Triagem de tickets de suporte com IA: classifique, enriqueça, encaminhe — e meça as reatribuições

Todo ticket de suporte começa com o mesmo minuto de trabalho pouco vistoso. Alguém lê, decide do que ele trata, estima a urgência e o envia para uma fila. Multiplique esse minuto por todos os tickets e ele representa uma parcela significativa do dia da equipe de suporte — e, quando a estimativa está errada, o ticket passa de uma equipe para outra enquanto o cliente espera. O encaminhamento incorreto é a parte cara: não o minuto, mas as reatribuições.

Esse primeiro minuto é uma das tarefas mais claras para delegar a um modelo, desde que o modelo faça a triagem, e não o atendimento.

O que o sistema faz

Classifique. Um modelo de linguagem lê o ticket e gera rótulos estruturados: área do produto, tipo de solicitação (bug, dúvida de uso, cobrança, pedido de funcionalidade), sinais de urgência e um nível de confiança para cada um. Não é texto livre — são rótulos sobre os quais suas regras de encaminhamento podem agir, extraídos de uma taxonomia que sua equipe já usa.

Enriqueça. Antes de o ticket chegar a um agente, anexe o que ele teria de procurar: tickets semelhantes já resolvidos, o artigo de ajuda ou o problema conhecido relevante, a categoria do cliente e seu histórico recente e — quando a solicitação for rotineira — um rascunho de resposta que o agente possa editar em vez de escrever do zero.

Encaminhe. A atribuição se baseia nos rótulos e no que o sistema de tickets já sabe: qual equipe é responsável pela área, quem tem capacidade e quais contas têm um caminho de escalonamento. São regras determinísticas sobre os rótulos do modelo, para que o encaminhamento possa ser explicado e alterado sem retreinar nada.

Recorra à revisão humana. Casos de baixa confiança vão para uma fila de triagem humana, em vez de serem resolvidos com o melhor palpite disponível. Um encaminhamento incorreto custa mais do que um minuto de atenção de uma pessoa.

Onde ele traz retorno

Os ganhos são reais, mas aparecem em pontos específicos:

• Reatribuições. A métrica que importa. Se os tickets param de passar de uma equipe para outra, os tempos de primeira resposta e resolução melhoram; se não, o classificador está confiante e errado.
• Enriquecimento antes da velocidade. Reduzir o minuto de triagem é bom. Entregar ao agente os últimos três tickets semelhantes e o artigo certo é o que encurta a conversa com o cliente.
• A taxonomia. Um modelo só consegue classificar em categorias que existem. Se as categorias atuais foram criadas para relatórios, e não para encaminhamento, corrija primeiro a taxonomia — o modelo vai reproduzir fielmente qualquer desordem que receber.
• Mudanças nos dados. Uma nova versão do produto muda o que os tickets dizem. Acompanhe semanalmente a precisão da classificação com uma amostra de tickets rotulados por pessoas, ou o sistema vai se deteriorar discretamente enquanto o painel continua verde.

O que ele não deve fazer

Ele não deve responder ao cliente. Preparar um rascunho para um agente enviar é triagem; enviá-lo é atendimento, e as formas de falhar são diferentes — um rótulo errado custa uma reatribuição; uma resposta errada custa um cliente. Mantenha o modelo do lado interno do atendimento até que os rascunhos tenham conquistado o direito de sair, uma categoria de cada vez.

Como começar

Exporte alguns milhares de tickets resolvidos com a equipe que acabou atendendo cada um. Esse é o conjunto de treinamento e avaliação, e não custa nada. Execute o classificador em modo sombra — rotulando sem encaminhar — por duas semanas, compare com o que as pessoas fizeram e corrija a taxonomia onde houver divergências. Depois, deixe que ele encaminhe as categorias nas quais concorda com a equipe e mantenha o restante na fila humana. A lista de categorias que ele gerencia deve crescer; a taxa de reatribuição, não.