Service Up

Service Up · módulo do AI Copilot

Ferramenta boa que ninguém usa vira custo. 30 prompts prontos pra tirar valor do AI Copilot já no primeiro dia

Uma biblioteca de prompts de IA para help desk: copiar, colar na conversa do AI Copilot e gerar RCA, panorama de fila e leitura de sentimento sem treinamento. Tudo em português, dentro do módulo AI Copilot da Service Up no Znuny.

Falar com a Service Up

⚡ Versão de 30 segundos

  • O maior risco de um copiloto de IA não é ele errar — é o time nunca abrir a caixa de texto. Adoção morre na página em branco.
  • Esta é uma biblioteca de 30 prompts em pt-BR, organizada por categoria, pronta pra copiar e colar na conversa do AI Copilot da Service Up.
  • São 6 frentes de uso: RCA por chamado, panorama da fila, busca semântica, sentimento, tempo vs SLA e gráficos sob demanda — mais um bloco final de gestão e onboarding.
  • Você não precisa de treinamento: cole o prompt, troque o número do chamado ou o período, e leia a resposta. O motor é o DeepSeek (deepseek-chat).
  • Lembre da tese: a IA acelera, o humano decide. Os prompts entregam a análise; a ação continua sendo do seu time.
30prompts prontos, copiar e colar
6frentes de uso no dia a dia
0horas de treinamento necessárias
647chamados já analisados (base de 30 dias)

O problema não é a IA. É a página em branco.

Você liga um copiloto de IA no help desk, mostra pro time, todo mundo acha incrível na demo — e duas semanas depois ninguém usa. O motivo quase nunca é a qualidade da IA. É a fricção de não saber o que perguntar. Diante de uma caixa de texto vazia, o analista volta pro fluxo que já conhece, e a ferramenta que você comprou pra acelerar vira só mais um ícone na tela.

Esse é o custo silencioso de qualquer ferramenta de IA: a curva entre ‘instalado’ e ‘usado no dia a dia’. A forma mais barata de encurtar essa curva não é treinamento formal — é dar exemplos prontos. Por isso montamos esta biblioteca: 30 prompts de IA para help desk em português, pensados para o AI Copilot da Service Up, organizados por aquilo que seu time já faz toda hora.

A regra de ouro é só uma: copie, cole na conversa do Copilot, troque o que está entre colchetes (o número do chamado, o nome do serviço, o período) e leia a resposta. Nada de prompt engineering. Nada de inglês. Nada de treinamento.

Como usar esta biblioteca (a regra dos colchetes)

Todo prompt aqui segue o mesmo padrão. Onde você vê algo entre colchetes — como [número do chamado] ou [últimos 30 dias] — é um campo que você substitui pelo seu caso real. O resto do texto você cola sem mexer.

Recomendamos começar pela categoria que dói mais no seu time hoje. Se a sua fila vive estourando SLA, vá direto pra categoria de tempo. Se o pós-venda reclama de cliente irritado, comece pela curva de sentimento. Não precisa usar os 30 de uma vez.

  • Os prompts são colados na conversa do AI Copilot — a caixa de texto onde você pergunta em linguagem natural. O painel agregado ‘Relatório de Causa-Raiz’ (Ferramentas → AI Copilot) é a visão consolidada que você lê e de onde dispara o processamento; não é onde se cola prompt.
  • Cole o prompt, troque os colchetes pelos seus dados reais e envie.
  • Leia a resposta como ponto de partida — a IA acelera; quem decide o próximo passo é você.
  • Salve os prompts que mais funcionam como favoritos do time: a biblioteca vira hábito quando vira atalho.

Por dentro · processamento em lote

znuny.Console.pl
$ bin/znuny.Console.pl Maint::AICopilot::RCAScan
Analisando 974 chamados do período…
✓ RCA mapeada: 823/974 (84%)
✓ Sentimento: 860/974 (88%)
Motor: DeepSeek (deepseek-chat)

O scan roda em segundo plano; o botão “Processar agora” dispara os últimos N dias.

