Lancey
Lancey là một tác nhân AI không đồng bộ giúp tự động hóa việc phát triển phần mềm …
Lancey là một tác nhân AI không đồng bộ giúp tự động hóa việc phát triển phần mềm bằng cách giám sát các kênh hỗ trợ và trình theo dõi sự cố. Nó chủ động xác định lỗi, soạn thảo bản vá lỗi và tạo các yêu cầu kéo (pull request) sẵn sàng để xem xét, giúp giảm đáng kể thời gian giải quyết lỗi và giải phóng các nhà phát triển để tập trung vào các tính năng mới.
Về Theo dõi vấn đề
Công cụ Theo dõi vấn đề (Issue Tracking) là các nền tảng chuyên dụng để ghi lại, quản lý và giải quyết một cách có hệ thống các sự cố, lỗi và phản hồi do người dùng báo cáo. Là một thành phần quan trọng của hỗ trợ khách hàng, các hệ thống này sử dụng AI để tự động phân loại phiếu yêu cầu, xác định các báo cáo trùng lặp và ưu tiên các nhiệm vụ dựa trên mức độ khẩn cấp và tác động. Điều này cho phép các nhóm phát triển và hỗ trợ hợp lý hóa quy trình làm việc, tăng tốc thời gian giải quyết và thu được những hiểu biết có giá trị từ phản hồi của người dùng. Các tính năng do AI cung cấp biến việc giải quyết vấn đề thụ động thành một quy trình chủ động và dựa trên dữ liệu hơn.
Tính năng Cốt lõi
- Phân loại bằng AI: Tự động phân tích, phân loại và giao các vấn đề mới đến cho nhóm hoặc cá nhân phù hợp dựa trên nội dung và dữ liệu lịch sử.
- Phát hiện vấn đề trùng lặp: Sử dụng Xử lý ngôn ngữ tự nhiên (NLP) để xác định và hợp nhất các báo cáo tương tự từ các nguồn khác nhau, giảm sự lộn xộn.
- Quy trình làm việc tự động: Kích hoạt các hành động, cập nhật trạng thái và thông báo dựa trên các quy tắc được xác định trước, đảm bảo không có vấn đề nào bị bỏ sót.
- Phân tích cảm xúc: Đánh giá cảm xúc của người dùng trong một báo cáo để giúp ưu tiên các vấn đề quan trọng hoặc gây bức xúc cao.
- Phân tích dự đoán: Dự báo xu hướng vấn đề và các sự cố tiềm ẩn trong tương lai bằng cách phân tích các mẫu trong dữ liệu lịch sử.
Trường hợp sử dụng
Chủ yếu được sử dụng bởi các nhóm phát triển phần mềm, vận hành CNTT và đảm bảo chất lượng (QA). Ví dụ, một nhóm phát triển sử dụng nó để theo dõi lỗi từ báo cáo ban đầu đến khi sửa chữa cuối cùng, trong khi bộ phận trợ giúp CNTT quản lý các yêu cầu hỗ trợ của nhân viên. Các nhà quản lý sản phẩm cũng tận dụng các công cụ này để thu thập và tổ chức các yêu cầu tính năng từ khách hàng.
Cách chọn
Khi chọn một công cụ Theo dõi vấn đề, hãy xem xét khả năng tích hợp của nó với bộ công cụ phát triển hiện tại của bạn (ví dụ: GitHub, Slack). Đánh giá sự tinh vi của các tùy chọn tự động hóa và tùy chỉnh quy trình làm việc của nó. Ngoài ra, hãy đánh giá các tính năng báo cáo và phân tích của công cụ để đảm bảo chúng cung cấp những hiểu biết mà nhóm của bạn cần. Cuối cùng, hãy xem xét khả năng mở rộng của nền tảng để hỗ trợ sự phát triển của nhóm bạn.
Theo dõi vấn đềTrường hợp sử dụng
Tự động hóa Phân loại Lỗi phần mềm
Một nhóm phát triển phần mềm nhận hàng chục báo cáo lỗi mỗi ngày từ nhiều kênh khác nhau. Bằng cách sử dụng công cụ theo dõi vấn đề do AI cung cấp, các báo cáo này được phân tích tự động. AI phân loại từng lỗi (ví dụ: 'Lỗi giao diện người dùng', 'Lỗi Backend'), đặt mức độ ưu tiên dựa trên các từ khóa như 'sập' hoặc 'mất dữ liệu' và giao nó cho đội ngũ nhà phát triển phù hợp. Nó cũng xác định và hợp nhất các báo cáo trùng lặp, giúp người phụ trách phân loại tiết kiệm vài giờ làm việc thủ công mỗi tuần và cho phép các nhà phát triển bắt đầu sửa các lỗi nghiêm trọng nhanh hơn.
