Quando um chamado é encerrado, a sensação é de trabalho concluído. Mas, se o mesmo erro volta com outro cliente, outro usuário ou outra descrição, a equipe apenas resolveu o sintoma. O custo reaparece em horas de atendimento, interrupções para desenvolvimento e desgaste para quem usa o sistema.
A inteligência artificial pode ajudar a encontrar essas repetições em um volume que seria difícil revisar manualmente. Ela compara descrições, soluções aplicadas, módulos afetados e contexto operacional para sugerir grupos de chamados parecidos. O resultado não deve ser uma “causa raiz automática”, mas uma lista de padrões que a equipe humana pode investigar.
Esse trabalho complementa a triagem apresentada no artigo Como classificar e priorizar chamados de suporte com IA. A triagem ajuda a tratar melhor o que chegou hoje; a análise de recorrência ajuda a reduzir o que chegará amanhã.
Incidente resolvido não significa problema eliminado
Na gestão de serviços, incidente e problema têm objetivos diferentes. O incidente exige restabelecer o serviço o quanto antes. A gestão de problemas procura prevenir novos incidentes ou diminuir seu impacto. A Atlassian resume essa diferença e alerta para o risco de a urgência diária sempre ocupar o espaço da investigação de longo prazo.
É exatamente nesse intervalo que a IA pode ser útil. A equipe não precisa esperar por uma indisponibilidade grave. Pode analisar periodicamente chamados encerrados e procurar sinais como:
- descrições diferentes para o mesmo comportamento do sistema;
- soluções temporárias aplicadas várias vezes;
- módulos, versões ou integrações que aparecem juntos;
- aumento de chamados após uma atualização;
- dúvidas repetidas que indicam falha de interface, treinamento ou documentação.
Um método simples em seis passos
1. Defina uma pergunta pequena
Comece com uma área, um módulo ou um período. Por exemplo: “Quais padrões se repetiram nos chamados do módulo fiscal nos últimos 90 dias?”. Evite enviar todo o histórico da empresa sem saber o que procura. Um recorte pequeno facilita validar se a análise realmente ajuda.
2. Prepare os dados mínimos
Para cada chamado, use apenas os campos necessários: identificação interna, data, produto ou módulo, versão, assunto, descrição do sintoma, solução aplicada, causa já confirmada, cliente ou segmento anonimizado e tempo gasto. Remova nomes, e-mails, telefones, credenciais, anexos e qualquer dado pessoal que não seja indispensável.
Esse cuidado não é opcional. O princípio da necessidade da LGPD limita o tratamento ao mínimo necessário para a finalidade. Antes de usar um serviço externo de IA, a empresa também precisa verificar contrato, local de processamento, retenção, permissões e se o conteúdo será utilizado para treinamento do fornecedor.
3. Peça agrupamentos, não sentenças
Uma instrução útil pode ser: “Agrupe os chamados por semelhança de sintoma e solução. Para cada grupo, informe os chamados relacionados, as evidências em comum, possíveis explicações e o que ainda precisa ser confirmado. Não declare causa raiz sem evidência”.
A saída deve permitir rastrear cada conclusão até os registros originais. Se o modelo apresentar um grupo sem citar quais chamados o formaram, a análise fica difícil de auditar. Também vale pedir uma categoria “sem evidência suficiente”, em vez de forçar todos os casos para algum padrão.
MATERIAL PRÁTICO
Quer aplicar IA no seu trabalho?
Tenha acesso gratuito a 50 prompts prontos para usar e adaptar.
Quero acessar os prompts4. Valide com suporte, produto e desenvolvimento
O suporte conhece a linguagem dos clientes. Produto entende regras e prioridades. Desenvolvimento conhece mudanças, dependências e limitações técnicas. A revisão conjunta evita confundir sintomas parecidos com causas iguais.
Um erro de cálculo, por exemplo, pode surgir por configuração, cadastro incompleto, integração atrasada ou defeito de software. A IA consegue aproximar textos semelhantes, mas normalmente não possui todos os logs, regras de negócio e decisões que explicam o ocorrido.
