Sistem tiket terletas-retas. Anda mendapatkan angka-angkanya, antreannya, dan sebornya. Namun kenyataannya, model itu hanya mengukur masalah setelah sistem sudah gagal. Bagian yang mahal dari masalah ini biasanya dimulai jauh lebih awal. Dimulai saat karyawan kehilangan 10 menit, lalu 20, hingga akhirnya menyerah. Mereka mencoba lagi. Mereka bertanya pada akan kerja. Mereka melewatkan rapat atau membagikan file yang salah karena jalur yang benar-benar berarti berfungsi. Dan itulah bagian besar tim dukungan masih belum lihat. Model dukungan internal terbaik saat ini bukanlah tentang triase yang lebih cepat. Ini tentang menghapus kebutuhan akan triase sepenuhnya. Bayangkan agen otonom di dalam Microsoft 365 yang mengawasi konteks mendeteksi hambatan lebih awal dan bertindak sebelum seseorang berpikir untuk membuka portal. Dalam episode ini, saya ingin menunjukkan mengapa model hubdesk rusak, apa yang benar-benar menggantikannya, dan bagaimana Anda dapat mengaturnya tanpa menciptakan kekacauan.

Jika perubahan ini penting bagi pekerjaan Anda, berlanggananlah ke M365FM karena satu tingkat lebih dalam. Masalah sebenarnya bukanlah antrean, melainkan model di baliknya. Kematian tiket. Alur dukungan lama masih ada di mana-mana. Sesuatu rusak, mengguna menyadarinya, mengguna mencoba menjelaskannya. Kemudian TI menerjemahkan penjelasan itu ke dalam kategori prioritas dan mungkin grup penugasan asal masuk keantrean. Seseorang melakukan triase. Orang lain meminta detail lebih lanjut. Tim lain terlibat. Waktu terus berjalan sementara pekerjaan sebenarnya tetap macet. Proses itu terasa normal karena sudah lazim. Tetapi lazim dan efektif bukanlah hal yang sama. Tiket bukanlah dukungan. Tiket adalah bukti bahwa dukungan datang terlambat. Saat tiket bahkan belum ada, karyawan sudah mengalami hambatan dan kehilangan konteksnya. Mereka sudah mengalihkan perhatian dari pekerjaan yang sedang mereka coba lakukan.

Antrean bukanlah lainnya. Antrean adalah catatan kegagalan. Di ekosistem Microsoft 365 yang besar, triase manual menjadi hambatan sebenarnya. Ini tidak terjadi karena tim dukungan malas. Ini terjadi karena manusia diminta melakukan sesuatu yang tidak lagi sesuai dengan skala lingkungan tersebut. Anda memiliki lebih banyak pengguna, perangkat, aplikasi, dan kebijakan. Anda memiliki lebih banyak kasus unik yang melintasi tim. SharePoint, Exchange, Intune, dan Entra secara bersamaan. Belum tidak hanya bertambah. Kombinasinya yang bertambah. Disitulah modal lama rusak. Kebanyakan tim merespons dengan menambahkan lebih banyak struktur. Mereka membangun portal lain, bot lain, atau aturan pelutian lain. Namun kenyataannya, itu hanya menambah satu lapisan lagi antara karyawan dan penjelesaian masalah. Sistem masih menunggu pengguna untuk menyadari masalahnya, menjelaskannya, dan meminta bantuan dengan cara yang tepat.

Pekerjaan tidak dimulai di portal dukungan, melainkan di Teams, di Outlook, di dokumen yang dibutuhkan seseorang saat ini, atau rapat yang dimulai 30 detik lagi. Disanalah permintaan dukungan sebenarnya bermula, dan model tiket sama sekali terlepas dari momen tersebut. Biaya tersebutnya jauh lebih besar daripada yang ditunjukkan oleh laporan Anda. Perangkat beralian kontek. Insiden duplikat menumpuh di bawah label yang berbeda-beda. Artikel pengetahuan menjadi usaha. Analis menghabiskan sepanjang hari untuk menyortir, mengarahkan, dan mengklarifikasi alih benar-benar berbalik sesuatu. Waktu penyelesaian menjadi lama, karena setiap serah terima menambah penundaan, dan setiap penundaan menghilangkan konteks aslinya. Penelitian tentang AI gen dan operasional TI menunjukkan masalah struktural yang sama. Setidaknya 80% payah masih terjebak dalam pekerjaan reaktif bergaya. Angka itu penting karena memberitahu Anda kemana sebenarnya tenaga kerja dicurah.