Hợp lý hóa hoạt động của Bộ phận Trợ giúp CNTT
Một bộ phận trợ giúp CNTT của công ty quản lý hàng trăm yêu cầu hỗ trợ của nhân viên hàng tuần, từ đặt lại mật khẩu đến trục trặc phần cứng. Một hệ thống theo dõi vấn đề với quy trình làm việc tự động sẽ định tuyến các phiếu yêu cầu ngay lập tức. Ví dụ, một yêu cầu chứa 'truy cập VPN' sẽ tự động được gửi đến nhóm an ninh mạng. Hệ thống cũng cung cấp cho nhân viên một cổng tự phục vụ nơi họ có thể kiểm tra trạng thái phiếu yêu cầu của mình, giảm hơn 40% email và cuộc gọi theo dõi đến bộ phận trợ giúp.
Quản lý Yêu cầu Tính năng của Khách hàng
Một người quản lý sản phẩm cho một công ty SaaS sử dụng công cụ theo dõi vấn đề để tập trung hóa các yêu cầu tính năng từ khách hàng. Thay vì theo dõi các email và phiếu hỗ trợ rải rác, tất cả các đề xuất được ghi lại dưới dạng 'vấn đề' của một loại cụ thể. Những người dùng khác có thể bỏ phiếu cho các yêu cầu này, cung cấp dữ liệu rõ ràng về những tính năng nào được yêu cầu nhiều nhất. Thành phần AI có thể nhóm các yêu cầu tương tự, chẳng hạn như 'thêm chế độ tối' và 'tùy chọn chủ đề ban đêm', thành một mục duy nhất có thể hành động cho lộ trình sản phẩm, đảm bảo nỗ lực phát triển phù hợp với nhu cầu của người dùng.
Giám sát Thỏa thuận Mức độ Dịch vụ (SLA)
Một nhóm hỗ trợ khách hàng cho một sản phẩm phần mềm doanh nghiệp bị ràng buộc bởi các SLA nghiêm ngặt, chẳng hạn như thời gian phản hồi 1 giờ cho các vấn đề nghiêm trọng. Hệ thống theo dõi vấn đề của họ được cấu hình với các chính sách SLA này. Khi một phiếu yêu cầu có độ ưu tiên cao được tạo, một bộ đếm thời gian sẽ bắt đầu. Hệ thống tự động gửi lời nhắc cho nhân viên hỗ trợ khi gần đến hạn chót. Nếu SLA bị vi phạm, phiếu yêu cầu sẽ tự động được chuyển lên cấp quản lý hỗ trợ và được gắn cờ trong báo cáo, đảm bảo trách nhiệm và giúp xác định các điểm nghẽn trong quy trình hỗ trợ.
Điều phối giải quyết vấn đề liên nhóm
Một khách hàng báo cáo sự cố hiệu suất với một ứng dụng web. Nhân viên hỗ trợ ban đầu ghi lại nó trong trình theo dõi vấn đề. Vấn đề sau đó được giao cho một nhà phát triển backend, người phát hiện ra vấn đề liên quan đến một truy vấn cơ sở dữ liệu. Sử dụng công cụ này, họ có thể giao lại vấn đề cho nhóm quản trị viên cơ sở dữ liệu (DBA), trong khi vẫn giữ tất cả bối cảnh ban đầu, nhật ký và thông tin liên lạc của khách hàng ở một nơi. Việc bàn giao liền mạch này ngăn ngừa mất thông tin và cho phép các nhà quản lý theo dõi hành trình của vấn đề qua các phòng ban khác nhau để có một giải pháp hoàn chỉnh.
Tạo ra Thông tin chi tiết từ Dữ liệu Vấn đề
Một người quản lý Đảm bảo Chất lượng (QA) muốn hiểu các vấn đề lặp đi lặp lại trong ứng dụng di động của họ. Sử dụng các tính năng báo cáo của công cụ theo dõi vấn đề, họ tạo ra một bảng điều khiển trực quan hóa các chỉ số chính. Họ phát hiện ra rằng 20% tất cả các lỗi được báo cáo trong quý trước có liên quan đến mô-đun thanh toán. Thông tin chi tiết dựa trên dữ liệu này cho phép họ phân bổ nhiều tài nguyên thử nghiệm hơn cho mô-đun cụ thể đó trong chu kỳ phát triển tiếp theo, chủ động giảm các lỗi trong tương lai và cải thiện chất lượng tổng thể của sản phẩm.