Causa raiz vs. sintoma é a diferença entre fechar um chamado e impedir que ele volte. A maioria dos relatórios narra o que foi feito; quase nenhum diz por que travou. Veja como a análise de gaps do Copilot de RCA da Service Up expõe o intervalo exato onde o atendimento parou — e por que isso muda o relatório final.
⚡ Versão de 30 segundos
- “Reiniciamos o servidor” é a ação que resolveu o sintoma de agora — não a causa raiz que vai trazer o chamado de volta na semana que vem.
- Causa raiz vs. sintoma em ITSM, na prática: sintoma é o que o usuário sente; causa raiz é o motivo de o problema ter existido (e continuado existindo). Relatório bom responde à segunda pergunta.
- A análise de gaps do Copilot de RCA mostra o intervalo exato onde o atendimento travou — em #2685787, um gap de ~29 dias entre interações.
- Em 30 dias o módulo analisou 647 de 974 chamados (66% de cobertura) e gerou causa raiz em 84% deles, com a IA fazendo o primeiro rascunho.
- A IA acelera e dá autonomia; quem decide a causa raiz e a ação corretiva continua sendo o humano. É um módulo da Service Up sobre Znuny.
O problema: relatórios que contam o “o quê”, nunca o “porquê”
Abra dez relatórios de fechamento de chamado e leia a última linha. Em quase todos ela vai dizer algo como “reiniciamos o servidor”, “limpamos o cache”, “orientamos o usuário” ou “problema resolvido”. São frases honestas — descrevem exatamente o que a equipe fez. O problema é que nenhuma delas explica por que o problema existiu.
Isso é a confusão entre causa raiz vs. sintoma, o erro mais comum de RCA em ITSM. O sintoma é o que o usuário sentiu: o sistema caiu, a fila travou, a tela congelou. A ação corretiva é o que você fez para aliviar o sintoma agora. A causa raiz é outra coisa: é o motivo de o problema ter surgido — e de ter persistido. Reiniciar o servidor faz o sintoma sumir. Não diz por que a memória estourou, por que o processo travou, nem por que ninguém percebeu antes.
Um relatório final que termina no sintoma é um relatório que garante o retorno do chamado. Ele fecha o ticket sem fechar o problema.
Causa raiz vs. sintoma em ITSM: a definição prática
No vocabulário de ITSM, vale separar três coisas que costumam virar uma só no relatório:
- Sintoma — o que o usuário percebe e relata. “O e-mail não envia”, “o sistema está lento”, “caiu de novo”. É o gatilho do chamado, não a explicação.
- Ação corretiva — o que a equipe fez para restaurar o serviço. Reiniciar, reprocessar a fila, aplicar workaround. Resolve o agora, não o amanhã.
- Causa raiz — a condição que originou o problema e permitiu que ele continuasse. Um job sem monitoramento, um certificado vencendo sem alerta, um processo que ninguém revisava. É a única das três que, tratada, impede a reincidência.
- Teste rápido: se a sua “causa raiz” começa com um verbo de ação (reiniciamos, limpamos, reprocessamos), você escreveu uma ação corretiva, não uma causa raiz.
A operação inteira · painel de causa-raiz
Recriação do painel real (Ferramentas → AI Copilot · Relatório de Causa-Raiz).
O atalho que expõe o porquê: a análise de gaps
Encontrar a causa raiz lendo o histórico inteiro de um chamado dá trabalho — por isso quase ninguém faz. A análise de gaps é o atalho. Em vez de reler tudo, ela olha para os intervalos entre as interações e marca onde o atendimento simplesmente parou de andar.
Esse silêncio costuma ser onde a causa raiz se esconde. Um chamado que ficou 29 dias sem movimentação não estava “sendo tratado” — estava esperando algo: uma dependência, uma decisão, um responsável que ninguém atribuiu. O gap não é detalhe burocrático; é a pista. Ele mostra o intervalo exato onde o processo travou, e quase sempre o porquê mora ali.
Foi exatamente o que apareceu no chamado de exemplo #2685787: a análise destacou um gap de cerca de 29 dias entre interações. “Reiniciamos o servidor” jamais explicaria isso. A linha do tempo, sim — e é por isso que o relatório de RCA do Copilot da Service Up trata a linha do tempo e a análise de gaps como seções centrais, não como apêndice.
