NexTool Solutions

A IA não vai substituir o analista de suporte, mas o analista que a usa bem vai substituir o que a ignora. No GLPI, isto não é discurso: é um fluxo que se configura, mede e ajusta. Na sustentação de service desks GLPI de clientes, vimos a IA fracassar de duas formas - colada sem medição (ninguém sabe se ajudou) e usada em piloto automático (uma sugestão errada colada diretamente na solução). Este guia mostra como operacionalizar a IA no dia a dia do chamado, com as consultas e a configuração que executamos no terreno.

Comece por medir onde a IA compensa, não onde impressiona

O erro comum é apontar a IA ao chamado complexo e raro - aquele que brilha na demonstração - em vez do repetitivo de alto volume, que é onde ela devolve tempo a sério. Antes de ligar seja o que for, descubra onde está o volume e quanto ele custa. Esta consulta lista as categorias com mais chamados nos últimos 90 dias e o tempo médio até à resolução, os candidatos de maior retorno para resposta assistida por IA, artigo de base de conhecimento e triagem automática:

-- Categorias de maior volume e tempo medio de resolucao (90 dias).
-- solve_delay_stat esta em segundos; /3600 converte para horas.
SELECT c.completename            AS categoria,
       COUNT(t.id)               AS chamados,
       ROUND(AVG(t.solve_delay_stat)/3600, 1) AS horas_ate_resolver
FROM glpi_tickets t
JOIN glpi_itilcategories c ON c.id = t.itilcategories_id
WHERE t.date >= DATE_SUB(NOW(), INTERVAL 90 DAY)
  AND t.is_deleted = 0
  AND t.solvedate IS NOT NULL
GROUP BY t.itilcategories_id, c.completename
HAVING chamados >= 10
ORDER BY chamados DESC
LIMIT 15;

O topo dessa lista é o seu mapa: são os assuntos onde um resumo automático, um rascunho de resposta ou um artigo de KB rendem mais. Uma categoria de alto volume e tempo alto de resolução é onde a IA como assistente mais alivia a fila; uma categoria de baixo volume e alta complexidade continua a ser trabalho humano - e tentar automatizá-la é desperdício.

Triagem determinística primeiro, IA depois

A confusão mais cara que vemos é pedir à IA o que as regras de negócio do GLPI já fazem melhor. Classificar categoria, definir prioridade e atribuir grupo por padrão de assunto, requerente ou entidade é trabalho das regras de negócio de chamados (RuleTicket): determinístico, auditável e reproduzível. A IA generativa entra no que é difuso e não precisa de ser reproduzível: resumir uma sequência de 50 interações, rascunhar uma resposta a partir do histórico, apontar o tom do requerente. Misturar os dois papéis é a origem de relatórios de SLA que ninguém consegue explicar. A matriz que usamos para decidir quem executa o quê:

Nunca chame a IA de forma síncrona no ciclo do chamado

Esta é a armadilha que mais horas custou na sustentação. Quando a integração de IA - ou qualquer webhook externo - dispara uma chamada HTTP dentro do gancho de criação ou atualização do chamado de forma síncrona, a gravação do analista fica presa à espera de que a API externa responda. Já vimos o botão de guardar bloquear de 30 a 60 segundos porque um hook fazia o pedido na hora, e o analista jurava que "o GLPI está lento". O enriquecimento por IA tem de ser assíncrono: coloca-se em fila e processa-se fora do pedido, pelo cron externo do GLPI. E esse cron precisa de ser real (modo CLI/externo), não o disparo por acesso a uma página:

# Cron externo do GLPI (MODE_EXTERNAL) - corre as tarefas em fila,
# incluindo notificacoes e enriquecimento assincrono.
# Correr como o utilizador do servidor web (www-data / apache), a cada minuto:
* * * * * www-data /usr/bin/php /var/www/html/glpi/front/cron.php >/dev/null 2>&1

O erro comum é deixar as tarefas automáticas em modo interno, acionado por quem carrega uma página. Sem visita, nada corre; sob carga, uma tarefa longa bloqueia o estado e as restantes não são executadas. Configure as tarefas no GLPI para o modo CLI e garanta o crontab acima - senão a automação "às vezes funciona", que é o mesmo que não funcionar.

O que continua a ser trabalho humano

A IA rascunha; o humano decide e assina. Diagnóstico de problema com variáveis não documentadas, negociação com utilizador frustrado, o juízo de escalar ou contornar, o contexto político que define a prioridade real - nada disso a IA resolve. E há um detalhe que só quem opera repara: o campo de solução do chamado alimenta a base de conhecimento, que por sua vez alimenta a sugestão seguinte da IA. Colar uma resposta gerada sem rever não é só um erro pontual - entra no acervo e volta amplificado na sugestão seguinte. O analista da era da IA é o revisor que impede esse ciclo de degradar a qualidade do atendimento.

As competências técnicas que passam a valer

1. Prompt com o contexto do chamado: citar o item, o histórico e o erro exato rende resposta útil; um prompt genérico rende texto genérico.
2. Ler e ajustar o RuleTicket: perceber a triagem determinística que sustenta o SLA vale mais do que qualquer truque de IA.
3. Medir com SQL: as consultas acima provam, com número, onde a IA rendeu e onde só deu trabalho.
4. Curar a base de conhecimento: a sugestão da IA é tão boa quanto a KB que a alimenta; um artigo desatualizado vira sugestão errada.
5. Rever antes de colar: é o analista que assina a solução, não a IA. Essa é a fronteira que define o analista que acrescenta valor.

Quer pôr a IA a trabalhar dentro do GLPI de forma mensurável, com o módulo AI Assist a integrar OpenAI GPT e Google Gemini no próprio chamado? Conheça a sustentação de GLPI da NexTool e faça a IA render sem partir o que já funciona.

Revisto pela equipa NexTool Solutions.