Quebra de SLA: como a linha do tempo do Copilot prova exatamente onde o atendimento travou

O problema: a reunião de SLA que vira tribunal

Todo gestor de suporte conhece a cena. Um chamado estourou o SLA e a pergunta cai na mesa: ‘por que demorou tanto?’. O analista do primeiro turno jura que repassou rápido. O segundo turno diz que recebeu sem contexto. O cliente reclama que ficou dias sem resposta. E ninguém tem a foto completa do que aconteceu — apenas pedaços, vistos da própria cadeira.

Sem uma linha do tempo objetiva, a análise de quebra de SLA no suporte vira um exercício de memória e de defesa. Cada pessoa reconstrói a história do jeito que a protege. A reunião gasta uma hora discutindo culpa e termina sem a única coisa que importa: saber, com precisão, onde o tempo travou e o que fazer para não repetir.

O custo disso é silencioso e composto. O mesmo gap acontece de novo no mês seguinte, porque a causa nunca foi nomeada. E o cliente, que percebe a demora muito antes da planilha de SLA acusar, vai acumulando insatisfação que ninguém mediu.

• Versões conflitantes entre turnos, sem fonte única da verdade
• Tempo de reunião gasto com culpa, não com correção
• A causa real nunca é nomeada — então o gap se repete
• A insatisfação do cliente cresce antes do SLA estourar no relatório

A virada: reconstruir a linha do tempo, interação por interação

O Copilot da Service Up ataca o problema pela raiz. Para cada chamado no Znuny, ele lê todo o histórico — abertura, respostas, notas internas, mudanças de status, transferências entre filas e turnos — e remonta a linha do tempo na ordem em que os eventos aconteceram, cada um com data e hora.

Sobre essa linha do tempo entra a análise de gaps: a IA mede os intervalos entre interações e destaca onde o tempo parou de andar. Não é o tempo total que interessa — é o trecho específico em que o chamado ficou imóvel. É a diferença entre dizer ‘demorou um mês’ e dizer ‘ficou ~29 dias parado entre duas movimentações, neste ponto exato’.

Essa é apenas uma das 8 seções do Relatório de Causa-Raiz que o Copilot gera em PDF por chamado: resumo executivo, linha do tempo, análise de gaps e causa raiz, sentimento, status técnico, recomendações, métricas e conclusão. A linha do tempo prova o ‘onde’; a análise de causa raiz explica o ‘porquê’.

• Lê todo o histórico do chamado no Znuny, não só o último comentário
• Ordena cada interação com data e hora — fonte única da verdade
• A análise de gaps marca o intervalo exato onde o chamado travou
• Sai em PDF, pronto para a reunião de SLA e para o cliente

O caso real: chamado #2685787 e o gap de ~29 dias

Pegue um exemplo concreto da operação. No chamado #2685787, o SLA havia estourado e a explicação inicial era a de sempre: ‘esse foi complicado, levou tempo’. A linha do tempo do Copilot contou outra história, mais útil.

A IA mostrou que o chamado não esteve em trabalho ativo o tempo todo. Houve um gap de aproximadamente 29 dias entre duas movimentações — um intervalo em que o chamado simplesmente parou de avançar. O problema não era ‘lentidão geral’; era um único ponto de travamento, agora visível e localizado na linha do tempo.

Com o gap isolado, a conversa muda de natureza. A pergunta deixa de ser ‘quem é o culpado?’ e passa a ser ‘o que aconteceu naquele ponto e como impedimos que se repita?’. A causa raiz que a IA propõe e a seção de recomendações transformam o diagnóstico em ação: ajuste de regra de SLA, alerta de chamado parado, ou revisão do handoff entre turnos naquele tipo de demanda.

É aqui que a tese da Service Up aparece na prática: a IA acelera, o humano decide. O Copilot não decide a punição nem reescreve o processo sozinho — ele entrega, em minutos, a prova objetiva que um humano levaria horas para reconstruir, e devolve ao time a autonomia para agir sobre fato, não sobre suposição.