Itu tidak masuk ke dalam ketahanan atau pencegahan, melainkan ke dalam reaksi. Begitu Anda melihatnya, tiket melihat terlihat bukan sebagai model operasi, melainkan sebagai sebuah gejala. Ini adalah gejala dari sistem yang hanya merespon setelah kerusakan terlihat. Jadi pertanyaan selanjutnya bukan bagaimana memproses tiket lebih cepat, melainkan apa yang harus dilakukan sistem sebelum tiket diperlukan. Model karyawan tak terlihat. Jadi apa yang sebenarnya menggantikan tiket? Ini bukan sekadar chatbot lain yang berada di atas kekacauan yang sama, dan jelas bukan pintu depan yang lebih cantik untuk antrean lama yang sama. Perubahan ini jauh lebih dalam karena karyawan tak terlihat adalah pekerja operasional yang hidup di dalam lingkungan Microsoft 365 Anda. Agen ini memiliki identitasnya sendiri, cakupan kerja yang ditentukan, ingatan tentang apa yang dilakukannya kemarin, dan aturan ketat tentang apa yang boleh dan tidak boleh disentuh.

Perbedaan itu penting. Chatbot menunggu Anda mengetik perintah, tetapi karyawan tak terlihat memantau perubahan kondisi. Ia memulai dari konteks, alih-alih memulai dari percakapan. Karena ia dapat melihat status masuk, kesehatan perangkat, status lisensi, dan bagaimana file dibagikan, ia tidak perlu menunggu hambatan muncul. Alih-alih bertanya bagaimana ia bisa membantu setelah sesuatu rusak, ia terus-menerus menanyakan pertanyaan berbeda di latar belak. Apa yang menyimpang dari kondisi yang dibutuhkan karyawan ini untuk melakukan pekerjaannya saat ini? Disitulah segalanya berubah. Model ini tertanam langsung di dalam pekerjaan itu sendiri. Ketika seseorang bergabung dalam rapat dan perutian audio gagal, atau tamu tidak dapat membuka file yang baru saja dikirimkan, dunia lama akan membuat laporan dan serah terima. Dalam model baru ini, agen langsung mengenali polanya, memeriksa apakah kondisinya sesuai dengan masalah yang diketahui, lalu mengambil tindakan aman untuk memperbaikinya.

Mungkin ia mereset jalur atau memicu pemeriksaan kebijakan, atau mungkin mengalihkan permintaan dan meminta MFA sebelum mendokumentasikan perbaikannya. Intinya sederhana. Respons pertama tidak lagi mengharuskan manusia membaca deskripsi yang samar dan menebak apa yang terjadi. Hal ini terasa tak terlihat jika berjalan lancar karena tidak ada ruang tunggu dan tidak perlu mengisi formulir pilih kategori. Dukungan muncul sebagai alur yang kembali normal. Karyawan cukup kembali bekerja, dan dalam banyak kasus mereka bahkan tidak pernah melihat mesin yang bekerja di balik layar. Anda sudah bisa melihat bagaimana hal ini mengumpul logika penempatan staffan. Model lama mempekerjakan orang untuk menyerap volume, memilah permintaan, dan perbaiki konteks yang rusak antar tim. Model baru membutuhkan lebih sedikit orang untuk melakukan triase, dan lebih banyak orang untuk melancang pagar pembatas, menentukan kondisi yang diinginkan, dan mengawasi perilaku agen tersebut dari waktu kewak.