Como o relatório de RCA é montado (e onde a IA entra)
O Copilot de RCA da Service Up roda dentro do Znuny e gera, por chamado, um relatório completo em PDF com 8 seções: resumo executivo, linha do tempo, análise de gaps + causa raiz, sentimento, status técnico, recomendações, métricas e conclusão. O objetivo é que cada seção empurre o relatório do “o quê” para o “porquê”.
A IA (motor DeepSeek, modelo deepseek-chat) lê o histórico, monta a linha do tempo, aponta os gaps e propõe um primeiro rascunho de causa raiz. Em 30 dias, isso significou 647 dos 974 chamados analisados — 66% de cobertura — com causa raiz gerada em 84% dos analisados. O analista não começa da folha em branco: começa de um rascunho fundamentado, com o gap já apontado, e ajusta.
Há também a face agregada: um painel que agrupa os chamados do período por serviço vinculado, com a causa raiz da IA como detalhe de cada grupo. É assim que um sintoma repetido em chamados diferentes vira um padrão visível — e um problema único a ser tratado na origem.
Reescrevendo o relatório final: do sintoma ao porquê
A correção é simples de descrever e transformadora na prática: pare a última linha do relatório uma frase depois de onde você costuma parar.
Versão sintoma (a de sempre): “Servidor reiniciado, serviço normalizado.” Versão causa raiz (exemplo de como redigir): “Servidor reiniciado para restaurar o serviço (ação corretiva). Causa raiz: o job de limpeza falhava silenciosamente havia semanas e o consumo de memória crescia sem alerta — a análise de gaps mostrou ~29 dias sem qualquer movimentação no chamado. Recomendação: instrumentar alerta no job e revisar a política de monitoramento do serviço.”
A primeira fecha o chamado. A segunda fecha o problema. A diferença não é mais texto — é a frase que responde por que, e a ação que impede a reincidência. Esse é o relatório que vale arquivar.
🔧 Para os técnicos
Abra só o que te interessa.
O que a análise de gaps mede, tecnicamente, e por que isso revela causa raiz?
Ela calcula os intervalos de tempo entre interações sucessivas no histórico do chamado (mensagens, notas, mudanças de estado) e destaca os intervalos anômalos — janelas de silêncio onde nada avançou. Esses gaps são proxies de causa raiz porque sintoma e ação corretiva costumam estar bem documentados, enquanto o motivo do problema mora no que não aconteceu: a dependência não resolvida, a espera por decisão, o responsável não atribuído. No chamado #2685787, o gap de ~29 dias era o sinal mais forte de causa raiz do histórico inteiro. A IA insere isso na seção de linha do tempo e na de análise de gaps + causa raiz.
Como rodar a análise em lote e qual a cobertura esperada?
Há duas vias. Na interface, o botão “Processar agora” dispara o processamento sob demanda. Em escala, o comando de console é bin/znuny.Console.pl Maint::AICopilot::RCAScan, que varre os chamados do período. Referência real de 30 dias: 974 chamados, 647 analisados (66% de cobertura), causa raiz em 84% dos analisados, sentimento em 88% e FAQ em 30%, sobre 85 serviços. A cobertura não é 100% de propósito — chamados sem histórico suficiente ou sem serviço vinculado (foram 182 “No linked service” no período) ficam de fora até serem enriquecidos.
A IA decide a causa raiz sozinha?
Não, e essa é a tese do módulo: a IA acelera, o humano decide. O motor DeepSeek (deepseek-chat) produz o rascunho — linha do tempo, gaps, sentimento e uma proposta de causa raiz — mas a definição final da causa raiz, da ação corretiva e da recomendação é responsabilidade do analista. O ganho não é substituir o julgamento; é eliminar a releitura manual do histórico e entregar o gap já apontado, o que dá autonomia para o time tratar mais chamados na origem em menos tempo.
Por que a face agregada importa para RCA, e não só o relatório por chamado?
Porque um mesmo sintoma espalhado em vários chamados é, quase sempre, uma única causa raiz. O painel agregado agrupa os chamados do período por serviço vinculado e exibe a causa raiz da IA como detalhe de cada grupo. Quando “Consultoria::Dúvida” concentra 142 chamados, por exemplo, o padrão fica visível: em vez de 142 relatórios que terminam no sintoma, você enxerga o porquê comum e ataca a origem (documentação, FAQ, processo) — o que reduz volume futuro em vez de só fechar tickets.
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 que seus relatórios respondam ao “porquê”, não só ao “o quê”?
Converse com o nosso time comercial e veja a IA aplicada ao seu atendimento.
Falar com o comercial no WhatsApp+55 11 5192-3351
