Como adicionar IA ao Jira Service Management

As duas formas de adicionar IA ao Jira Service Management

Eu construo integrações no eesel, então passo muito tempo dentro das centrais de serviço de outras pessoas. Quando alguém pergunta como adicionar IA ao Jira Service Management, geralmente quer dizer "quero que os tickets se resolvam sozinhos sem contratar mais três pessoas." Justo. Existem exatamente dois caminhos para isso, e as páginas de marketing tendem a misturá-los.

Caminho um, IA nativa. A Atlassian incorporou a IA da central de serviços ao Rovo, sua camada de IA em toda a plataforma, além do Virtual Service Agent voltado ao cliente final. Ela vive dentro do seu tenant Atlassian, lê seu Confluence e tickets passados, e não precisa de nenhuma conexão de terceiros. A pegadinha é o bloqueio por plano e a cobrança extra, que vou explicar a seguir.

Caminho dois, um agente em camada. Você conecta um agente de IA de suporte criado especificamente para isso ao JSM através da API dele. Ele entra como um agente real dentro da sua central de serviços, aprende com as mesmas fontes (e mais, como Slack e Notion), e trata as solicitações do início ao fim. Ele funciona independentemente do plano do JSM em que você está, e você paga pelo que ele resolve.

Nenhuma das duas é automaticamente "melhor." A IA nativa é a opção com menos atrito se você já está profundamente inserido no ecossistema Atlassian e no plano certo. Um agente em camada ganha em velocidade de configuração, conhecimento entre ferramentas e controle de custos. O restante deste guia percorre as duas opções para que você escolha com os olhos abertos.

O que a própria IA do Jira Service Management realmente oferece

Vou ser direto sobre a opção nativa, porque a nomenclatura é confusa e a Atlassian reorganizou tudo duas vezes no último ano.

A IA que você pode ativar é o Rovo: Rovo Search, Rovo Chat ("o companheiro de IA definitivo," nas palavras da Atlassian) e Rovo Agents, todos construídos sobre o Atlassian Teamwork Graph, que extrai contexto do Confluence, Jira, Slack e SaaS conectados. Para uma central de serviços, o agente principal é o Rovo Service agent, que resolve solicitações rotineiras, e o mais antigo Virtual Service Agent, o chatbot conversacional que desvia tickets no portal e no chat.

Aqui está o Rovo Service agent configurado para uma central de TI, com seus cenários, fontes de conhecimento e ferramentas organizados:

E aqui ele está trabalhando em uma solicitação real, conduzindo um ticket de acesso a software por um plano de resolução com uma etapa de aprovação:

Ele é competente. O Rovo consegue criar e executar fluxos de trabalho sem intervenção humana, como gerar um plano de integração para novos contratados e executá-lo passo a passo:

Mas a confusão é real. No próprio fórum da comunidade da Atlassian, administradores perguntam qual IA usar, afinal, porque o Virtual Agent baseado em fluxo e os agentes Rovo GenAI mais novos são otimizados para tarefas diferentes e não substituem um ao outro de forma limpa. Se você ativar isso esperando um único "botão de IA" claro, vai passar um tempo descobrindo o que cada peça faz.

O bloqueio por plano e os medidores de custo

É aqui que vejo as equipes se enrolarem. A IA nativa não é um único item de linha adicionado à sua assinatura. É um conjunto de medidores que se somam ao seu preço por assento de agente.

• O Rovo (busca, chat, agentes) é desbloqueado a partir do plano Standard. Não está disponível no Free.
• O Virtual Service Agent (o chatbot de desvio) é exclusivo dos planos Premium e Enterprise. Na página de preços, o Premium fica em torno de $51,42 por agente por mês.
• O VSA inclui 1.000 conversas assistidas por mês, cobrando $0,30 por conversa assistida adicional.
• O Rovo Customer Service (para tickets externos) é cobrado a $1 por resolução.
• O próprio Rovo é medido em créditos: 25 por usuário/mês no Standard, 70 no Premium, 150 no Enterprise, com uso extra disponível ao optar por ele.

Ou seja, o valor "por agente" subestima a conta real no momento em que a IA começa de fato a desviar volume. Isso condiz com o que dizem as avaliações. O sentimento predominante no G2 (4,3/5 em 988 avaliações) e no Capterra (4,5/5 em 770) não é sobre a qualidade da IA, é sobre custo e complexidade:

"Comparado com os outros produtos da Atlassian, este é bem mais caro, já que você precisa de cada vez mais agentes."

Alex M., IT Service Manager, Capterra

"Para mim, a maior desvantagem é a complexidade administrativa. O Jira Service Management é altamente flexível, mas configurá-lo e mantê-lo geralmente exige mais esforço do que o esperado. Mudanças simples podem exigir várias etapas de configuração, tornando-o menos acessível para equipes menores."

Ravindra N., SDET-2, G2

Se você já está no Premium e tem equipe para configurá-la, a IA nativa é um ponto de partida razoável. Se você está no Standard ou no Free, ou quer um custo previsível, vale a pena considerar seriamente o caminho em camada. Para um veredito mais aprofundado sobre a opção nativa, escrevemos separadamente sobre se a IA do Jira Service Management vale a pena.

Antes de adicionar IA: os pré-requisitos

Os dois caminhos precisam da mesma preparação básica, e pular essa etapa é o principal motivo pelo qual a implementação de uma IA decepciona. Passamos anos colocando agentes de IA em filas de suporte reais, e já vi um bot com tom confiante dar uma resposta errada para um funcionário de verdade. É exatamente por isso que a preparação abaixo não é opcional.