Manusia tetap berada dalam sistem, tetapi seluruh bentuk pekerjaan harian mereka berubah. Penelitian tentang AI gen dalam dukungan terus mengarah ke arah ini. Dukungan rutin dapat beralih ke penanganan berbasis pengecualian, yang menciptakan peningkatan efisiensi yang masif ketika lingkungan dan kebijakannya dibatasi dengan baik. Bagian terakhir itu vital, karena ini bukan sihir. Jika data Anda lemah atau proses Anda berantakan, agen tidak akan menjadi pintar hanya karena Anda memutuskan untuk menyebutnya otonom. Semua ini menjadi masuk akal bagi saya ketika saya berhenti menganggap agen sebagai fitur perangkat lunak dan mulai melihatnya sebagai karyawana manusia dengan tanda pengenal. Pekerjaan nyata membutuhkan identitas, deskripsi pekerjaan, izin, dan manajer untuk melapor. Agen membutuhkan hal yang persis sama karena nilainya berasal dari tindakan yang andal di dalam sistem, bukan dari bahasa cerdas di jendela obrolan.

Karyawan yang tidak terlihat ini bukan sekadar trik UI. Ini adalah lapisan dukungan baru yang mengawasi gesekan di seluruh aset Microsoft 365, bertindak sesuai kebijakan, dan mengarahkan perhatian manusia pada pengecualian yang benar-benar memerlukan penilaian. Setelah model itu jelas, pertanyaan berikutnya menjadi sangat praktis. Bagaimana cara kerja pre-MT yang sebenar? Arsitektur pre-MT Jadi, bagaimana cara kerja pre-MT di dalam Microsoft 365? Pergeserannya bergerak dari permintaan dan respons ke penawaran peristiwa dan orkestrasi. Itu terdengar teknis, tetapi modelnya sederhana setelah Anda membedahnya. Pertama, sesuatu di lingkungan berubah, kemudian sistem menafsirkan apakah perubahan itu berarti risiko atau penyimpangan. Dan akhirnya, sistem mengambil tindakan yang disetujui menggunakan alat yang sudah ada tumpukan Anda. Nah, dengan lapisan peristiwa. Microsoft tiga-an sinyal di mana-mana, yang berarti Entra.

Entra melihat perilaku masuk sementara Inton melacak postur dan kepatuhan perangkat. Defender mengawasi aktivitas mencurigakan, dan Teams menunjukkan kepada Anda dengan tepat kapan rapat gagal atau kualitas pengen. SharePoint dan Actions mengungkap pola akses serta aktivitas konten, dan sementara, sinyal kesehatan layanan memberitahu Anda saat platform itu sendiri yang bermasalah. Saat Anda menambahkan tindakan pengguna di atasnya, Anda memiliki aliran konteks yang konsep. Kebanyakan organisasi mengumpulkan sinyal-sinyal tersebut, tetapi sangat sedikit yang benar-benar menggunakannya sebagai sistem pendukung. Peristiwa mentah saja tidak membantu, karena mereka membutuhkan lapisan penalaran untuk memahami kebisingnya tersebut. Disinilah karyawan tak terlihat berhenti menjadi sekadar teater otomatisasi dan mulai bertindak layaknya operatornya. Agen melihat sinyal tersebut, membandingkan status saat ini dengan status yang diinginkan, dan memutuskan kelas tindakan apa yang aman untuk diambil.

Masalah audio rapat tidak sama dengan masuk yang berisiko dan tautan berbagi yang rusak berbeda dari ketidakcocokan lisensi. Agen harus mengklasifikasikan masalahnya terlebih dahulu karena mengambil tindakan tanpa klasifikasi hanya akan menciptakan kesalahan lebih cepat. Kemudian dibalak orkestrasi. Setelah agen memahami masalahnya, ia dapat menggunakan mekanisme yang tepat untuk merespon. Itu bisa berupa power automate untuk alur kerja, co-pilot studio untuk logika, atau Microsoft Grab untuk tindakan sistem dan konteks. Alatnya memang penting, tetapi poin yang lebih besar adalah bagaimana mereka saling keruh. Anda tidak sedang membangun suatu perintah cerdas, melainkan rantai yang dapat mendeteksi, memutuskan bertindak, dan memverifikasi. Pagian terakhir itu seringkali terlewatkan. Sistem yang mengoreksi diri sendiri tidak berhenti begitu tindakan diambil. Sistem ini menjalankan perulangan di mana ia mendeteksi masalah, menguji kondisi, menerapkan perbaikan, dan memverifikasi hasil sebelum mencatat apa yang terjadi.

