GLPI AssistIA

Caso de uso

La gestión de incidencias, especialmente en departamentos de IT, requiere de tareas que muchas veces son repetitivas como revisar wikis, documentación o la ejecución de comandos de verificación a determinados servidores. GLPI AssistIA busca servir como base para reducir toda esta carga de trabajo proporcionando un informe previo de la incidencia a tratar. Una vez se registra una incidencia en el sistema, esta se envía a un servidor (GLPI AssistIA Server) que busca toda la información relacionada y que genera un informe con posibles soluciones. Este informe estará visible para el agente que trate esta incidencia como una nota privada en el momento que tome el caso, para que solo se tenga que preocupar en brindar el mejor servicio posible al cliente.

Evolución de los Agentes

Los agentes de GLPI AssistIA han evolucionado a través de varios prototipos, cada uno añadiendo nuevas funcionalidades y capacidades para mejorar la gestión de incidencias. A continuación, se describen los principales hitos en esta evolución:

Prototipo 1

Se implementó un agente básico con una sola función de resumen para un ticket de GLPI, enviando el resultado a un archivo en el servidor.

Prototipo 2

Se introdujo la capacidad de realizar un ping a una dirección IP proporcionada en el ticket y se mejoró la lectura de la documentación de Wiki.js. Esto permitió al agente responder de manera más efectiva a incidentes de conectividad.

Prototipo 3

Se integraron múltiples agentes con roles específicos (Analista, Resolutor) y se implementó un flujo de trabajo para que los agentes pudieran interactuar y colaborar en la resolución de problemas más complejos. Se introdujo el concepto de un bus de datos MCP.

Análisis de Modelos LLM

Para el desarrollo de GLPI AssistIA, se realizó un análisis comparativo de varios modelos de lenguaje para determinar cuál sería el más adecuado para el proyecto. El objetivo era encontrar un modelo que ofreciera un equilibrio entre capacidades de procesamiento, coste y capacidad de ser auto-hospedado para garantizar la privacidad de los datos.

La orquestación de los agentes se llevó a cabo utilizando la librería CrewAI, que facilita la colaboración entre diferentes agentes especializados. Se consideraron tanto modelos de código abierto como propietarios, prestando especial atención a la flexibilidad para su integración en el servidor. Este análisis fue crucial para optimizar el rendimiento y la eficiencia del sistema en el entorno de GLPI.

Para más detalles, puedes consultar el documento completo en el repositorio del proyecto.

Ver documento de análisis completo

Arquitectura y Visión General

El núcleo del sistema está diseñado en torno a un flujo de trabajo que se activa con la creación de un ticket en GLPI. La información del ticket es procesada por un sistema de agentes inteligentes (CrewAI) que colaboran para analizar, enriquecer y proponer soluciones. Este CrewAI se conecta a herramientas externas (bases de conocimiento, sistemas de monitorización) a través de un Servidor MCP (Model Context Protocol), que actúa como un bus de datos.

Flujo de Trabajo del Ticket

Entrada en GLPI: Un usuario o técnico crea un ticket de incidencia.
Activación del Agente: La incidencia se transfiere al sistema CrewAI alojado en GLPI AssistIA Server para su procesamiento.
Análisis por Agentes IA: Un equipo de agentes evalúa la urgencia, clasifica la incidencia y revisa datos históricos para proponer una solución.
Respuesta en GLPI: La solución y el análisis generados se publican en el ticket de GLPI, asistiendo al técnico o respondiendo directamente al usuario.

Configuración y Ejemplo de Uso

Características Principales

Resumen y Enriquecimiento de Tickets: La IA analiza y resume el problema del usuario, añadiendo contexto técnico.
Arquitectura MCP: Un bus de datos desacoplado para facilitar la comunicación y la escalabilidad.
Información Contextual Inteligente: Proporciona información relevante tanto a técnicos como a usuarios.

Casos prácticos

Interfaz del Plugin

Métricas de Éxito

El éxito del proyecto se medirá por la consecución de los siguientes objetivos:

Reducción de más del 70% en el tiempo de primera respuesta.
Precisión superior al 85% en las respuestas automáticas generadas.
Reducción de más del 50% en los tickets que necesitan ser escalados manualmente.
Reducción de más del 40% en el tiempo promedio de resolución de incidencias.
Nivel de satisfacción del usuario superior a 4.0/5.0.

Colaboración

Este proyecto ha sido posible gracias al programa de Becas de Verano de ANFAIA y la colaboración de Aitire.