Triagem de chamados com IA no GLPI: como funciona

Toda equipe de service desk conhece a cena. A fila de chamados cresce, cada ticket chega com texto solto e alguém precisa ler, categorizar e decidir a prioridade na mão. Essa triagem manual consome tempo e atrasa o atendimento do que realmente é urgente.

A triagem de chamados com IA no GLPI muda essa lógica. Em vez de depender só do julgamento humano, a inteligência artificial lê o conteúdo do chamado, sugere a categoria, estima a urgência e ajuda a direcionar o ticket ao time certo. Assim, o analista para de gastar energia no trabalho repetitivo.

Neste guia, mostramos como a IA atua na triagem, quais são as funções padrão de mercado e os dois caminhos reais dentro do GLPI. Também explicamos como a OpServices desenvolve IA própria integrada à plataforma, sob medida para cada operação, sem perder o controle sobre dados e governança.

O problema da triagem manual de chamados

Antes de falar de IA, vale entender o gargalo. Em operações com alto volume, a triagem manual vira um funil lento e sujeito a erro humano. Cada minuto gasto classificando um ticket é um minuto a menos resolvendo problemas reais.

A categorização depende de quem está de plantão. Dois analistas leem o mesmo chamado e classificam de formas diferentes. Como resultado, os relatórios ficam inconsistentes e a priorização perde confiabilidade ao longo do tempo.

Além disso, chamados críticos esperam na mesma fila que pedidos simples. Quando ninguém separa o urgente do trivial logo na entrada, o fluxo de chamados e o SLA entram em risco. O time passa a apagar incêndio em vez de prevenir.

Há ainda o custo do retrabalho. Um ticket mal categorizado segue para o time errado, volta para a fila e recomeça o ciclo. Esse vai e volta infla o tempo de resolução sem agregar nada ao usuário final.

Como a IA atua na triagem de chamados

A triagem inteligente automatiza três decisões que antes eram manuais: classificar, priorizar e rotear. Para isso, a IA usa processamento de linguagem natural (NLP) para interpretar o texto do chamado e extrair intenção, categoria e sinais de urgência.

Essas capacidades fazem parte de um movimento maior de inteligência artificial em TI, que tira da operação as tarefas repetitivas e devolve tempo para o trabalho estratégico. A seguir, veja as quatro funções que aparecem na maioria das ferramentas de mercado.

Classificação e categorização automática

A IA lê a descrição do chamado e sugere a categoria correta: acesso bloqueado, erro de sistema ou solicitação de hardware. Em vez de o usuário escolher em um menu que não entende, o modelo infere o tipo a partir do que foi escrito.

Priorização por urgência

Depois de classificar, a IA estima a prioridade. Ferramentas de mercado avaliam o conteúdo, o impacto e até o tom da mensagem para sinalizar quando um chamado é sensível ao tempo. Dessa forma, o que é crítico sobe na fila de maneira automática.

Roteamento ao time certo

Com categoria e prioridade definidas, o próximo passo é direcionar. A IA encaminha o ticket ao grupo técnico adequado, o que reduz o reencaminhamento e encurta o caminho até quem sabe resolver. Menos saltos significam menos tempo perdido.

Resumo e sugestão de solução

As funções mais avançadas vão além do roteamento. Elas resumem chamados longos, recuperam artigos da base de conhecimento e sugerem uma possível solução ou resposta. Em casos de alta confiança, alguns fluxos chegam a resolver o ticket sozinhos, sempre com revisão posterior.

Dois caminhos para usar IA no GLPI

O GLPI não traz IA de triagem ativada por padrão na instalação base. Para entender o contexto, vale revisar o que é o GLPI e o papel dele como plataforma de ITSM. Na prática, existem dois caminhos para colocar a inteligência artificial para trabalhar nos seus chamados.

O primeiro é o plugin GLPI AI, exclusivo do GLPI Network. Ele se conecta a um modelo de linguagem externo para resumir a linha do tempo do ticket, sugerir acompanhamento ou solução e traduzir chamados.

Você escolhe o modelo, o idioma e o estilo das respostas, conforme a documentação oficial do plugin.