Penelitian tentang logika pengoreksian mandiri memperjelas bahwa sistem ini bekerja melalui pola umpan balik dan koreksi alih-alih satu jawaban terisolasi dari model bahasa. Jika tindakan pertama, sistem memerlukan cara untuk menilai alasannya sehingga ia dapat merevisi langkah berikutnya sambil tetap berada dalam batas yang ditentukan. Anda dapat membayangkan ini dengan jelas dalam beberapa kasus Microsoft 3. Ketika pengguna diblokir karena lisensi dan cakupan kebijakan mereka tidak cocok, agen mendeteksi ketidakcocokan tersebut dan memeriksa profil peran yang dituju. Ia menerapkan koreksi yang diizinkan, mengonfirmasi pengguna memiliki akses, dan mencatat perubahan tersebut tanpa perlu bertanya kepada siapapun. Jika masuk yang berisi kemuncul di Entra, agen melihat peristiwa risiko tersebut dan segera meriksa aturan akses bersyarat Anda. Ia meminta verifikasi yang lebih kuat atau memblokir akses berdasarkan kebijakan Anda lalu mencatat hasilnya untuk ditinggalkan manusia nanti.

Saat tautan berbagi yang kedaluar se terus gagal di SharePoint, agen membandingkan calur izin saat ini dengan aturan berbagi yang diharapkan. Agen mengganti akar yang rusak dengan disetujui dan mengirimkan tautan yang diperbaiki dalam konteksnya yang menyelesaikan masalah sebelum analis meja bantuan harus membaca tiket berjudul Masalah Akses Mendesak. Dukungan rapat adalah contoh bagus lainnya. Jika perangkat ruangan gagal atau jalur bergabung terputus beberapa detik sebelum panggilan dimulai, agen dapat mendeteksi kondisi tersebut dan memvalidasi kerusakan. Agen mencoba langkah pemulihan berisi koran rendah dan memberitahu penyelenggaraan di Teams dengan pembaruan status tepat di tempat pekerjaan berlangsung. Lapisan komunikasi itu adalah bagian besar dari desainnya. Dukungan harus ada di tempat gangguan itu terjadi. Jika pekerjaan Anda dilakukan di Teams, Outlook, dan ruang kerja M365, maka dukungan juga harus menjawab Anda di sana.

Anda tidak perlu menarik pengguna ke tempat lain saat Anda bisa menemunya sesuai konteks peristiwa. Semua ini tidak berarti otomatisasi penuh untuk setiap tugas karena itu akan sangat gegabah. Tindakan berisi koran rendah dapat berjalan otomatis tetapi perubahan berdampak tinggi tetap memerlukan persetujuan. Jalur persetujuan tersebut harus menjadi bagian dari arsitektur sejak awal, bukan ditambahkan di kemudian hari. Agen harus bertindak, kapan harus bertindak, kapan harus bertanya, dan kapan tempatnya harus bertanya. Dan setelah Anda membangunnya ke dalam alur kerja, percakapan tidak lagi mengenai fitur otomatisasi. Percakapan beralih kekendali, tata kelola, kepercayaan, dan identitas agen. Ketika dukungan mulai bertindak sendiri, pertanyaan sudah muncul seketika siapa sebenarnya yang melakukan pekerjaan itu? Jika jawabannya tidak jelas, seluruh model akan berantak. Agen tidak bisa hadir di lingkungan Anda sebagai pembantu sama dengan akses luas tanpa pemilik yang jelas.