Categoria 1 — RCA por chamado (relatório de causa-raiz)

Estes prompts trabalham dentro de um chamado específico. Eles puxam a linha do tempo, encontram o gap que travou a resolução e estruturam a causa raiz. É a base do Relatório de Causa-Raiz em PDF (as 8 seções) — mas você pode pedir pedaços avulsos quando não precisa do documento inteiro.

  • 1. “Gere o relatório de causa-raiz completo do chamado [número do chamado], com resumo executivo, linha do tempo e recomendações.”
  • 2. “Monte a linha do tempo do chamado [número do chamado] destacando o maior gap entre interações.”
  • 3. “Qual foi a causa raiz do chamado [número do chamado]? Explique em 3 frases para um gestor não técnico.”
  • 4. “Liste as recomendações práticas para evitar que o chamado [número do chamado] se repita.”
  • 5. “Resuma o status técnico atual do chamado [número do chamado] e o que falta para fechar.”

Categoria 2 — Panorama da fila e busca semântica

Aqui você sai do chamado individual e olha o conjunto. São os prompts que respondem ‘o que está acontecendo na minha operação?’ e que encontram chamados parecidos mesmo quando ninguém usou as mesmas palavras — porque a busca é semântica, não por palavra-chave literal. Para a visão consolidada por serviço, o painel agregado ‘Relatório de Causa-Raiz’ já entrega esses números prontos.

  • 6. “Me dê um panorama dos chamados dos [últimos 30 dias] agrupados por serviço vinculado.”
  • 7. “Quais serviços concentram mais chamados no período e qual a causa raiz predominante de cada um?”
  • 8. “Quantos chamados estão sem serviço vinculado e o que eles têm em comum?”
  • 9. “Encontre chamados semelhantes a este sobre [descreva o problema em linguagem natural].”
  • 10. “Existe algum padrão recorrente nos chamados de [nome do serviço] neste mês?”
  • 11. “Liste os 5 assuntos que mais geraram chamados no período e o volume de cada um.”

Categoria 3 — Curva de sentimento e voz do cliente

O AI Copilot lê o tom das interações e marca as palavras negativas. Estes prompts transformam isso em algo acionável: onde o cliente está perdendo a paciência, e por quê. É a ponte entre ‘fechamos o chamado’ e ‘o cliente ficou satisfeito’ — duas coisas que nem sempre andam juntas. Você pode perguntar tanto por um chamado específico quanto pelo conjunto de um serviço.

bullets serão usados abaixo.

  • 12. “Qual o sentimento do cliente nos chamados de [nome do serviço] no período?”
  • 13. “Quais chamados tiveram sentimento mais negativo nos [últimos 30 dias]?”
  • 14. “Quais palavras negativas aparecem com mais frequência e em quais contextos?”
  • 15. “Identifique chamados onde o cliente demonstrou insatisfação mesmo após a resolução.”
  • 16. “Compare o sentimento entre dois serviços: [serviço A] e [serviço B].”
  • 17. “Resuma a percepção do cliente sobre [nome do serviço] em um parágrafo.”

Categoria 4 — Tempo, SLA e gráficos sob demanda

A última categoria operacional junta duas dores clássicas: ‘estamos cumprindo o SLA?’ e ‘preciso de um gráfico pra reunião agora’. O Copilot calcula tempo de resposta versus o acordado e desenha visualizações sob demanda — exportáveis em PNG ou SVG —, sem você sair pra montar planilha. É o que faz o dado virar reunião — e a reunião virar decisão.

  • 18. “Quais chamados estouraram o SLA nos [últimos 30 dias] e por quanto tempo?”
  • 19. “Qual o tempo médio de resolução por serviço no período?”
  • 20. “Compare o tempo de atendimento prometido com o realizado para [nome do serviço].”
  • 21. “Gere um gráfico de volume de chamados por serviço no período.”
  • 22. “Gere um gráfico do tempo médio de resposta por serviço no período.”
  • 23. “Crie um gráfico comparando o volume de chamados entre os serviços com maior carga.”