• Gap de ~29 dias isolado entre duas movimentações específicas
• O restante do atendimento avançou — o problema foi concentrado em um ponto
• A reunião vira plano de ação: alerta de chamado parado, revisão de handoff
• A IA prova o gap em minutos; o gestor decide a correção

Sentimento e SLA: a demora que o cliente sente antes do relógio acusar

A quebra de SLA quase nunca é só um número de horas. É também uma experiência. Por isso a linha do tempo anda junto com a análise de sentimento do Copilot, que lê o tom das mensagens ao longo do chamado e mostra como a percepção do cliente evoluiu — onde a paciência virou frustração.

Cruzar as duas coisas é revelador. Em muitos casos, a queda de sentimento tende a coincidir com o trecho do gap, antes de o SLA formal estourar: o cliente sente o silêncio enquanto o chamado está parado. No conjunto da operação, o Copilot mediu 88% de cobertura de sentimento e sinalizou as 22 palavras negativas mais recorrentes nos atendimentos — um termômetro de onde a qualidade está sangrando.

Para o pilar de SLA, Sentimento e Qualidade, isso fecha o ciclo: a linha do tempo prova onde travou, o sentimento mostra o impacto humano daquele travamento, e a causa raiz aponta o que corrigir. Tudo no mesmo relatório, sobre o mesmo chamado.

• Sentimento medido ao longo do chamado, não em uma nota única no fim
• A queda de tom tende a coincidir com o gap — antes de o SLA estourar
• 88% de cobertura de sentimento e 22 palavras negativas recorrentes mapeadas
• Tempo, gap e sentimento no mesmo PDF, sobre o mesmo chamado

Do chamado ao panorama: o gap que se repete em 85 serviços

Um chamado conta uma história; o conjunto conta um padrão. O Copilot tem duas faces. A primeira é o relatório por chamado, como o do #2685787. A segunda é o painel agregado, que agrupa os chamados do período pelo serviço vinculado e traz a causa raiz da IA como detalhe de cada grupo.

É no painel que a análise de quebra de SLA no suporte deixa de ser pontual e vira gestão. Nos últimos 30 dias foram 974 chamados, 647 analisados (66% de cobertura) distribuídos em 85 serviços. O serviço com mais volume foi ‘Consultoria::Dúvida’, com 142 chamados. E havia 182 chamados sem serviço vinculado — um ponto cego de governança que o próprio painel expõe.

Quando o mesmo tipo de gap aparece repetido dentro de um serviço, isso deixa de ser incidente e passa a ser sintoma de processo. O painel é o que permite priorizar: atacar primeiro o serviço onde os gaps de SLA mais se concentram, em vez de apagar incêndios um a um.

• Painel agrupa chamados por serviço vinculado, com a causa raiz da IA
• 30 dias: 974 chamados, 647 analisados, 85 serviços
• ‘Consultoria::Dúvida’ lidera com 142 chamados; 182 sem serviço vinculado
• Gaps repetidos no mesmo serviço sinalizam falha de processo, não de pessoa

Como rodar: processamento sob demanda e em escala

A análise não exige esperar por um lote noturno. No chamado, o botão ‘Processar agora’ gera o relatório sob demanda — útil exatamente quando o SLA estoura e você precisa da linha do tempo na hora, antes da reunião.

Para volume, o processamento roda em escala pelo console do Znuny, com o comando bin/znuny.Console.pl Maint::AICopilot::RCAScan, varrendo os chamados do período e alimentando o painel agregado. O motor por trás da análise é o DeepSeek (modelo deepseek-chat), que faz a leitura do histórico, a reconstrução da linha do tempo e a inferência de causa raiz.

Vale o lembrete honesto: o Copilot é um módulo da Service Up dentro do Znuny. Ele acelera o diagnóstico e padroniza a prova, mas a decisão sobre processo, prioridade e correção continua sendo do time. A IA acelera; o humano decide. Quer ver a análise de quebra de SLA no suporte rodando nos seus próprios chamados? Fale com a Service Up no WhatsApp comercial +55 11 5192-3351.

• ‘Processar agora’ gera o relatório do chamado sob demanda
• Maint::AICopilot::RCAScan processa em escala pelo console do Znuny
• Motor DeepSeek (deepseek-chat) reconstrói a linha do tempo e a causa raiz
• Módulo da Service Up dentro do Znuny — integra-se à operação existente