Agen membutuhkan identitas nyata di entra. Agen membutuhkan pemilik bernama, lingkup yang ditentukan, dan siklus hidup yang dimulai dan berakhir karena alasan spesifik. Jika agen tersebut dapat membaca data, memicu alur kerja, atau mengirim pesan kepada pengguna Anda, Anda harus mengelolahnya sebagai peserta aktif di penyewa. Anda tidak bisa memperlakukannya seperti fitur yang dinyalakan seseorang kalau dilupakan begitu. Inilah mengapa identitas agen sangat penting bagi sistem. Anda perlu tahu persis apa agen itu, sistem mana yang bisa diaksesnya, dan siapa yang dihubungi ketika ada masalah. Hak akses terkecil harus menjadi dasar di sini. Anda tidak bisa puas dengan kemudahan yang luas atau meyakinkan diri sendiri bahwa Anda akan memperketat izinan. Karena dapat luas dari agen pendukung sepenuhnya bergantung pada izinnya merancang izin tersebut adalah bagian inti dari merancang dukungan.

Agen 365 berfungsi sebagai lapisan kontrol yang diperlukan dalam pengaturan ini karena memberikan pandangan yang jelas terhadap seluruh ekosistem agen. Ini menyediakan registri, alur kerja persetujuan, dan tempelat kebijakan yang menjaga semuanya tetap berjalan dengan aman. Meskipun bagian-bagian tersebut terdengar seperti tugas administratif, hal itu menyelesaikan masalah struktural yang sangat besar. Kebanyakan organisasi tidak kesulitan karena kekurangan fitur AI, tetapi karena mereka tidak dapat melihat atau mengontrol apa yang sudah berjalan di lingkungan mereka. Penelitian mengenai poin ini sangatlah jadat. Hanya sebagian kecil dari perusahaan besar yang dapat menginventarisasi sepenuhnya setiap agen yang saat ini berjalan di sistem mereka. Sebelum para pemimpin mulai berbicara tentang memperluas dukungan otonom, mereka harus menjawab pertanyaan yang jauh lebih seder. Apakah kita bahkan tahu agen mana yang ada dan apa yang mereka lakukan saat ini?

Pengawasan juga harus disesuaikan dengan tingkat risiko yang terlibat. Agen produktivitas pribadi yang bekerja di lingkup terbatas adalah satu hal, tetapi agen kolaboratif yang menyentuh konten bersama adalah hal yang sama sekali berbeda.

Kategori risiko berbeda. Inilah mengapa model zona risiko pribadi, kolaboratif, dan perusahaan sangatlah penting. Model kontrol Anda harus meningkat seiring dengan dampak yang mengintip. Jika Anda memperlakukan setiap agen, dengan sama, pekerjaan risiko rendah akan tergubur dalam persetujuan yang lambat sementara pekerjaan risiko tinggi lolos dengan pengawasan yang. Minimal, tumpukan kontrol Anda di Microsoft 3 S&P 5 harus terlihat familiar bagi tim Anda. Anda menggunakan identitas di entra, batas data melalui preview, dan pemantauan melalui defender. Anda menerapkan ketentuan akses melalui akses kondisional, dan memastikan auditabilitas sudah terintegrasi sejak awal. Anda harus dapat merekonstruksi dengan tepat apa yang terjadi tanpa harus menebak-nebak setelah insiden terjadi. Pengawasan manusia harus dirancang ke dalam logika, bukan diimprovisasi saat terjadi krisis. Tindakan berdampak tinggi harus selalu berhenti untuk mendapatkan persetujuan menurut.

Penalaran harus dicatat dalam bentuk yang benar-benar dapat diksa dan dipahami oleh orang lain. Anda perlu memiliki jalur pemulihan, rollback sebelum tindakan otonom pertama dijalankan. Jika agen memperbarui akses atau mengubah kebijakan perutean, seseorang harus memiliki cara untuk melecak keputusan itu dan membatalkannya dengan bersih. Ada faktor lain yang sering dilewatkan para pemimpin karena demo awal terlihat sangat bagus. Biar pengerjaan ulang. Jika agen menciptakan siklus pembersihan untuk tim Anda, penghematan yang diproyeksikan akan hilang seketika. Ini adalah pajak pengerjaan ulang. Ini adalah waktu yang dihabiskan untuk memperbaiki hasil yang buruk, membalikkan tindakan yang salah atau mengejar efek samping yang tidak diinginkan. Jika tim Anda menghemat 10 menit dalam eksekusi tetapi menghabiskan 8 menit untuk membersihkan kekacauan,

