Backlog, aging, tempo de primeira resposta e distribuição por estado: os indicadores que transformam um help desk reativo em uma operação previsível — e que o módulo Insights da Service Up calcula e entrega por e-mail sozinho.
⚡ Versão de 30 segundos
- KPI de service desk é o painel de bordo da operação: sem ele, você só reage a quem grita mais alto.
- Os quatro indicadores que mais importam: tamanho do backlog, aging (idade dos chamados), tempo de 1ª resposta e distribuição por estado.
- Números de referência de uma operação real: backlog aberto de ~668 chamados, mediana de 1ª resposta de ~12 min e ~65% respondidos em até 30 min.
- O problema não é a falta de dados — é o tempo para compilá-los. Ninguém monta planilha gerencial às 06:00 todo dia.
- O módulo Insights da Service Up lê os chamados abertos no Znuny, calcula os KPIs e manda o relatório por e-mail no horário que você agendar. A IA compila; o gestor decide.
O que é um KPI de service desk (e por que ele decide quem gerencia)
Um KPI de service desk é um indicador que mede a saúde da sua operação de atendimento: quantos chamados estão parados, há quanto tempo, em que estado e quão rápido a equipe responde. Não é um número para enfeitar slide — é o instrumento que mostra, antes do cliente reclamar, onde a operação está travando.
A diferença entre gerenciar e apagar incêndio está exatamente aqui. Quem não acompanha KPI trabalha no susto: prioriza o chamado de quem ligou irritado, descobre o gargalo quando ele já virou crise e mede produtividade pela sensação. Quem acompanha KPI vê a fila inchando antes de estourar, redistribui carga com antecedência e conversa com a diretoria com número, não com achismo.
O segredo dos bons KPIs de service desk é que eles são poucos e acionáveis. Você não precisa de cinquenta métricas — precisa de quatro ou cinco que respondam a uma pergunta direta: a operação está sob controle hoje?
A tabela dos KPIs essenciais
Estes são os indicadores que separam uma operação gerenciada de uma operação reativa. Para cada um: o que ele mede, por que importa e o sinal de alerta a observar.
- Backlog (chamados abertos) — o tamanho total da fila em aberto. Mede o volume de trabalho pendente. Sinal de alerta: backlog crescendo semana a semana indica que a entrada supera a vazão. Referência: ~668 chamados abertos.
- Aging (idade dos chamados) — há quanto tempo cada chamado está aberto, agrupado por faixas (0-3 dias, 4-7, 8-15, 15+). Mede o envelhecimento da fila. Sinal de alerta: cauda longa de chamados antigos esquecidos. É o KPI que mais revela problema escondido.
- Tempo de primeira resposta — quanto tempo o cliente espera até o primeiro retorno humano. Mede a percepção inicial de atendimento. Use a mediana, não a média. Referência: mediana de ~12 min e ~65% em até 30 min.
- Distribuição por estado — quantos chamados em cada status (em atendimento, pendente com cliente, aguardando validação, aberto, novo). Mede onde a fila está parada. Sinal de alerta: muitos itens em pendente com cliente pode mascarar SLA estourado.
- Concentração por fila — quanto do backlog está numa única fila. Mede desequilíbrio de carga. Referência: ~45% concentrado em uma fila só.
- Carga por analista (agregada) — backlog dividido pelo número de analistas ativos. Mede sustentabilidade da operação. Referência: ~35 analistas. Sempre agregado, nunca individual.
Veja em ação · relatório gerado por IA
Relatório escrito pela IA sobre os chamados abertos (dados agregados).
Lendo os números juntos: o exemplo de uma operação real
KPI isolado engana. O valor aparece quando você lê os indicadores em conjunto. Veja um retrato agregado de referência: backlog de ~668 chamados, com ~45% concentrados numa única fila (Consultoria) e cerca de 70 chamados ligados a projetos (PRJ/GMUD/TASK).
A distribuição por estado conta o resto da história: ~180 em atendimento, ~120 pendentes com cliente, ~60 aguardando validação, ~50 abertos e ~40 novos. Os ~120 pendentes com cliente são o ponto a vigiar — é onde o SLA costuma se esconder enquanto o relógio corre por conta de quem não deveria.
E o tempo de primeira resposta segura a percepção: mediana de ~12 min e ~65% dos chamados respondidos em até 30 min. Lendo tudo junto, o diagnóstico é claro: a operação responde rápido (ótimo) mas concentra carga numa fila e acumula pendências com cliente — exatamente os pontos onde um gestor deve agir antes que virem incêndio.
