Intelligence prédictive Cadres de travail

  • Rversion finale: Australia
  • Mis à jour 12 mars 2026
  • 2 minutes de lecture
  • Intelligence prédictive fournit trois cadres de travail de modèle différents dans la Australie mise en production : classification, similarité et mise en grappe. Chaque framework est spécialisé dans différents types de prédictions.

    Intelligence prédictive Cadre de travail de classification

    Le Intelligence prédictive cadre de travail de classification vous permet d’utiliser des algorithmes d’apprentissage machine pour définir des valeurs de champ catégorielles lors de la création d’enregistrement. Par exemple, vous pouvez utiliser le modèle pour définir la catégorie d’incident en fonction de la brève description. Vous pouvez former des modèles prédictifs afin qu’ils agissent comme un agent pour catégoriser et acheminer le travail automatiquement en fonction de votre expérience passée de la gestion des enregistrements.

    Activez l’activation Intelligence prédictive pour gérer des volumes de demandes entrantes à moindre coût. Automatisez la catégorisation et l’affectation des demandes de réduction :
    • Délais de résolution des tâches.
    • Nombre d’interactions requises pour résoudre les tâches.
    • Taux d’erreur de catégorisation et d’affectation du travail.

    Pour plus d'informations, consultez Créer et former une solution de classification.

    Intelligence prédictive Cadre de travail de similarité

    Le Intelligence prédictive cadre de travail de similarité identifie les enregistrements existants qui ont des valeurs similaires à un nouvel enregistrement. Par exemple, vous pouvez former un sous-ensemble de vos enregistrements d’incidents pour recommander une résolution basée sur les informations d’un enregistrement d’incident similaire. En empruntant à des incidents fermés similaires dont la résolution a été prouvée, vous pouvez aider les agents et les prestataires à fournir rapidement la meilleure résolution pour un incident entrant.

    Le cadre de similarité n’a pas besoin d’une correspondance exacte de mots-clés pour ses comparaisons de textes, car ses algorithmes identifient les mots et les synonymes similaires en fonction de contextes similaires. Par exemple, les expressions imprimante ne fonctionne pas et imprimante cassée sont toutes deux reconnues comme similaires. Le cadre de travail collecte, apprend et applique également le contexte spécifique à votre secteur. Par exemple, l’expression incapable de rejoindre le réseau a un contexte différent dans une société de réseau informatique que dans une compagnie d’assurance maladie.

    Le cadre de travail de similarité utilise une solution de similarité de workflow. Pour plus d'informations, consultez Créer et former une solution de similarité.

    Intelligence prédictive Cadre de travail de mise en grappe

    La mise en grappe divise les données en groupes qui peuvent ensuite être utilisés pour identifier des schémas. Vous pouvez alors traiter les enregistrements collectivement ou trouver des lacunes dans les données existantes. Par exemple, vous pouvez regrouper de nouveaux incidents similaires pour identifier une panne majeure.

    Le cadre de travail de mise en grappe utilise une solution de mise en grappe de workflow. Pour plus d'informations, consultez Créer et former une solution de mise en grappe.

    Déconseillé dans la Washington DC version : Intelligence prédictive cadre de travail de régression

    Important :
    La prise en charge de la création de nouvelles solutions de régression a été supprimée dans la Washington DC version. Vous pouvez former et modifier des solutions existantes, mais vous ne pouvez pas en créer de nouvelles. Ces informations sont fournies pour le contexte hérité.
    La régression est un cadre de travail d’apprentissage machine qui utilise des données historiques pour prédire les sorties numériques, telles qu’une température ou le cours d’une bourse.

    Pour plus d'informations, consultez Créer et former une solution de régression.