bukan kebijakan yang rapi atau pengumuman peluncuran. Kepercayaan muncul dari bukti saat berjalan. Orang perlu melihat apa yang dilihat agen, apa yang diputuskannya, dan apa yang benar-benar berubah dalam sistem. Begitulah cara Anda membangun kepercayaan pada dukungan otong. Buktinya harus terletak pada perilaku alat tersebut, bukan pada pencitraan proyeknya. Setelah fondasi tata kelola itu kuat, percakapan akhirnya bisa beralih dari jargon keamanan ke bahasa eksekutif. Apa sebenarnya perubahan ini bagi laba perusahaan? ROI baru dari dukungan yang tak terlihat. Begitu para pemimpin menerima model kendali, pertanyaan keuangan pun mulai bergeser. Dalam model lama, nilai dukungan diukur dari pekerjaan yang terlihat seperti tiket yang ditutup, panggilan yang ditangani, dan performa SLA. Angka-angka tersebut tetap penting, tetapi hanya menggambarkan reaksi terhadap suatu masalah. Angka-angka itu tidak memberitahu Anda berapa banyak gangguan yang tidak pernah sampai ke antrean atau berapa banyak terselamatkan atau waktu karyawan terselamatkan karena masalah di atas lebih awal.

Itulah masalah akutansi yang mendasar. Dukungan yang tak terlihat menciptakan nilai melalui ketidakhadirannya. Anda melihat nilainya ketika tidak ada tiket, tidak ada eskalasi, dan tidak ada analis yang menghabiskan 20 menit untuk menyusun ulang masalah dari catatan yang tidak lengkap. Jika Anda hanya mengukur upaya yang terlihat dari tim dukungan, Anda melewatkan hasil yang sebenarnya Anda inginkan. Anda menginginkan pekerjaan yang stabil dengan lebih sedikit gangguan. Volume tiket adalah sinyal yang lemah jika berdiri sendiri. Pernuruan tiket bisa berarti permintaan turun, tetapi bisa juga berarti lingkungan menjadi lebih sehat dan lapisan dukungan menjadi lebih cepat. Itu adalah dua cerita yang sangat berbeda. Eksekutif memerlukan perangkat KPI yang dapat membedakan keduanya. Anda harus mulai dengan melihat tingkat resolusi otonom. Ini bukan tentang berapa banyak percakapan yang dilakukan buat, melainkan berapa banyak kejadian dukungan yang diselesaikan dari awal hingga akhir tanpa sentuhan manusia.

Anda juga perlu melacak pengurangan dalam rata-rata waktu penyelesaian. Dalam lingkungan berbasis AI, alur kerja yang berat pada diagnosis seringkali melihat peningkatan dikisaran 40 hingga 60 persen. Kemudian Anda bisa melihat biaya per resolusi dan produktivitas pengguna yang telah Anda dapatkan kembali. Metrik terakhir itu mudah untuk dilewatkan karena tidak tercantum rapi dalam laporan layanan standar. Namun di situ lain yang sebenarnya seringkali berada. Seseorang yang terhambat selama 15 menit bahkan sebelum mereka membuka tiket telah menciptakan biaya bagi perusahaan. Ketika Anda mengalikannya dengan gangguan rapat dan hambatan akses di seluruh penyewa besar, kerugian tersembunyi jauh lebih besar daripada yang ditunjukkan antrean. Inilah mengapa model biaya ketidak bertindakan sangat penting untuk kasus bisnis. Anda menghitung jam yang dihabiskan untuk upaya manual sebelum dukungan formal dimulai.

