Triaj automatizat pentru tichete folosind agenți AI specializați

Blocaje pe care le eliminăm

• Timp pierdut de operatori pentru citirea și clasificarea manuală a tichetelor

  Echipa ta de nivel 1 citește sute de mesaje zilnic doar pentru a adăuga o etichetă și a muta tichetul în coada corectă. Această rutină consumă ore de muncă ce ar trebui alocate rezolvării efective a problemelor tehnice.

• Alocarea greșită a solicitărilor către departamente fără competență de rezolvare

  Un tichet tehnic ajunge la departamentul financiar pentru că utilizatorul a menționat cuvântul plată în descrierea erorii. Transferurile repetate între departamente cresc timpul de așteptare pentru client și blochează fluxul intern de lucru.

• Lipsa contextului și a datelor structurate la preluarea tichetului

  Utilizatorii trimit mesaje nestructurate, fără a include ID-ul de client sau numărul facturii. Operatorul trebuie să caute manual aceste informații în baza de date înainte de a putea formula un răspuns sau a investiga problema raportată.

• Întârzieri majore în identificarea incidentelor critice de infrastructură

  Un tichet care raportează căderea unui server de producție stă în aceeași coadă cu o cerere de resetare a parolei. Fără o prioritizare automată bazată pe analiza textului, incidentele majore sunt tratate cu întârziere.

Arhitectura. Stack-ul. Compromisurile.

• Ingestion & Webhooks

  Preluăm tichetele noi în timp real prin webhook-uri expuse de platforma ta de suport. Validăm payload-ul și îl normalizăm pentru a extrage textul brut și metadatele relevante înainte de analiză.

  • Node.js
  • Express
  • API Gateway

• LLM Processing & Entity Extraction

  Trimitem textul către modelul lingvistic cu un prompt de sistem strict care forțează un output structurat de tip JSON. Extragem categoria, prioritatea și entitățile de business specifice.

  • OpenAI API
  • Anthropic API
  • LangChain

• API Integration & Action Execution

  Parsăm răspunsul modelului și executăm apelurile către API-ul platformei tale de ticketing pentru a actualiza câmpurile custom, a adăuga tag-uri și a schimba starea sau asignarea tichetului.

  • REST API
  • GraphQL
  • Axios

Cum lucrez

1. 01

   Auditarea fluxului de tichete și a regulilor de rutare

   Analizăm categoriile tale actuale de tichete și regulile de business. Definim intențiile pe care agentul trebuie să le recunoască și entitățile pe care trebuie să le extragă din textul nestructurat.

2. 02

   Configurarea accesului și a integrărilor API

   Ne furnizezi cheile de API și permisiunile necesare pentru platforma ta de ticketing. Construim conectorii care permit agentului să citească tichetele noi și să aplice etichete sau să le mute în alte cozi.

3. 03

   Dezvoltarea agentului și scrierea prompturilor de clasificare

   Construim agentul folosind modele de la OpenAI sau Anthropic. Definim prompturile de sistem care instruiesc modelul cum să interpreteze mesajele și cum să mapeze intențiile pe categoriile tale specifice.

4. 04

   Testare pe date istorice și calibrarea logicii

   Rulăm agentul pe un set de 1000 de tichete istorice deja clasificate. Ajustăm logica de extragere și rutare pe baza rezultatelor, pentru a asigura un comportament predictibil în producție.

5. 05

   Deployment și activarea procesării în timp real

   Trecem agentul în producție. Acesta începe să asculte webhook-urile platformei de suport, procesând fiecare tichet nou în câteva secunde de la creare, 24 de ore din 24.

Întrebări frecvente

• Cu ce platforme de ticketing puteți integra acest agent de triaj?+

  Integrăm agentul cu orice platformă care expune un API REST sau GraphQL funcțional și suportă webhook-uri. Printre cele mai comune se numără Jira Service Management, Zendesk, Freshdesk sau sisteme ERP dezvoltate intern. Integrarea depinde de accesul și cheile de API pe care ni le pui la dispoziție.
• Ce se întâmplă dacă agentul nu poate clasifica un tichet cu certitudine?+

  Construim un mecanism de fallback. Dacă agentul determină că mesajul este ambiguu sau nu se încadrează clar într-o categorie definită, tichetul este trimis către o coadă generică de triaj manual. Operatorii umani preiau aceste cazuri, iar deciziile lor pot fi folosite ulterior pentru a ajusta prompturile.
• Cât durează procesarea unui tichet prin intermediul agentului AI?+

  Procesarea durează de obicei între 2 și 5 secunde per tichet, din momentul în care primim payload-ul prin webhook până când apelăm API-ul platformei tale pentru a actualiza câmpurile și a face rutarea. Timpul exact depinde de complexitatea mesajului și de timpul de răspuns al modelului LLM utilizat.
• Poate agentul să răspundă direct clienților?+

  Pentru acest use-case specific de triaj, agentul doar citește, extrage date și rutează intern tichetul. Nu trimite mesaje către utilizatorul final. Dacă dorești un agent care să și formuleze răspunsuri pe baza unei baze de cunoștințe, implementăm o arhitectură RAG suplimentară, dar trimiterea mesajului trebuie validată conform regulilor tale de business.
• Ce modele lingvistice folosiți pentru analiza textului?+

  Utilizăm modele de la OpenAI, Anthropic sau Google, în funcție de complexitatea analizei necesare și de limitările tale de cost pe API. Pentru triaj rapid și extragere de entități structurate JSON alegem modelul în funcție de raportul cost/latență din momentul implementării, nu de o versiune fixată în contract.
• Cum asigurați securitatea datelor sensibile din tichete?+

  Datele sunt procesate în tranzit și trimise către API-urile furnizorilor de modele LLM prin conexiuni securizate. Nu stocăm permanent conținutul tichetelor pe serverele noastre. Clientul rămâne operatorul datelor, iar BaseTech acționează ca persoană împuternicită pe bază de contract de prelucrare, conform cerințelor GDPR.