NLP para otimizar a Resolução de Chamados | Venturus

NLP para otimizar a Resolução de Chamados

“O Software nosso de cada dia” poderíamos afirmar nos dias de hoje. De fato, é inegável o papel que os softwares exercem no nosso dia a dia.

Eles estão presentes em todo tipo de máquinas e dispositivos eletrônicos — dos computadores aos smartphones recheados de aplicativos, dos terminais de pagamento aos modernos automóveis.

O que pode passar despercebido é que esses softwares são, na verdade, sistemas complexos. Eles exigem equipes técnicas altamente especializadas para construí-los, testá-los, mantê-los e aprimorá-los conforme as necessidades e demandas dos clientes, além do treinamento e suporte contínuos.

Não é se estranhar, portanto, o impacto dos custos envolvidos em todo esse processo e a decorrente necessidade de otimizar e facilitar os trabalhos desenvolvidos por esses times.

 

Ferramentas de correção e melhoria

Por sorte, há uma série de ferramentas disponíveis que auxiliam as equipes que lidam com softwares no gerenciamento de praticamente todo o ciclo de vida do projeto. Elas abrangem aspectos como:

  • alocação de recursos;
  • gerenciamento de tempo;
  • definição de prioridades
  • registro de dados coletados.

Dentre o leque de opções, existe uma importante categoria: os sistemas de rastreamento de bugs e novas demandas.

De um modo geral, eles são plataformas ou pacotes de aplicativos que rastreiam, registram e relatam necessidades de inclusão de novas funcionalidades ou problemas softwares produzidos ou em desenvolvimento — encontrados por usuários ou pelos próprios times.

 

Como funcionam os chamados

Tipicamente, dentro de uma organização, ferramentas de rastreamento de bugs operam a partir de centrais de atendimento ao cliente (internos ou externos) através da abertura de chamados.

 

Jovem usando computador para resolver chamados com NLP

 

Quando é aberta uma solicitação, o sistema captura e registra o relato apresentado pelo solicitante. Essa solicitação pode ser desde um bug observado, pedidos de licenças, proposição de melhorias até requisição de novas funcionalidades ou outras informações como descrições, logs gerados, versões etc.

Com base neste conjunto de informações e ancorado no conhecimento e decisões da equipe, o sistema de rastreamento tenta estabelecer um fluxo de trabalho o mais personalizado possível para solucionar o chamado no menor tempo possível.

É aqui que as oportunidades de otimizar a performance desse processo ganham foco.

 

O desafio de atender às solicitações

Assim que o sistema de rastreamento abre o chamado, é avaliado o seu nível de priorização, com base na urgência, relevância e capacidade do time responsável por resolver o problema.

Nesse cenário, uma base de dados com histórico de bugs já resolvidos pode ser de grande valia. Detalhes como a natureza do problema, os membros da equipe que lidaram com ele anteriormente e as soluções adotadas podem ser identificados — agilizando sobremaneira a resolução do chamado.

Infelizmente, isso nem sempre é prontamente aplicável. Softwares estão em constante evolução, de modo que novos tipos de problemas e necessidades sempre aparecerão, ampliando ainda mais a base de dados coletados.

As equipes também mudam com o tempo, alterando o perfil de expertise técnica do grupo. Sem contar outros fatores internos e externos que podem afetar as atividades da equipe de suporte.

Disto resulta, por parte de organizações, relatos de dificuldades em estimar os tempos para conclusão dos chamados e informá-los aos respectivos clientes. Ou seja, os processos de triagem são entendidos como morosos e ineficientes.

 

NLP pode ser o caminho!

Com um razoável volume de dados referentes ao histórico de resoluções de chamados e considerando as dificuldades em lidar manualmente com eles, o emprego de inteligência artificial permitiria automatizar o processo de triagem dos chamados, delegando a algoritmos treinados as tarefas de estimar os prazos para a solução da demanda aberta.

Normalmente, os chamados são permeados de relatos dos problemas e necessidades requisitadas pelos usuários, bem como toda a troca de mensagens ocorridas até a conclusão do processo.

Em situações como estas, em que estamos lidando com textos, uma técnica de inteligência artificial especialmente indicada é o Processamento de Linguagem Natural ou simplesmente NLP (Natural Language Processing, em inglês).

Esta área de IA lida com o estudo dos problemas relacionados à geração e compreensão automática da linguagem humana natural, empregando modernos recursos computacionais e modelos matemáticos.

 

Como NLP funciona

O NLP é estudado desde os primórdios da pesquisa em inteligência artificial na década de 1950. Ele tem atraído forte interesse nos últimos anos graças aos interessantes resultados proporcionados por poderosos algoritmos de aprendizado de máquina baseados em modernas arquiteturas de redes neurais artificiais.

O estado da arte nesse campo tem trazido à tona soluções de tarefas complexas como:

  • sumarização e geração de textos e fala (chatbots e assistente virtual);
  • análise de sentimentos e tendências em materiais diversos (textos e áudios);
  • tradução automática de textos entre os mais variados idiomas existentes;
  • reconhecimento e segmentação de fala, entre outras aplicações.

 

NLP nos chamados

No caso do sistema de rastreamento de chamados, o NLP pode atuar em diversos aspectos. Os textos gerados e registrados pelo sistema envolvem um certo grau de subjetividades, como é se esperar, uma vez que a descrição de um dado problema pode ser relatado de diversas maneiras a depender do autor do chamado.

Cabe ao algoritmo, então, captar as similaridades, comparar e classificar corretamente os registros de acordo com o tipo da demanda.

Outro ponto é que em certos casos, como de organizações multinacionais, os usuários tendem a empregar o idioma local, resultando em uma base de dados multilíngue. Afortunadamente, o NLP possui ferramentas para lidar com situações como essa.

Por fim, com base na análise dos dados apresentados, modelos de NLP previamente treinados com bases de dados históricas podem realizar predições acerca do tempo estimado de solução do chamado aberto.

 

Benefícios

Automatizando e acelerando as estimativas de prazos para solucionar os serviços solicitados pelos usuários e o registro de insights, as equipes de suporte podem ser otimizadas.

Além disso, elas adquirem maior performance e podem ser melhor alocadas, tirando proveito de todo o potencial técnico do time.

As vantagens de um sistema empregando NLP são óbvias. Por proporcionar um melhor gerenciamento dos chamados, ele viabiliza o aumento tanto da qualidade quanto do volume de atendimentos processados.

Dessa forma, NLP gera ganhos de produtividade que impactam positiva e diretamente todas as operações de negócios envolvidas.

 

O Venturus é um Centro de Inovação e Tecnologia realizando pesquisa e desenvolvimento e prestando serviços para múltiplos mercados há mais de 25 anos. Temos especialistas em Inteligência Artificial, com foco em NLP e Visão Computacional que podem ajudar a automatizar e otimizar seus sistemas, redirecionando a produtividade de times.

Para saber mais, entre em contato com um de nossos especialistas no formulário de contato abaixo!

Veja mais
Carreiras
Redação Venturus

Como criar uma rotina de estudos?

Manter o ritmo de estudos pode ser bem desafiador, principalmente quando você está buscando dar aquele upgrade nos seus conhecimentos e técnicas para o mercado
Leia mais »

Entre em contato

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.