Lalu Anda tambahkan biaya kesalahan dan pekerjaan yang berulang. Tiba-tiba argumen untuk pencegahan tidak lagi terdengar seperti teori. Anda tidak hanya mendani lapisan dukungan futuristik. Anda sedang menghapus beban yang telah ada dalam pekerjaan harian Anda selama bertontak. Ekonomi dari kasus yang spesifik membuat hal ini semakin jelas. Penelitian mengenai dukungan TI berbasis agen menempatkan penanganan manusia di angka sekitar 8.75 masalah. Sebaliknya, penanganan agen yang spesifik bisa turun di bawah 50 sen per masalah setelah sistem dikembangkan. Ini tidak berarti setiap tindakan dukungan akan semurah itu dan para pemimpin harus berhati-hati dengan rata-rata yang. Kualitas telemetri dan tata kelola akan selalu memengaruhi biaya akhir namun arah trennya tidak dapat disangkal. Ini adalah momen di mana TI beranjak dari narasi pusat biaya yang lama. Bukan karena dukungan menghilang tetapi karena dukungan berubah menjadi lapisan reliabilitas yang melindungi produktivitas karyawan di latar belakang.

Bisnis merasakan ini sebagai pekerjaan yang lebih lancar bukan sebagai peristiwa dukungan yang dramatis. Anda mendapatkan lebih sedikit gangguan pemulihan lebih cepat dan lebih sedikit tenaga kerja yang terbuang untuk perutean dan gratifikan. Namun pengukuran yang buruk bisa dengan mudah memasukkan kemajuan. Jika telemetri Anda lemah agen mungkin hanya meringkas kegagalan lebih cepat alih-alih benar-benar mencegahnya. Jika pengerjaan ulang tetap tidak masuk dalam dashboard atau akan dashboard akan terlihat jauh lebih bersih daripada kenyata. Jika waktu yang diperoleh kembali justru bocor kembali ke aktivitas bernilai rendah para pemimpin akan melebih-lebihkan keuntungannya. Kasus keuangan harus tetap berlandaskan bukti kuat seperti insidan yang dicegah dan berkurangnya sentuhan manual. Anda harus mengukur waktu yang benar-benar dikembalikan untuk pekerjaan bermanfaat. Setelah Anda mengukurnya dengan tepat fungsi dukungan tidak lagi terlihat sebagai beban yang perlu dipangkas.

Fungsi tersebut mulai terlihat sebagai kapasitas operasional yang akhirnya didapatkan kembali bisnis. Apa dampaknya bagi tim mendukung? Pikirkan apa dampaknya bagi tim di lapangan karena pergeseran ini sebenarnya bukan tentang memangkas jumlah karyawan lainkan tentang mengubah apa yang sebenarnya dilakukan orang Anda sepanjang hari. Dalam pengaturan lama sebagian besar kapasitas dukungan Anda habis dimakan oleh pengaturan ulang kata saat di perutian tiket dan siklus klarifikasi yang tiada akhir. Anda memiliki staff yang mengejar pembaruan dan memindahkan data antar sistem yang tidak pernah dirancang untuk saling terhubung. Tidak ada pekerjaan tersebut yang membuat lingkungan lebih stabil. Itu hanya menjaga agar antrean tidak meluap. Ketika agen mengambil alih pekerjaan rutin yang dapat diprediksi tersebut upaya manusia akhirnya naik ke level berikutnya. Insinyur pendukung mulai menghabiskan waktu mereka untuk mendefinisikan seperti apa kondisi yang sehat dan menyempurkan logika di persetujuan.

