør vurderes hver for sig.

Den eksisterende RMM-platform leverer de operationelle værktøjer

Virksomhedens RMM-platform samler allerede overvågning, patching, scripting og fjernadgang. De dokumenterede funktioner omfatter patchhåndtering af operativsystemer og tredjepartsprogrammer, overvågning med indstillinger tilpasset virksomhedens netværksdriftscenter samt fejlfinding via fjernadgang med ScreenConnect.

Den omfatter også AI-assisteret generering af scripts, netværksregistrering og -analyse samt centraliseret rapportering. Disse funktioner sætter den nye agents rolle i perspektiv: Undersøgelse føjes til de etablerede værktøjer, som teknikere bruger til at vedligeholde og reparere endpoints.

Den praktiske værdi afhænger af, hvor godt undersøgelsen vælger en passende handling til den konkrete enhed og servicesituation. En genereret forklaring er nyttig, men en operationel arbejdsgang kræver også en tydeligt foreslået ændring og en registrering, som en anden tekniker kan gennemgå senere.

En bredere strategi for en agentbaseret platform

ConnectWises platformarkitektur beskriver et samlet datagrundlag omgivet af et agentbaseret lag. Fælles arbejdsgange og tjenester forbinder programmerne, mens åbne API’er understøtter arbejde på tværs af systemer. Formålet med designet er at give agenterne relevant operationel kontekst frem for at lade hvert program fungere isoleret.

Denne retning følger virksomhedens annoncering i januar af opkøbet af zofiQ, der havde fokus på automatisering af store mængder arbejde i servicedesken. ConnectWise beskrev, hvordan telemetri, supportsager og overvågningsoplysninger forbindes via API’er, forbindelser og hændelsesbaserede integrationer, hvorefter AI anvendes til klassificering, prioritering, anomalidetektion og forslag til grundlæggende årsager.

Den seneste lancering udvider denne udvikling til undersøgelse af endpoints. Hovedidéen er at forkorte vejen fra kundens anmodning til en beslutning om afhjælpning, der bygger på dokumentation, samtidig med at teknikeren bevarer kontrollen over ændringerne. For udbydere af administrerede tjenester bliver prøven, hvor konsekvent processen reducerer arbejdsindsatsen ved undersøgelser på tværs af de forskellige miljøer, de understøtter.

Aiden Cross er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-produktstrategi, udførelse og de praktiske udfordringer ved at omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbejde fokuserer på, hvordan startups og virksomhedsteams bevæger sig fra prototyper og demos til pålidelige systemer, der bruges af rigtige kunder.
Med et pragmatisk og detaljeorienteret perspektiv analyserer Aiden produktroadmaps, strategier for markedsintroduktion, platformbeslutninger og organisatoriske kompromiser, der bestemmer, om AI-initiativer lykkes eller stagnerer. Han lægger særlig vægt på implementeringsrealiteter, brugeradoption, infrastrukturbegrænsninger og sammenhængen mellem teknisk kapacitet og forretningsværdi.
Artikler skrevet af Aiden Cross er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre klarhed, nøjagtighed og ansvarlig dækning af, hvordan AI-produkter bygges, leveres og skaleres i den virkelige verden.