O problema não é medir — é compilar todo dia
Quase todo service desk tem os dados. O que falta é tempo. Compilar backlog, cruzar aging com estado, calcular a mediana de primeira resposta e montar um relatório legível dá uns 40 minutos de planilha — e ninguém faz isso às 06:00 de toda segunda-feira, todo dia, sem falhar.
É por isso que tantos KPIs viram relatório de fim de mês: bonito, completo e atrasado. KPI gerencial só vale se chega cedo o suficiente para você agir no mesmo dia. Relatório do mês passado é história, não gestão.
Esse é o gargalo que o módulo Insights da Service Up resolve. Ele é a camada de IA dentro do Znuny que lê os chamados abertos, calcula os KPIs e escreve o relatório gerencial — no formato de quem decide, não de quem exporta CSV.
Como o Insights calcula e entrega sozinho
O Insights é uma biblioteca de prompts de IA sobre os chamados abertos. Você escolhe (ou cria) um prompt — por exemplo, a Análise do Backlog — define filtros por fila e por data, e executa sob demanda ou agenda via cron. Um agendamento 0 6 * * * roda todo dia às 06:00 e entrega o relatório por e-mail aos destinatários que você definir.
O relatório gerado traz resumo do período, distribuição por estado, tempo de primeira resposta e visões agregadas de top clientes e produtividade por equipe — tudo escrito em linguagem gerencial, com histórico de versões para comparar evolução ao longo do tempo.
Privacidade vem por padrão: o Insights trabalha sempre em termos agregados, sem expor nomes ou produtividade individual de analistas, nem identificar clientes específicos. Conformidade com a LGPD não é um extra — é o jeito como o módulo foi desenhado.
A tese é simples: a IA compila o relatório, o humano decide. O Insights não substitui o gestor nem a equipe — ele automatiza a parte chata (montar o painel) para sobrar tempo na parte que importa (agir sobre os números). É complementar ao RCA, que mergulha na causa raiz de um chamado específico; o Insights é a visão gerencial proativa e recorrente.
🔧 Para os técnicos
Abra só o que te interessa.
Por que usar a mediana e não a média no tempo de primeira resposta?
A média de tempo de resposta é distorcida por outliers: um único chamado que ficou 8 horas sem retorno puxa o número todo para cima e esconde que a maioria foi atendida em minutos. A mediana mostra a experiência típica — o ponto onde metade dos chamados foi respondida antes e metade depois. Na operação de referência, a mediana de ~12 min e o indicador de que ~65% dos chamados receberam 1ª resposta em até 30 min revelam, juntos, uma cauda controlada. Acompanhe sempre a mediana mais um percentil (p90, por exemplo) para enxergar também os casos extremos.
Como o aging se conecta com a distribuição por estado para revelar SLA escondido?
Aging cruzado com estado é o cruzamento mais diagnóstico. Um chamado antigo em ‘em atendimento’ é diferente de um antigo em ‘pendente com cliente’. O segundo costuma pausar o relógio de SLA — então um volume alto nesse estado (na referência, ~120 chamados) pode mascarar atrasos: o chamado não envelhece no seu SLA, mas envelhece na percepção do cliente. O Insights agrega esses cortes automaticamente, sinalizando faixas de idade por estado para que o gestor veja onde a fila está realmente parada, não apenas onde ela está tecnicamente dentro do acordo.
Como funciona o agendamento via cron e a entrega por e-mail?
Cada prompt do Insights pode rodar sob demanda ou em agenda. A agenda usa sintaxe cron padrão: 0 6 * * * dispara todo dia às 06:00; 0 6 * * 1 toda segunda às 06:00. Na execução agendada, a IA aplica os filtros configurados (fila, intervalo de datas), gera o relatório, versiona o resultado no histórico e envia por e-mail aos destinatários cadastrados. Como o relatório chega antes do expediente, o gestor abre o dia com o painel pronto, sem montar nada manualmente.
O Insights expõe dados individuais de analistas ou clientes?
Não. O módulo trabalha exclusivamente em métricas agregadas — número de analistas ativos, distribuição por fila e por estado, faixas de aging — sem nomear pessoas, e-mails ou produtividade individual, e sem identificar clientes específicos. A visão de ‘produtividade por equipe’ é por equipe/fila, nunca por indivíduo nominal. Esse desenho atende à LGPD por construção e mantém o relatório focado em decisão gerencial, não em vigilância.
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 seus KPIs de service desk compilados e no seu e-mail toda manhã?
Converse com o nosso time comercial e veja a IA aplicada ao seu atendimento.
Falar com o comercial no WhatsApp+55 11 5192-3351