5. Transforme o padrão em uma ação com responsável
Cada padrão validado deve gerar uma ação concreta: corrigir uma regra, melhorar uma mensagem de erro, criar uma validação preventiva, atualizar documentação, revisar implantação, produzir um treinamento ou monitorar uma integração. Registre responsável, prazo e indicador. Sem isso, o relatório de IA vira apenas mais um documento.
6. Compare antes e depois
Meça o grupo de chamados por algumas semanas antes da intervenção e pelo mesmo período depois dela. Observe volume, clientes afetados, tempo total consumido, reaberturas e escalonamentos para outras equipes. A pergunta não é “quantos padrões a IA encontrou?”, mas “quais reincidências diminuíram depois das ações?”.
Exemplo aplicado a uma empresa de ERP
Imagine um cenário hipotético: a IA agrupa 38 chamados com textos diferentes — “estoque não atualizou”, “saldo divergente”, “nota sem movimento” e “integração parada”. O ponto em comum sugerido é que todos ocorreram após falha na fila de integração.
A equipe confere os registros e descobre que há, na verdade, três situações: credencial expirada, serviço parado e cadastro sem vínculo. A primeira sugestão da IA, portanto, não era uma causa raiz; era um bom ponto de partida.
As ações podem ser diferentes: alerta antecipado de expiração, monitoramento automático do serviço e validação obrigatória do vínculo cadastral. Na revisão seguinte, a empresa compara quantos chamados de cada grupo reapareceram. O ganho vem da combinação entre agrupamento, investigação e correção — não do modelo isoladamente.
Limites que precisam ficar claros
- Texto ruim produz grupo ruim: chamados vagos, soluções copiadas e campos incompletos diminuem a qualidade da análise.
- Correlação não é causa: itens aparecem juntos no histórico, mas isso não prova que um provocou o outro.
- Casos raros podem ser mais importantes: frequência não substitui impacto. Um único incidente crítico merece atenção.
- O modelo pode inventar conexões: toda hipótese precisa ser confrontada com tickets, logs, mudanças e pessoas envolvidas.
- Dados exigem governança: use acesso por função, registre a finalidade, limite retenção e mantenha revisão humana.
O AI Risk Management Framework do NIST trata a gestão de risco de IA como um processo contínuo de governar, mapear, medir e administrar. Aplicado ao suporte, isso significa acompanhar erros da análise, documentar decisões e ajustar o processo, em vez de confiar em uma única execução.
Como medir se o teste funcionou
- redução do número de chamados do padrão validado;
- queda nas horas gastas com ocorrências repetidas;
- percentual de grupos sugeridos que foram confirmados pela equipe;
- tempo entre identificar o padrão e concluir a ação preventiva;
- redução de reaberturas e de escalonamentos;
- quantidade de ações concluídas, não apenas criadas.
Um piloto de 30 dias pode começar com um único módulo e uma reunião semanal de 30 minutos. Se os grupos forem úteis e gerarem ações verificáveis, amplie para outras áreas. Se não forem, revise a qualidade dos dados, o recorte e as instruções antes de trocar de ferramenta.
O que muda na prática para uma empresa de software?
A central de suporte deixa de ser apenas um canal de resposta e passa a funcionar também como fonte de melhoria do produto. A IA reduz o esforço de leitura inicial, mas a empresa continua responsável por confirmar causas, decidir prioridades e executar mudanças.
A ação prática para esta semana é simples: escolha um módulo com muitos chamados, extraia 50 a 100 registros encerrados, remova dados desnecessários e peça à IA cinco grupos de possível recorrência com evidências. Reúna suporte e produto para validar apenas os dois grupos mais relevantes e transforme cada um em uma ação com responsável e métrica.
Referências
- Atlassian — Problem management vs. incident management.
- Google SRE Book — Postmortem Culture: Learning from Failure.
- NIST — AI Risk Management Framework.
- Presidência da República — Lei Geral de Proteção de Dados Pessoais.
- Foto de capa: Petr Macháček, via Unsplash. Imagem ilustrativa utilizada conforme a licença Unsplash.
PRÓXIMO PASSO
Leve esta ideia para a prática
Tenha acesso gratuito a 50 prompts para gestão, suporte, vendas, desenvolvimento, produto e implantação.
Quero acessar os prompts








