Agente de IA para triagem e priorização de tickets de suporte

Triar um ticket não é responder a ele. É decidir do que ele trata, o quanto isso é urgente e quem deve cuidar dele. Essa etapa parece simples vista de longe, mas consome um tempo enorme quando o volume cresce, e se deteriora rápido se ninguém a acompanha continuamente. Um agente de IA autônomo pode assumir exatamente essa etapa, a que antecede a resposta propriamente dita.

O problema

O volume de tickets não diminui. Segundo uma pesquisa da McKinsey citada pelo Zendesk, 57% dos executivos esperam que o volume de chamadas e tickets de atendimento ao cliente cresça até um quinto nos próximos um a dois anos (https://www.zendesk.fr/blog/customer-service/satisfaction/customer-service-statistics/). Ao mesmo tempo, as expectativas sobem: o relatório CX Trends 2026 do Zendesk, construído a partir de mais de 11 mil consumidores e responsáveis por CX entrevistados em 22 países, indica que 88% dos clientes esperam respostas mais rápidas do que há um ano, e que 74% dos consumidores já consideram o suporte disponível 24 horas por dia como a norma (https://cxtrends.zendesk.com/). O mesmo relatório é duro sobre as consequências de uma triagem ruim: 85% dos responsáveis por CX acreditam que os clientes abandonam uma marca depois de um problema não resolvido, inclusive já no primeiro contato.

A triagem também está entre as tarefas mais demoradas para as equipes de suporte, o que limita o tempo disponível para a parte que realmente importa, a resposta ao cliente. O relatório Customer Service Transformation da Intercom (2025) observa que 76% das equipes de suporte acabaram investindo em IA no ano passado, contra 54% que planejavam isso no início, um sinal de que a pressão operacional costuma superar os planos iniciais (https://www.intercom.com/blog/customer-service-transformation-report-2025/). O mesmo relatório observa que apenas 19% das equipes de suporte consideram que suas ferramentas atuais atendem completamente às suas necessidades, o que sugere que boa parte da carga de triagem ainda é manual hoje.

Essa triagem manual tem, além da lentidão, um custo escondido: a consistência. Uma pessoa que está triando tickets há oito horas não os classifica mais com o mesmo rigor do início do dia, e no fim de semana ou fora do horário de plantão, ninguém faz triagem alguma até a equipe voltar. Um ticket urgente publicado num sábado de manhã pode então esperar até segunda-feira antes mesmo de ser visto, não só antes de ser tratado. É essa lacuna de cobertura, mais do que a velocidade de processamento em si, que mais pesa na experiência do cliente em organizações sem plantão de suporte dedicado.

O que o agente faz, passo a passo

Na Atako, esse agente roda continuamente, não apenas durante o horário comercial da equipe de suporte. Ele recebe os novos tickets pelas integrações conectadas ao Zendesk, Intercom ou Freshdesk, conforme a ferramenta da empresa, e analisa cada mensagem para extrair a intenção, o assunto e uma pontuação de urgência.

Em seguida, enriquece o ticket com o histórico do cliente vindo do CRM (tempo de conta, plano contratado, tickets anteriores), antes de classificá-lo por categoria (cobrança, bug, dúvida sobre o produto, cancelamento) e por equipe responsável. Regras de escalonamento configuráveis entram em ação nesse momento: status VIP da conta, menção a palavras-chave sensíveis como um cancelamento ou uma menção jurídica, ou ticket sem resposta por tempo demais. O ticket é então direcionado para a fila certa, já com todo o contexto anexado, e um alerta é enviado ao Slack nos casos urgentes ou escalados. Cada decisão de classificação é registrada, para que um humano possa corrigi-la e refinar as regras depois.

O que esse agente deliberadamente não faz: redigir a resposta final ao cliente, nem fechar o ticket. Esse é o papel de um agente de automação de tickets de suporte, um módulo separado que assume depois que a triagem é feita.

As integrações envolvidas

O Zendesk fornece a leitura dos tickets recebidos e do histórico (get_ticket, search_tickets), com a atualização da categoria e da prioridade via update_ticket depois que a classificação é feita. No Intercom, o agente se conecta às conversas para classificar as mensagens em tempo real e encaminhar os casos ambíguos para um humano. Para as equipes que usam Freshdesk em vez de Zendesk, a mesma lógica de leitura e reclassificação se aplica.

O HubSpot serve para enriquecer o ticket antes de decidir sua prioridade: uma busca de contato (search_contacts) ou de negócio em andamento pode revelar que se trata de uma conta grande ou de uma renovação próxima, dois elementos que mudam a prioridade real de um ticket. O Slack recebe por fim o alerta quando um ticket é classificado como urgente, via post_message no canal de suporte escolhido pela equipe.

O que continua com o humano

O agente nunca responde ao cliente no lugar da equipe de suporte, e não fecha nenhum ticket. Seu papel termina na classificação, no enriquecimento e no direcionamento. Cada integração que ele usa depende de um grant preciso, com um escopo definido (somente leitura ou leitura e escrita): no Zendesk, por exemplo, um grant pode autorizar a leitura completa dos tickets, mas limitar a escrita apenas à atualização da categoria, sem tocar no conteúdo do ticket em si.

Três coisas permanecem estruturalmente do lado humano. Primeiro, atender e responder aos tickets depois que são triados: o agente prepara o terreno, não redige a resposta ao cliente. Depois, reclassificar tickets mal categorizados: uma classificação errada continua visível e editável como qualquer outro ticket, e corrigir o agente faz parte do funcionamento normal, não é uma falha a esconder. Por fim, definir e evoluir os critérios de urgência e escalonamento, um trabalho que exige o conhecimento fino do dia a dia do suporte que a equipe mantém.

Essa divisão do trabalho corresponde ao que se chama de human-in-the-loop: o agente absorve o volume e a repetição da triagem, o humano mantém a decisão sobre a resposta e sobre as próprias regras. Cada chamada de integração feita pelo agente (leitura de um ticket, atualização de categoria, alerta no Slack) é registrada com seu status, visível na linha do tempo de atividade do agente, e consultável em detalhe por um administrador no log de integração de toda a empresa.

Resultado mensurável

O benefício principal é a consistência: um ticket que chega num domingo à meia-noite é classificado e direcionado tão rápido quanto um ticket que chega numa terça-feira às 10h. Isso deixa de depender de quem está disponível naquele momento exato para abrir a fila e fazer a triagem manualmente. Para uma equipe que recebe um volume crescente de tickets, como sugere a pesquisa da McKinsey citada acima, essa é a parte do trabalho que melhor absorve o aumento de volume sem exigir contratações no mesmo ritmo, mantendo um tempo de triagem estável mesmo quando o número de tickets dobra de um trimestre para o outro.

O plano Standard da Atako cobra 20 euros por mês por vaga de agente (slot), com 1000 créditos incluídos todo mês para cobrir as chamadas ao modelo usadas na leitura, na classificação e no enriquecimento de cada ticket. Esse custo não depende do volume de tickets tratados nem do número de pessoas da equipe de suporte que consultam as classificações, apenas o número de agentes ativos ao mesmo tempo conta. O detalhamento completo está na página de preços.