AI-agent til triage og prioritering af supportsager

At triere en sag er ikke det samme som at besvare den. Det handler om at afgøre, hvad den drejer sig om, hvor meget den haster, og hvem der skal tage sig af den. Trinet virker enkelt på afstand, men det tager forbløffende lang tid, når volumen stiger, og det forringes hurtigt, hvis ingen holder øje med det løbende. En autonom AI-agent kan overtage netop dette trin, det der går forud for selve svaret.

Problemet

Antallet af supportsager falder ikke. Ifølge en McKinsey-undersøgelse citeret af Zendesk forventer 57 procent af topledere, at volumen af opkald og supportsager vil stige med op til en femtedel inden for de næste et til to år (https://www.zendesk.fr/blog/customer-service/satisfaction/customer-service-statistics/). Samtidig stiger forventningerne: Zendesks CX Trends 2026-rapport, baseret på over 11.000 forbrugere og CX-ansvarlige i 22 lande, viser, at 88 procent af kunderne forventer hurtigere svar end for et år siden, og at 74 procent af forbrugerne nu anser support døgnet rundt for at være standarden (https://cxtrends.zendesk.com/). Samme rapport er hård ved konsekvenserne af dårlig triage: 85 procent af de CX-ansvarlige vurderer, at kunder forlader et brand efter et uløst problem, også ved den allerførste henvendelse.

Triage hører også til de mest tidskrævende opgaver for supportteams, hvilket begrænser den tid, der bliver tilbage til det, der virkelig betyder noget: svaret til kunden. Intercoms Customer Service Transformation-rapport (2025) noterer, at 76 procent af supportteams endte med at investere i AI sidste år, mod de 54 procent, der oprindeligt havde planlagt det, et tegn på, at det operationelle pres ofte overgår de oprindelige planer (https://www.intercom.com/blog/customer-service-transformation-report-2025/). Samme rapport observerer, at kun 19 procent af supportteams mener, at deres nuværende værktøjer fuldt ud dækker deres behov, hvilket tyder på, at en stor del af triage-arbejdet stadig foregår manuelt i dag.

Manuel triage har, ud over langsommeligheden, en skjult omkostning: konsistensen. En medarbejder, der har trieret sager i otte timer, klassificerer dem ikke længere med samme grundighed som ved dagens start, og i weekenden eller uden for vagttiden er der ingen, der trierer noget, før teamet vender tilbage. En akut sag, der oprettes en lørdag morgen, kan derfor vente til mandag, endda før nogen overhovedet ser den. Det er dette dækningshul, mere end selve behandlingshastigheden, der vejer tungest på kundeoplevelsen i organisationer uden en dedikeret supportvagtordning.

Hvad agenten gør, trin for trin

Hos Atako kører denne agent kontinuerligt, ikke kun i supportteamets arbejdstid. Den modtager nye sager via integrationerne forbundet til Zendesk, Intercom eller Freshdesk, afhængigt af virksomhedens værktøj, og analyserer hver besked for at udtrække hensigt, emne og en hastegrads-score.

Den beriger derefter sagen med kundehistorik fra CRM'et (kundeforhold, tegnet plan, tidligere sager), inden den klassificerer den efter kategori (fakturering, fejl, produktspørgsmål, opsigelse) og modtagerteam. Konfigurerbare eskaleringsregler træder i kraft på dette tidspunkt: VIP-status på kontoen, nævnte følsomme nøgleord som opsigelse eller juridisk henvisning, eller en sag der har stået ubesvaret for længe. Sagen sendes derefter til den rette kø, med al konteksten allerede vedhæftet, og en alarm går til Slack ved akutte eller eskalerede sager. Hver klassificeringsbeslutning logges, så et menneske kan rette den og finjustere reglerne bagefter.

Det, agenten bevidst ikke gør: skrive det endelige svar til kunden eller lukke sagen. Det er opgaven for en agent til automatisering af supportsager, en separat byggeklods, der tager over, når triagen er gjort.

Integrationerne i spil

Zendesk leverer læseadgang til indkommende sager og historik (get_ticket, search_tickets), med opdatering af kategori og prioritet via update_ticket, når klassificeringen er gjort. På Intercom forbinder agenten sig til samtalerne for at klassificere beskeder i realtid og sende tvetydige sager videre til et menneske. For teams, der bruger Freshdesk i stedet for Zendesk, gælder samme logik for læsning og omklassificering.

HubSpot bruges til at berige sagen, før prioriteten fastsættes: et opslag på kontakten (search_contacts) eller en igangværende deal kan afsløre, at det drejer sig om en nøglekonto eller en snarlig fornyelse, to elementer der ændrer en sags reelle prioritet. Slack modtager til sidst alarmen, når en sag klassificeres som akut, via post_message i den supportkanal, teamet har valgt.

Det, der stadig er op til mennesket

Agenten svarer aldrig kunden i stedet for supportteamet, og den lukker ingen sager. Dens rolle stopper ved klassificering, berigelse og videresendelse. Hver integration, den bruger, afhænger af et præcist grant med et defineret omfang (kun læsning, eller læsning og skrivning): på Zendesk kan et grant for eksempel give fuld læseadgang til sager, men begrænse skriveadgangen til alene at opdatere kategorien, uden at røre selve sagens indhold.

Tre ting forbliver strukturelt hos mennesket. Først behandling og besvarelse af sagerne, når de er trieret: agenten forbereder terrænet, den skriver ikke svaret til kunden. Dernæst omklassificering af fejlkategoriserede sager: en forkert klassificering forbliver synlig og redigerbar som enhver anden sag, og at rette agenten er en del af den normale drift, ikke en fejl der skal skjules. Til sidst definitionen og videreudviklingen af kriterierne for hastegrad og eskalering, et arbejde der kræver den detaljerede supportviden, teamet selv besidder.

Denne arbejdsdeling svarer til det, man kalder human-in-the-loop: agenten tager sig af mængden og gentagelsen i triagen, mennesket beholder beslutningen om svaret og om selve reglerne. Hvert integrationskald, agenten foretager (læsning af en sag, opdatering af kategori, alarm på Slack), logges med sin status, synlig i agentens aktivitetstidslinje, og kan gennemgås i detaljer af en administrator i hele virksomhedens integrationslog.

Målbart resultat

Den vigtigste gevinst er konsistensen: en sag, der ankommer en søndag ved midnat, klassificeres og sendes videre lige så hurtigt som en sag, der ankommer en tirsdag klokken ti. Det afhænger ikke længere af, hvem der lige er tilgængelig til at åbne køen og triere manuelt. For et team med stigende sagsvolumen, som McKinsey-undersøgelsen nævnt ovenfor peger på, er det den del af arbejdet, der bedst absorberer volumenstigningen uden at kræve tilsvarende rekruttering, med en stabil triage-tid, selv når antallet af sager fordobles fra ét kvartal til det næste.

Atakos Standard-plan koster 20 euro om måneden per agent-slot, med 1000 credits inkluderet hver måned til at dække de modelkald, der bruges til læsning, klassificering og berigelse af hver sag. Denne pris afhænger hverken af antallet af behandlede sager eller antallet af supportmedarbejdere, der ser klassificeringerne, kun antallet af aktive agenter samtidig tæller. Alle detaljer findes på siden om priser.