O segundo caminho é treinar um modelo com o histórico de atendimentos da sua operação. Em vez de um pacote genérico, o modelo aprende com os padrões reais dos seus chamados: as palavras que indicam cada tipo de problema e o nível de urgência associado a elas.

Instituições públicas já seguem essa rota. A AGETIC, agência de tecnologia da UFMS, relata ter desenvolvido uma IA treinada com o histórico dos próprios atendimentos para classificar cada solicitação com mais precisão em categoria e prioridade. É um exemplo de como o dado interno vira combustível do modelo.

IA própria da OpServices integrada ao GLPI

Os dois caminhos não são excludentes. É justamente aqui que entra o trabalho sob medida. A OpServices desenvolve IA própria integrada ao GLPI, pensada para a realidade de cada operação em vez de um pacote único para todos os clientes.

Na prática, isso une o melhor dos dois mundos. A capacidade de resumir e sugerir respostas dos modelos de linguagem se combina com a precisão de uma classificação treinada no seu histórico de chamados. O fluxo nasce dentro do GLPI e respeita as categorias, os grupos e os SLAs que você já usa.

Esse tipo de projeto conversa com iniciativas maiores de automação no GLPI e com a jornada rumo a operações autônomas, em que a TI reage menos e antecipa mais. A IA de triagem costuma ser uma das primeiras portas dessa evolução.

Vale reforçar o princípio que guia o trabalho: a IA acelera a triagem, mas não substitui o analista. O modelo sugere, o humano valida e o sistema aprende com a correção. Esse ciclo de human-in-the-loop mantém a qualidade enquanto a automação ganha escala.

Benefícios e como medir o impacto

Os ganhos da triagem com IA aparecem em três frentes: velocidade, consistência e foco do time. A classificação automática encurta o tempo até o primeiro atendimento, padroniza a categorização entre analistas e libera gente para os casos que exigem cérebro humano.

Ainda assim, evite promessas vazias. O ganho real depende da qualidade dos seus dados e do volume de chamados que você processa. Por isso, meça antes e depois: compare o tempo médio de triagem, a taxa de reencaminhamento e a aderência ao SLA com e sem a IA.

A mesma disciplina de métricas que sustenta o AIOps vale por aqui. Defina uma linha de base, acompanhe os indicadores por algumas semanas e ajuste o modelo conforme os resultados aparecem. A decisão precisa ser baseada em dado, nunca em entusiasmo.

Cuidados: LGPD, custo de LLM e human-in-the-loop

Colocar IA na triagem traz responsabilidades. Chamados costumam conter dados pessoais e informações sensíveis, então o tratamento precisa respeitar a Lei Geral de Proteção de Dados.

Quando o fluxo envia o conteúdo do ticket para um modelo de linguagem externo, você precisa saber para onde o dado vai, por quanto tempo fica armazenado e quem tem acesso a ele. Boas práticas de governança, alinhadas às orientações da autoridade de proteção de dados, reduzem bastante o risco.

Existe também o custo. Cada chamada a um LLM externo tem preço por token, então um volume alto de chamados pode pesar na conta no fim do mês. Modelos treinados internamente ou regras híbridas ajudam a controlar esse gasto sem abrir mão da automação.

Por fim, mantenha o humano no circuito. A IA propõe categoria e prioridade, mas a palavra final continua com o analista nos casos sensíveis. Esse equilíbrio protege a operação de erros de classificação e de decisões automáticas tomadas sem contexto.

Conclusão

A triagem de chamados com IA no GLPI deixou de ser promessa distante. Hoje, ela classifica, prioriza e roteia tickets com apoio de modelos de linguagem ou de classificadores treinados no seu próprio histórico. O resultado é um service desk mais rápido, consistente e focado no que exige julgamento humano.

O caminho certo depende do seu volume, dos seus dados e do seu apetite de governança. Comece medindo a triagem atual, escolha entre o plugin oficial ou um modelo sob medida e mantenha o analista no circuito. A inteligência artificial é o acelerador, mas a estratégia continua sendo sua.

Quer levar isso para a sua operação? A OpServices cuida da implementação de IA sob medida no GLPI e acompanha o projeto do diagnóstico à produção. Fale com um especialista e descubra o melhor caminho para o seu service desk.