Esta é a demonstração da IA para help desk no Znuny do jeito mais honesto possível: sem edição bonita, sem chamado de mentira. Pego o #2685787, abro o AI Copilot da Service Up e percorro tudo — busca semântica, análise de sentimento, gráfico de SLA e o Relatório de Causa-Raiz final exportado em PDF. Este artigo é a transcrição do vídeo, dividida em capítulos para você pular direto ao trecho que importa.
⚡ Versão de 30 segundos
- O vídeo é uma demonstração de IA para help desk no Znuny sem edição: um chamado real (#2685787) percorrido do começo ao fim.
- Você vê na prática quatro recursos do AI Copilot: busca semântica, análise de sentimento, gráfico de SLA sob demanda e o RCA em PDF com 8 seções.
- O Relatório de Causa-Raiz sai pronto: resumo executivo, linha do tempo, gaps + causa raiz, sentimento, status técnico, recomendações, métricas e conclusão.
- No #2685787 a IA achou um gap de ~29 dias na linha do tempo — exatamente o tipo de buraco que ninguém vê lendo o chamado às pressas.
- O motor é o DeepSeek (deepseek-chat). A IA acelera e organiza; quem decide e fecha o relatório continua sendo o humano.
Por que uma demonstração sem cortes?
Demonstração de produto costuma ser um filme. Cenário arrumado, dado falso, o clique que dá errado fica de fora da edição. O problema é que quem trabalha em help desk não compra filme — compra confiança. Por isso esta demonstração de IA para help desk no Znuny faz o oposto: ligar a tela, abrir o Znuny de verdade, pegar um chamado real que estava na fila e percorrer o AI Copilot da Service Up do começo ao fim, com os tempos reais de carregamento e tudo.
O chamado escolhido foi o #2685787. Não é um exemplo de catálogo: é um caso com histórico longo, idas e vindas, e — como você vai ver no capítulo do RCA — um gap de quase 29 dias parado que ninguém tinha notado. É justamente o tipo de chamado em que a leitura humana às pressas falha e a IA brilha.
Este texto é a transcrição do vídeo, organizada nos mesmos capítulos. Se você só quer entender o conceito, leia os 5 pontos da versão de 30 segundos acima. Se quer ver o recurso específico, pule pelo índice de capítulos abaixo.
- Capítulo 1 — Abrindo o chamado bruto no Znuny
- Capítulo 2 — Busca semântica: achar o parecido, não o igual
- Capítulo 3 — Análise de sentimento do histórico
- Capítulo 4 — Gráfico de SLA sob demanda
- Capítulo 5 — Gerando o Relatório de Causa-Raiz em PDF
- Capítulo 6 — Abrindo o PDF: as 8 seções, sem retoque
Capítulo 1 — O chamado bruto
A primeira tela é o chamado como ele chega: um muro de texto. Vários artigos, respostas de cliente, notas internas, anexos, mudanças de status. Nada de errado com isso — é assim que todo help desk acumula contexto. O problema é o tempo que custa para um analista reconstruir a história inteira antes de decidir qualquer coisa.
Aqui o vídeo não acelera nada de propósito. Você vê o scroll real do histórico do #2685787 para deixar claro o ponto: ninguém lê isso inteiro a cada reabertura. É exatamente nesse buraco que o AI Copilot entra — ele lê tudo, sempre, em segundos.
O Copilot vive dentro do Znuny, em Ferramentas → AI Copilot. Não é uma janela separada nem outra ferramenta para alternar: é uma camada de IA sobre os dados que já estão no help desk.
Por dentro · processamento em lote
O scan roda em segundo plano; o botão “Processar agora” dispara os últimos N dias.
Capítulo 2 — Busca semântica
O primeiro recurso é a busca semântica. A diferença para o Ctrl+F de sempre: ela busca por significado, não por palavra exata. Eu pergunto em linguagem natural — algo como “já tivemos esse mesmo erro de sincronização em outro cliente?” — e o Copilot devolve chamados relacionados mesmo que ninguém tenha usado as mesmas palavras.
No vídeo dá para ver chamados antigos aparecendo que descreviam o mesmo problema com vocabulário totalmente diferente. Para quem resolve, isso é ouro: a solução muitas vezes já existe na base, só estava escondida atrás de outras palavras.
É o tipo de coisa que economiza a reinvenção da roda. Em vez de tratar cada chamado como inédito, a IA conecta o caso atual com o que a operação já viveu.
- Pergunta em português natural, não por termo exato
- Encontra chamados semelhantes mesmo com vocabulário diferente
- Liga o caso atual ao conhecimento já acumulado na fila
Capítulos 3 e 4 — Sentimento e SLA
No capítulo 3, peço a análise de sentimento do histórico. A IA varre as mensagens e mostra a temperatura da conversa ao longo do tempo — onde o cliente estava neutro, onde a frustração subiu. No painel agregado da operação, esse mesmo motor cobre 88% dos chamados e já catalogou 22 palavras negativas recorrentes. Saber em que ponto a relação azedou muda a forma como você responde.
