Como a Gelato economizou 120 horas por semana na triagem de tickets

A Gelato precisava reduzir o tempo perdido na triagem de tickets e encaminhar problemas para a equipe correta com maior precisão. Quando um chamado vai para o time errado, o SLA piora, a resolução demora e o cliente sente o impacto. O desafio era transformar uma atividade operacional repetitiva em um fluxo automatizado e confiável.

A operação envolvia 15 equipes de engenharia, cada uma responsável por diferentes partes da plataforma. A triagem manual consumia mais de 100 horas por semana e tinha acurácia de apenas 60%. Esse cenário gerava retrabalho, atrasos e uso ineficiente da capacidade técnica.

A Gelato implementou uma solução de classificação automática de tickets com Gemini 1.5 Pro no Vertex AI. A IA passou a interpretar o conteúdo dos chamados, identificar a categoria e encaminhar automaticamente para a equipe responsável.

A tecnologia principal foi Gemini 1.5 Pro via Vertex AI. O diferencial mencionado no case é a capacidade de trabalhar com grande janela de contexto, permitindo à IA compreender regras internas, responsabilidades das equipes e padrões históricos de tickets.

Quando um ticket era aberto, a IA lia a descrição, avaliava o contexto e classificava o problema. Em seguida, o chamado era direcionado para a equipe correta. A solução reduziu o papel da triagem humana e permitiu que os times técnicos começassem a resolução mais rapidamente.

O processo combina entrada do ticket, interpretação por modelo generativo, classificação, roteamento e monitoramento de acurácia. A IA foi treinada ou configurada com o contexto operacional da Gelato, incluindo categorias e responsabilidades. Isso permitiu transformar conhecimento tácito da triagem em regra operacional automatizada.

• 120 horas de trabalho economizadas por semana.
• Acurácia de encaminhamento aumentou de 60% para 90%.
• Tickets enviados mais rapidamente para a equipe correta.
• Menos dependência de recursos dedicados exclusivamente à triagem.

O caso mostra que IA pode gerar ROI expressivo em processos internos que normalmente recebem pouca atenção da diretoria. Triagem de tickets é repetitiva, mensurável e de alto impacto em SLA. O aprendizado é escolher fluxos com volume alto, regras conhecidas e custo claro de erro.