Um caso de sucesso de automação de suporte dentro do Znuny: o relatório de causa-raiz que tomava horas de redação de um analista passou a sair em segundos, já como rascunho completo de 8 seções. O que sobrou não foi corte de gente — foram horas de analista devolvidas à operação. (As estimativas de tempo são ilustrativas; os números de operação a seguir são reais do período.)
⚡ Versão de 30 segundos
- O relatório de causa-raiz (RCA) por chamado, que tomava horas de redação de um analista, agora é gerado pelo Copilot da Service Up em segundos — um PDF completo de 8 seções (estimativas de tempo ilustrativas).
- Nada na equipe mudou: mesmo time, mesmo volume de chamados, mesma exigência de qualidade do gestor. A única variável trocada foi o Copilot assumindo a primeira versão do RCA.
- Números reais de 30 dias: o Copilot analisou 647 dos 974 chamados (66% de cobertura geral de análise) abrangendo 85 serviços; a cobertura específica de RCA no período foi de 84%.
- O ganho real não é demissão: é hora de analista devolvida à operação — diagnóstico, atendimento e prevenção em vez de digitação de laudo.
- É um módulo DA Service Up rodando sobre Znuny + DeepSeek; a IA acelera, o humano decide e assina.
O ponto de partida: o RCA bom custava caro demais
Em toda operação de suporte madura existe um ritual silencioso e caro: o relatório de causa-raiz. Quando um chamado fecha — principalmente os críticos, os que estouraram SLA ou os que voltaram — alguém precisa sentar e reconstruir a história. O que aconteceu, quando, onde travou, por que travou, o que a equipe deveria ter feito diferente e o que recomendar para não acontecer de novo.
Feito direito, esse documento é ouro: alimenta a melhoria contínua, protege o time em reuniões com o cliente e vira base de conhecimento. Feito às pressas, vira um parágrafo genérico que ninguém lê. O problema é que feito direito custava horas de um analista experiente — ler todo o histórico do chamado, montar a linha do tempo, identificar os gaps, medir o tempo contra o SLA e escrever tudo de forma apresentável.
Resultado previsível: ou o gestor pedia RCA só para um punhado de chamados (e perdia o resto), ou pedia para todos e queimava horas preciosas de gente cara em digitação de laudo. Esse era o gargalo que este caso de sucesso de automação de suporte endereçou — sem mexer no time.
A única variável trocada: o Copilot gerando o RCA
O desenho do experimento foi propositalmente honesto. Mesma equipe. Mesmo volume de chamados. Mesma exigência do gestor sobre o que um bom relatório precisa ter. A única coisa que mudou foi quem escreve a primeira versão do RCA: em vez do analista, o Copilot da Service Up.
O módulo Relatório de Causa-Raiz vive dentro do próprio Znuny, em Ferramentas. No chamado, o analista aciona o Copilot e recebe de volta um PDF completo, estruturado em 8 seções: resumo executivo, linha do tempo, análise de gaps com causa-raiz, análise de sentimento, status técnico, recomendações, métricas e conclusão. O mesmo conteúdo que antes saía de uma cabeça humana ao longo de horas de redação.
Importante: o relatório não substitui o julgamento de ninguém. Ele entrega a primeira versão completa e bem fundamentada em segundos; o analista revisa, ajusta o que precisa e assina. A tese da Service Up aqui é literal — a IA acelera, o humano decide.
Por dentro · processamento em lote
O scan roda em segundo plano; o botão “Processar agora” dispara os últimos N dias.
O que muda na prática: horas de redação viram segundos de geração
A lógica é direta e é o coração deste caso. Um relatório que consumia horas de redação de analista passou a ser gerado em segundos pelo Copilot. As estimativas de tempo aqui são ilustrativas — mas a ordem de grandeza é a diferença entre fazer um por turno e fazer dezenas por dia sem suar.
