Agentes de IA no suporte técnico executam ações por conta própria e quebram a lógica do ticket

Há quase 40 anos, o suporte técnico mede seu trabalho em tickets: desde o fim dos anos 1980, com os primeiros sistemas de registro de chamados e a primeira versão do ITIL. Agora, agentes de IA desbloqueiam contas, concedem acessos e reiniciam serviços por conta própria, em vários sistemas ao mesmo tempo. Quando não há ninguém para assumir o chamado, os SLAs e o tempo de resposta habituais perdem o sentido. O Habr AI analisa o que sobra do ticket e como medir o suporte. • O ticket deixa de ser uma fila de trabalho e vira um registro para auditoria. • As métricas de velocidade deixam de distinguir um bom suporte de um ruim. • A pergunta central passa a ser quais permissões o agente tem e como controlar suas ações.

Processado por IA de Habr AI; editado por Hamidun News
Agentes de IA no suporte técnico executam ações por conta própria e quebram a lógica do ticket
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1O ticket deixa de ser uma fila de trabalho e vira um registro para auditoria.
Dado-chave #2As métricas de velocidade deixam de distinguir um bom suporte de um ruim.
Dado-chave #3A pergunta central passa a ser quais permissões o agente tem e como controlar suas ações.

Desde o fim dos anos 1980, quando surgiram os primeiros sistemas de registro de chamados e a primeira versão do ITIL, o suporte mede seu trabalho em tickets. A solicitação chega, é atribuída a um responsável, é encerrada e tem o tempo medido. Quase quatro décadas depois, esse modelo está rachando: agentes de IA já executam ações em vários sistemas ao mesmo tempo, desbloqueiam contas, concedem acessos e reiniciam serviços. Se ninguém assume o chamado, resta saber o que usar para medir o suporte. É essa a questão que o Habr AI analisa. Abaixo, a essência da análise e as nossas conclusões a partir dela.

Por que o ticket foi tanto tempo a unidade principal

O ticket reunia três papéis: fila de tarefas, registro de eventos e base para relatórios. SLA, carga dos funcionários, tempo de resposta e tempo de resolução estão atrelados ao cartão e a uma pessoa específica. Toda a estrutura se apoia na premissa de que, entre a solicitação e a ação, existe um executor que gasta tempo e atenção. O tempo, por isso, era considerado o principal recurso.

Com um agente, essa premissa não vale. Ele não espera em fila, não alterna entre tarefas e não sai para almoçar. Desbloquear uma conta leva segundos, e a ação pode afetar ao mesmo tempo o diretório de usuários, o sistema de acessos e o monitoramento.

O que sobra da solicitação

A primeira coisa que quebra são as métricas de velocidade. O tempo de resposta tende a zero, e o tempo médio de resolução cai drasticamente. Por esses números, não dá para saber se o problema foi mesmo resolvido ou se o usuário simplesmente parou de escrever. No relatório, um bom resultado e uma falha silenciosa têm a mesma aparência.

A segunda mudança diz respeito ao próprio cartão. Se o agente age de forma autônoma, o ticket muitas vezes é criado e fechado automaticamente, ou nem chega a ser criado. Ele deixa de ser uma ferramenta de trabalho e passa a ser um rastro: um registro de quem fez o quê, com base em quê e com quais permissões. O valor sai da fila e vai para o log de ações.

A terceira mudança envolve responsabilidade. Um acesso concedido cria uma superfície de ataque real, e um serviço reiniciado pode interromper o trabalho de outras pessoas. Nesses casos, um comentário "concluído" no cartão é uma fonte pobre demais.

Como medir o suporte

O anúncio não traz uma lista pronta, mas o problema descrito leva a um conjunto de indicadores que vale colocar ao lado dos clássicos:

  • proporção de chamados encerrados pelo agente sem participação humana e proporção de reincidências entre eles;
  • proporção de ações do agente que uma pessoa reverteu ou corrigiu;
  • tempo até a resolução do ponto de vista do usuário, e não pelo status do cartão;
  • número de escalonamentos para humanos e seus motivos;
  • custo de tratar um chamado, considerando as chamadas ao modelo e o tempo de verificação;
  • completude da auditoria: para cada ação, ficam registrados o iniciador, a justificativa, as permissões usadas e o resultado.

As reincidências são aqui o indicador mais honesto. Se o usuário voltou com o mesmo problema, o encerramento rápido não valeu nada.

Por onde começar na prática

Comece pelas permissões. O agente precisa do acesso mínimo necessário, e não de uma conta de administrador "por conveniência". Vale separar as ações por risco: redefinir senha ou desbloquear conta é diferente de conceder privilégios elevados, e este segundo caso exige confirmação humana.

Em seguida, revise os relatórios. O SLA de tempo de resposta para chamados automatizados é melhor substituído por indicadores de qualidade: reincidências, reversões, satisfação. Não é preciso descartar o ticket. Vale mantê-lo como registro único para auditoria, mesmo que nenhuma pessoa tenha participado dele.

Por fim, deixe para as pessoas as exceções e a análise de erros. O trabalho do profissional de suporte se desloca do tratamento da fila para a configuração e a verificação dos agentes, e será preciso avaliá-lo de outra forma que não pelo número de chamados encerrados.

Perguntas frequentes sobre a notícia

Por que o ticket foi tanto tempo a unidade principal?

O ticket reunia três papéis: fila de tarefas, registro de eventos e base para relatórios. SLA, carga dos funcionários, tempo de resposta e tempo de resolução estão atrelados ao cartão e a uma pessoa específica. Toda a estrutura se apoia na premissa de que, entre a solicitação e a ação, existe um executor que gasta tempo e atenção. O tempo, por isso, era considerado o principal recurso. Com um agente, essa premissa não vale. Ele não espera em fila, não alterna entre tarefas e não sai para almoçar. Desbloquear uma conta leva segundos, e a ação pode afetar ao mesmo tempo o dir

O que sobra da solicitação?

A primeira coisa que quebra são as métricas de velocidade. O tempo de resposta tende a zero, e o tempo médio de resolução cai drasticamente. Por esses números, não dá para saber se o problema foi mesmo resolvido ou se o usuário simplesmente parou de escrever. No relatório, um bom resultado e uma falha silenciosa têm a mesma aparência. A segunda mudança diz respeito ao próprio cartão. Se o agente age de forma autônoma, o ticket muitas vezes é criado e fechado automaticamente, ou nem chega a ser criado. Ele deixa de ser uma ferramenta de trabalho e passa a ser um rastro: um r

Como medir o suporte?

O anúncio não traz uma lista pronta, mas o problema descrito leva a um conjunto de indicadores que vale colocar ao lado dos clássicos: proporção de chamados encerrados pelo agente sem participação humana e proporção de reincidências entre eles; proporção de ações do agente que uma pessoa reverteu ou corrigiu; tempo até a resolução do ponto de vista do usuário, e não pelo status do cartão; número de escalonamentos para humanos e seus motivos; custo de tratar um chamado, considerando as chamadas ao modelo e o tempo de verificação; completude da auditoria: para cada ação, fica

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Autonomous AI Agents

Delegate Deep Research, Coding & Workflows to an AI Agent

Deploy autonomous multi-step execution with NomadNet Agent (agent.nomadnet.ai) — automated web research, data synthesis, code generation, and complex task orchestration.

Launch NomadNet Agent →NomadNet AI Platform
O que você acha?
Carregando comentários…