No capítulo 4, vem o gráfico de SLA sob demanda. Eu peço o tempo de atendimento contra o SLA e o Copilot monta o gráfico na hora — sem eu montar planilha, sem exportar nada. É aqui que o gap começa a aparecer visualmente: dá para ver o período em que o chamado simplesmente ficou parado.
Os dois recursos juntos respondem duas perguntas que normalmente exigem garimpo manual: como o cliente está se sentindo, e onde o tempo escapou. A IA acelera; o humano decide o que fazer com a resposta.
- Sentimento: a IA marca onde a frustração subiu no histórico
- SLA sob demanda: gráfico montado na hora, sem planilha
- Juntos, expõem o gap de tempo antes mesmo do RCA
Capítulos 5 e 6 — O RCA em PDF
O grande final é o Relatório de Causa-Raiz. Eu peço para o Copilot gerar o RCA do #2685787 e ele monta o documento completo, com 8 seções, e exporta em PDF pronto para anexar ou enviar. No vídeo você vê a barra de “Gerando PDF” rodando de verdade — sem corte de edição para esconder o tempo.
Quando o PDF abre, lá está o achado: na linha do tempo, a IA destaca um gap de aproximadamente 29 dias em que o chamado ficou parado. Esse é o ponto da demonstração inteira. Um relatório de causa-raiz feito à mão raramente captura isso, porque depende de alguém cruzar datas manualmente num histórico enorme. A IA cruza sempre.
O RCA não é o fim da decisão — é o começo dela bem informada. O relatório entrega o diagnóstico estruturado; o time decide a ação corretiva. A IA tira o trabalho braçal de reconstruir a história e devolve o tempo do analista para a parte que só humano faz.
- 1 · Resumo executivo · 2 · Linha do tempo
- 3 · Análise de gaps + causa raiz · 4 · Sentimento
- 5 · Status técnico · 6 · Recomendações
- 7 · Métricas · 8 · Conclusão
O que isso muda na operação
Multiplique essa demonstração por uma fila inteira. No painel agregado da Service Up, em 30 dias, foram 974 chamados, 647 analisados pela IA (66% de cobertura) distribuídos em 85 serviços. O scan roda em segundo plano e agrupa os chamados por serviço vinculado, com a causa-raiz da IA como detalhe — o gestor enxerga padrões, não só casos isolados.
O recado da tese é o mesmo do começo: a IA não substitui o analista. Ela lê o que ninguém tem tempo de ler, encontra o que escapa no garimpo manual e entrega tudo estruturado. A decisão final, o contato com o cliente e a ação corretiva continuam com as pessoas. A IA acelera; o humano decide.
Tudo o que você viu neste tour é um módulo da Service Up rodando dentro do Znuny. Se você quer ver essa mesma demonstração na sua própria operação, com os seus chamados, fale com a gente no WhatsApp comercial: +55 11 5192-3351.
🔧 Para os técnicos
Abra só o que te interessa.
Onde fica o AI Copilot dentro do Znuny e qual é o motor?
Ele aparece em Ferramentas → AI Copilot, na tela do módulo “Relatório de Causa-Raiz”. O motor de IA é o DeepSeek (modelo deepseek-chat). Não é uma ferramenta externa: é uma camada que lê os dados que já estão no help desk e responde dentro da própria interface do Znuny.
O RCA do vídeo foi por chamado. Como rodar para a operação inteira?
O módulo tem duas faces. A do vídeo é o RCA por chamado (PDF de 8 seções). A outra é o painel agregado: os chamados do período agrupados por serviço vinculado, com a causa-raiz da IA como detalhe. O processamento em lote roda em segundo plano e pode ser disparado pelo botão “Processar agora” ou pelo console: bin/znuny.Console.pl Maint::AICopilot::RCAScan.
Quais são os números reais por trás da demonstração?
São métricas reais de 30 dias do ambiente da Service Up: 974 chamados, 647 analisados (66% de cobertura), 85 serviços. Cobertura por tipo: Sentimento 88%, RCA 84%, FAQ 30%. A IA catalogou 22 palavras negativas. Sinais de dados: 182 chamados sem serviço vinculado (“No linked service”) e o serviço top “Consultoria::Dúvida” com 142. Não inventamos número fora disso — é o que a tela mostra.
Como a IA achou o gap de 29 dias que um humano não viu?
Na seção de linha do tempo, o Copilot analisa as datas das interações do chamado e destaca os intervalos de inatividade. No #2685787 isso revelou ~29 dias parados. O ganho não é mágica: é a IA ler 100% do histórico, sempre — algo que ninguém faz manualmente a cada reabertura de um chamado longo.
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 esse mesmo tour com os SEUS chamados? Fale com a Service Up no WhatsApp +55 11 5192-3351
Converse com o nosso time comercial e veja a IA aplicada ao seu atendimento.
Falar com o comercial no WhatsApp+55 11 5192-3351