O ganho de tempo individual, porém, é só metade da história. A outra metade é a cobertura, e essa vem de números reais. Em 30 dias, o Copilot analisou 647 dos 974 chamados do período — 66% de cobertura geral de análise — abrangendo 85 serviços diferentes; a cobertura específica de RCA no período foi de 84%. Quando produzir um RCA deixa de doer, você para de racionar relatórios.
Repare no que aconteceu: a profundidade se manteve (são as mesmas 8 seções) e ninguém foi contratado para dar conta. A capacidade extra veio da automação, não de mais gente.
O que sobrou: horas de analista devolvidas à operação
Esta é a parte que costuma ser mal contada em casos de automação, então vamos ser explícitos. O objetivo nunca foi reduzir o time. Foi reduzir o tempo que o time gasta digitando aquilo que a máquina digita melhor e mais rápido.
Cada relatório que o Copilot gera em segundos é, na prática, horas que voltam para o analista usar no que só o humano faz bem: investigar o caso difícil, conversar com o cliente irritado, prevenir a próxima ocorrência, treinar o colega novo. O laudo deixou de ser tarefa e virou subproduto.
É por isso que o gancho deste caso é ‘mesma equipe, mesmo volume, mesma exigência’. Tudo permaneceu constante de propósito — para isolar o efeito do Copilot. E o efeito foi tempo de gente qualificada devolvido para a operação, em vez de consumido em redação.
Da peça ao painel: o RCA também vira visão de gestão
O relatório por chamado resolve o nível operacional. Mas o gestor que cobra qualidade também precisa enxergar o todo — e o mesmo módulo entrega isso sem trabalho extra.
Além do PDF por chamado, o Relatório de Causa-Raiz tem um painel agregado: ele pega os chamados do período, agrupa por serviço vinculado e mostra a causa-raiz identificada pela IA como detalhe de cada grupo. De repente, padrões que estavam escondidos em centenas de chamados individuais ficam visíveis. No período analisado, por exemplo, ‘Consultoria::Dúvida’ apareceu no topo com 142 chamados, e 182 chamados vieram sem serviço vinculado — um sinal acionável de higiene de cadastro que ninguém precisou caçar à mão.
Ou seja: o mesmo esforço de IA que devolve horas ao analista no chão da operação também entrega ao gestor um diagnóstico de portfólio. O dado deixa de ser anedota (‘acho que esse serviço dá muito problema’) e vira evidência agrupada.
Por que isto é um caso de sucesso de automação de suporte (e não um corte disfarçado)
A diferença entre automação que funciona e automação que assusta o time está em qual tarefa você automatiza. A Service Up automatiza a parte mecânica e repetível — ler o histórico, ordenar a linha do tempo, calcular tempo versus SLA, redigir o rascunho estruturado. Mantém humana a parte que exige contexto, relacionamento e decisão.
Por isso a equipe não vive este tipo de projeto como ameaça. Ninguém perde função; todo mundo perde uma tarefa chata. O analista continua sendo o dono do relatório — agora ele edita e valida em minutos, em vez de escrever do zero em horas.
É esse o formato de caso de sucesso de automação de suporte que se sustenta no longo prazo: a IA assume o volume e o tedioso, o humano fica com o crítico e o estratégico. Acelera quem já era bom, em vez de prometer substituir quem é insubstituível.
Como reproduzir esse resultado no seu Znuny
O módulo já roda em produção dentro do Znuny da Service Up e pode ser ativado no seu ambiente. Para um chamado específico, o analista abre o Copilot e gera o RCA na hora — é o caminho ‘Processar agora’. Para reprocessar em lote e construir cobertura sobre o histórico, existe a varredura via console, com o comando bin/znuny.Console.pl Maint::AICopilot::RCAScan.
Não é um produto genérico colado por cima do help desk: é um módulo nativo da Service Up, parceira Znuny/OTOBO, pensado para a realidade de operações de suporte no Brasil e em pt-BR. O motor de IA é o DeepSeek (deepseek-chat), e além do RCA o mesmo Copilot faz busca semântica, análise de sentimento, tempo versus SLA, gráficos sob demanda e o panorama dos chamados.