Categoria 5 — Gestão e onboarding (e por que isso funciona sem treinamento)

Os últimos 7 prompts são pra quem precisa fechar a semana, levar números pra liderança ou onboardar um analista novo. Eles juntam as duas faces do módulo — o RCA por chamado e o painel agregado — em entregas prontas pra apresentar: 24. “Resuma os principais aprendizados dos chamados do período em 5 bullets para a liderança.” 25. “Quais são os 3 maiores riscos operacionais que os chamados deste mês revelam?” 26. “Gere um resumo executivo da saúde do serviço [nome do serviço] neste período.” 27. “Liste oportunidades de automação ou FAQ a partir dos chamados repetitivos do mês.” 28. “Prepare um briefing dos chamados críticos abertos para a reunião de hoje.” 29. “Explique para um analista novo o histórico e a causa raiz do chamado [número do chamado].” 30. “Aponte os serviços com maior volume e a causa raiz predominante de cada um neste período.”

Treinamento formal pressupõe que a barreira é cognitiva — que as pessoas não sabem operar a ferramenta. Quase nunca é esse o problema. A barreira é de partida: ninguém sabe a primeira pergunta a fazer. Uma biblioteca de prompts resolve exatamente isso, porque entrega a primeira pergunta pronta, em português, no contexto exato do trabalho. Conforme o time usa, ele adapta — e é assim que a adoção pega: não por um curso de duas horas, mas por dezenas de cópias-e-colas que viram hábito.

E vale repetir a tese que guia o módulo inteiro: o AI Copilot não substitui o analista. Ele lê 647 chamados enquanto você toma um café, estrutura a causa raiz e desenha o gráfico — mas a decisão de o que fazer com aquilo continua humana. A IA acelera; o humano decide.

🔧 Para os técnicos

Abra só o que te interessa.

Em que motor de IA esses prompts rodam?

No DeepSeek, modelo deepseek-chat, que é o motor do AI Copilot da Service Up dentro do Znuny. Como ele entende português nativamente, os prompts são em pt-BR — não há necessidade de escrever em inglês nem de fazer prompt engineering.

Onde eu colo esses prompts?

Todos vão na conversa do AI Copilot — a caixa de texto onde você pergunta em linguagem natural. Os prompts da Categoria 1 (RCA) você usa dentro de um chamado específico, onde o Copilot tem acesso à linha do tempo e às interações daquele ticket; os de operação (panorama, sentimento, tempo e gráficos) também funcionam na conversa, e o Copilot consulta os chamados do período. O painel agregado ‘Relatório de Causa-Raiz’ (Ferramentas → AI Copilot) é uma visão consolidada que já mostra os números por serviço vinculado — é onde você lê o panorama pronto e dispara o processamento, não uma caixa de prompt.

Preciso processar os chamados antes de perguntar?

Para análises agregadas em volume, sim — a análise é populada em lote. Você dispara pelo botão ‘Processar agora’ na interface ou, no servidor, pelo console: bin/znuny.Console.pl Maint::AICopilot::RCAScan. Na base de referência de 30 dias, isso resultou em 647 de 974 chamados analisados (66% de cobertura). Chamados já analisados respondem na hora.

E se a IA errar a causa raiz?

Trate toda saída como ponto de partida, não como veredito. O módulo foi desenhado sob a tese ‘a IA acelera; o humano decide’: ela estrutura a hipótese de causa raiz, a linha do tempo e o gap (no exemplo real do chamado #2685787, um gap de cerca de 29 dias), mas a validação e a ação são do analista. É justamente por isso que adoção saudável combina os prompts com revisão humana.

service ÛP

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 a biblioteca completa pra colar no seu help desk hoje?

Converse com o nosso time comercial e veja a IA aplicada ao seu atendimento.

Falar com o comercial no WhatsApp+55 11 5192-3351

Gostou desse conteúdo? Veja mais conteúdos:

  • All Posts
  • Inteligência Artificial
  • ITSM
  • Sem categoria
Load More

End of Content.

Service Up
Visão geral da privacidade

Este site utiliza cookies para que possamos lhe proporcionar a melhor experiência de usuário possível. As informações dos cookies são armazenadas no seu navegador e desempenham funções como reconhecê-lo quando você retorna ao nosso site e ajudar nossa equipe a entender quais seções do site você considera mais interessantes e úteis.