Mereka fokus pada peningkatan sumber pengetahuan, menguji perilaku kebijakan, dan memastikan agen tetap berada dalam batasan yang telah diberikan. Itu adalah pekerjaan yang sama sekali berbeda dari sekadar menatap alih subjek sepanjang hari dan mencoba menempat apa yang sebenarnya menginginkan pengguna. Disinilah tepatnya sebagian besar penyebaran terhenti. Organisasi mencoba mempertahankan proses lama mereka yang rusak dan hanya menempatkan agen di atasnya sambil mengharapkan hasil yang lebih baik. Namun prosesnya tetap reaktif, serah terimanya masih berantakan, dan pengetahuan dasarnya masih lemah. Agen tersebut hanya menjadi lapisan cat baru pada dinding yang rapuh. Mungkin ia bisa menjawab pertanyaan lebih cepat tetapi tidak bisa memperbaiki model dukungan yang dibangun di atas keterlut. Cara yang lebih baik adalah dengan merancang ulam pekerjaan itu. Anda harus memutuskan tugas mana yang tetap dilakukan manusia karena memerlukan penilaian atau komunikasi sensitif.

Kemudian Anda memutuskan pekerjaan mana yang beralih ke alur otonom karena hasilnya dapat diprediksi dan tindakannya aman. Pembagian ini sangat penting karena tim pendukung tidak akan hilang. Mereka hanya baru menjadi orang yang merancang kontrol dan menangani pengecualian. Itu berarti cara kita melatih orang juga harus berubah. Tim perlu belajar cara mengawasi sistem alih-alih hanya menjalankan tugas manual. Mereka perlu memahami logika pemulihan, tinjauan audit, dan cara menguji agen sebelum diluncurkan. Mereka juga harus bisa mengetahui kapan suatu model gagal karena alur kerja buruk yang otomatis tetaplah alur kerja yang buruk. Itu hanya akan merusak segaranya lebih cepat. Jika Anda melakukan perekrutan untuk masa depan ini, Anda mungkin tidak membutuhkan general selain untuk mulai. Anda membutuhkan seseorang yang dapat mengatur alur di seluruh tumpukan Microsoft 365 dan menentukan kontrol yang menjaga agar agen tetap terkendali.

Anda menginginkan orang yang dapat meningkatkan lingkungan agar permintaan dukungan benar-benar turun alih-alih terus menumpul. Jadi bagaimana Anda memulainya tanpa mengubahnya menjadi proyek transformasi besar yang memakan waktu bertentang? Langkah terbaik adalah memilih satu alur tunggal yang menyebabkan kesekan terus-menerus di lingkungan Microsoft 365 Anda. Perbaikan akses biasanya merupakan kandidat yang tepat, tetapi Anda juga bisa melihat dukungan rapat atau serah terima ke petuhan perang. Tidak masalah mana yang Anda pilih selama polanya sering terjadi dan Anda tahu persis seperti apa hasil yang sukses itu seharusnya. Setelah Anda memiliki target, Anda harus menentukan dasar-dasarnya dengan disiplin yang nyata. Anda perlu mengetahui seperti apa kondisi yang sehat dan peristiwa spesifik mana yang memberitahu Anda bahwa segala sesuatunya melembang. Putuskan tindakan mana yang aman untuk diotomatisasi dan di mana tepatnya eskalasi manusia perlu dimulai.

Sebelum Anda meluncurkan apapun, pastikan Anda memiliki garis dasar untuk jumlah tiket, sentuhan manual, dan berapa lama pengguna menunggu perbaikan saat ini. Anda juga harus menerapkan tata keloa Anda sejak hari pertama. Berikan agen identitas khusus, tetapkan pemilik manusia, dan atur-aturan persetujuan yang jelas. Setiap tindakan yang diambil agen harus dicatat. Anda juga harus punya rencana saat agen tersebut dipensiunkan

berjalan seluruh model operasi Anda mulai berubah. Dukungan berhenti bertindak seperti meja depan yang hanya bereaksi terhadap asal. Sebaliknya, ia mulai berperilaku seperti mesin keandalan yang dibangun langsung ke dalam sistem. Dukungan bergeser dari reaksi yang terlihat menjadi pencegahan yang tersemak. Tiga itu bukanlah layanannya. Itu adalah bukti bahwa layanan datang terlalu terang.

Jika ingin lebih banyak tentang M365 Copilot, ajur keamanan, dan model operasi AI berlangganlah ke M365 FM dan beri ulasan. Terhubunglah dengan saya, Mirko Peter, di link ini untuk topik berikutnya yang ingin Anda bahas.