Se a sua operação tem o mesmo dilema — RCA bom custa caro, RCA barato não serve — o caminho é o mesmo deste caso: não troque o time, troque quem escreve a primeira versão. Fale com a Service Up pelo WhatsApp +55 11 5192-3351 e veja o Copilot gerar um relatório de causa-raiz no seu próprio ambiente.
🔧 Para os técnicos
Abra só o que te interessa.
O que exatamente a IA faz ao gerar um RCA? E por que isso é tão mais rápido que a redação manual?
Ao acionar o RCA em um chamado, o Copilot lê o histórico completo do ticket (mensagens, transições de estado, timestamps) e produz as 8 seções do template: resumo executivo, linha do tempo reconstruída, análise de gaps com a causa-raiz, análise de sentimento sobre o texto, status técnico, recomendações, métricas e conclusão. O motor é o DeepSeek (deepseek-chat) e o resultado já sai diagramado em PDF; o analista ainda revisa e assina — a IA entrega o rascunho completo, o humano valida. A redação manual antiga era justamente esse trabalho cognitivo de leitura, ordenação cronológica, cálculo de tempo vs SLA e escrita — agora condensado em uma chamada de inferência mais a revisão humana. Os tempos citados no corpo (horas vs segundos) são estimativas ilustrativas, não um benchmark aferido. Exemplo concreto do período: o chamado #2685787 teve um gap identificado de cerca de 29 dias, o tipo de achado que a linha do tempo automática faz saltar aos olhos.
Como ler a cobertura: 66% ou 84%? São a mesma coisa?
São números diferentes e reais do mesmo período de 30 dias. Os 66% (647 de 974 chamados) são a cobertura geral de análise do Copilot — o conjunto de chamados que passou por alguma análise. A cobertura específica de RCA no período foi de 84%. Para referência, outras análises têm cobertura própria: Sentimento 88% e FAQ 30%. Nenhum desses é um teto técnico: a cobertura é decisão de operação (quais filas/serviços priorizar). Dois caminhos a elevam: o ‘Processar agora’ para chamados pontuais e a varredura em lote pelo console — bin/znuny.Console.pl Maint::AICopilot::RCAScan — que percorre o histórico e gera RCA em massa.
Como o painel agregado decide a causa-raiz por serviço? E o que fazer com os 182 ‘No linked service’?
O painel agregado agrupa os chamados do período pelo serviço vinculado e exibe, por grupo, a causa-raiz que a IA inferiu — é a mesma análise do RCA por chamado, consolidada por serviço. No período, ‘Consultoria::Dúvida’ liderou com 142 chamados e 85 serviços apareceram no total. Os 182 chamados marcados como ‘No linked service’ são chamados sem serviço vinculado: na prática, um indicador de higiene de cadastro. Eles entram na contagem geral mas ficam fora do agrupamento por serviço, então fechar esse gap de cadastro melhora diretamente a qualidade do panorama de gestão.
Que sinais de qualidade o módulo extrai além do texto do laudo?
Além da redação estruturada, o Copilot quantifica: faz análise de sentimento (no período, sinalizou 22 palavras negativas no conjunto de chamados, com 88% de cobertura de sentimento), calcula tempo de tratamento contra o SLA e identifica gaps temporais explícitos na linha do tempo (como os ~29 dias do #2685787). Esses números são o que transforma o RCA de ‘texto bonito’ em insumo acionável — e por serem gerados automaticamente, alimentam tanto o relatório individual quanto o painel agregado sem trabalho manual adicional.
Este módulo é parte do AI Copilot da Service Up
Somos especialistas em ITSM e help desk (parceira Znuny/OTOBO). O AI Copilot já roda no nosso ambiente — e pode rodar no seu.
Quer ver o RCA sair em segundos no seu Znuny?
Converse com o nosso time comercial e veja a IA aplicada ao seu atendimento.
Falar com o comercial no WhatsApp+55 11 5192-3351