• Coloque sua base de conhecimento em ordem. As respostas da IA são tão boas quanto os artigos do Confluence, as solicitações passadas e os tipos de solicitação que ela lê. Se sua documentação só cobre cancelamentos completos, mas as pessoas continuam perguntando sobre reembolsos proporcionais, a IA vai chutar. Encontre as lacunas primeiro.
• Reúna uma amostra de solicitações passadas. O melhor sinal de treinamento são seus próprios tickets resolvidos, não a central de ajuda. Saiba quais tipos de solicitação dominam sua fila para direcionar a IA a eles.
• Defina o escopo. Quais tipos de solicitação a IA deve tratar primeiro? Redefinições de senha, problemas de VPN e solicitações de acesso são a carga clássica de TI de nível 1 onde a IA se justifica. Comece de forma restrita.
• Verifique seu plano. Para a IA nativa, confirme se você está no Standard (Rovo) ou no Premium (VSA). Para um agente em camada, essa etapa desaparece, já que ele funciona em qualquer nível de plano.

Como adicionar IA ao Jira Service Management com um agente em camada

Este é o caminho que conheço melhor, então vou detalhá-lo. Todo o objetivo de um agente em camada é que ele se conecta ao JSM que você já usa, sem migração e sem upgrade de plano. Veja o formato do que acontece assim que ele é conectado:

Passo 1: Conecte sua central de serviços

Você autoriza a integração e a aponta para sua instância do JSM. Com o eesel, essa é uma conexão do tipo OAuth-e-pronto, que leva minutos, não um projeto de serviços profissionais de seis semanas. Sem widget de chatbot colado no portal, sem caixa de entrada separada: a IA entra como um agente real dentro da sua central de serviços.

Passo 2: Deixe-o aprender com seu histórico

Assim que conectado, o agente lê automaticamente suas solicitações passadas, artigos da base de conhecimento e tipos de solicitação. Sem rotulagem de dados, sem integração demorada. Esta é a parte que surpreende as pessoas: anos de tickets resolvidos se tornam conhecimento utilizável já no primeiro dia. E como ele não se limita ao JSM, você também pode adicionar threads do Slack, Google Docs e páginas do Notion como fontes, que costumam ser onde as respostas reais realmente moram.

Passo 3: Simule antes de tocar em um ticket real

Esta é a etapa que eu nunca pularia, e é a que a maioria das implementações nativas não oferece. Antes de o agente responder a uma única solicitação real, teste-o com seus tickets antigos do JSM para ver como ele os teria tratado. Você obtém a cobertura por tema (digamos, erros de login de SSO em 35%, perguntas sobre API em 41%), uma lista das lacunas e uma previsão da taxa de resolução. Você preenche as lacunas, adiciona fontes e roda novamente até ter confiança. Seus funcionários nunca veem uma resposta ruim, porque você a pegou na simulação.

Passo 4: Configure conversando com ele

Em vez de um motor de regras, você orienta o agente como se fosse um novo colega de equipe: quando ele deve entrar em ação, como deve escrever, quais tipos de solicitação ele trata e quando deve escalar. Você muda o comportamento descrevendo o que quer em linguagem simples.

Passo 5: Entre em produção no modo rascunho, depois transfira as tarefas fáceis

Não pule direto para o piloto automático completo. Comece com o agente redigindo respostas para um humano aprovar ou rejeitar, construindo confiança com o tráfego real. Quando você perceber que ele está tratando bem as redefinições de senha e as solicitações de acesso, deixe-o enviar essas por conta própria e mantenha as categorias mais difíceis em modo rascunho. O roteamento baseado em confiança faz o resto: respostas de alta confiança são enviadas, e as de baixa confiança são redigidas para revisão em vez de serem arriscadas.

Foi esse caminho gradual que levou a Gridwise a 73% de resolução no nível 1 já no primeiro mês, e que faz a Design.com hoje tratar mais de 50.000 solicitações por mês no JSM, em uma configuração multiagente com mais de mil artigos de conhecimento por trás dela.

Como ativar a IA nativa, como alternativa

Se você decidir seguir pelo caminho nativo, a versão resumida:

1. Confirme seu plano. O Rovo exige Standard ou superior; o Virtual Service Agent exige Premium ou Enterprise. A IA vem ativada por padrão no Premium e no Enterprise.
2. No painel de administração da Atlassian, confirme que o Rovo está ativado para a organização (administradores podem ativar ou desativar; desativá-lo desliga o Rovo Chat e os agentes).
3. Aponte o Rovo para seu conhecimento: conecte os espaços relevantes do Confluence e quaisquer fontes de terceiros via conectores do Rovo.
4. Configure o Virtual Service Agent para desviar tickets no seu portal e canais de chat, e crie ou ative o Rovo Service agent para os tipos de solicitação que você quer automatizar.
5. Acompanhe seu uso de créditos do Rovo e a contagem de conversas assistidas do VSA, já que ambos são medidos separadamente dos seus assentos.

São mais peças em movimento do que no caminho em camada, mas se você está comprometido em permanecer totalmente dentro da Atlassian, essa é a forma coerente de fazer isso. Nossa análise da IA do Jira Service Management se aprofunda em quão bem ela funciona na prática.

Erros comuns ao adicionar IA ao Jira Service Management

• Soltar a IA sem testar. O maior erro de todos. Nunca aponte um agente recém-criado para sua fila em produção e torça para dar certo. Simule com tickets passados primeiro, ou, no mínimo, rode em modo rascunho por algumas semanas.
• Ignorar os medidores de custo. Com a IA nativa, o preço por agente é o início, não o total. Estime seu volume provável de conversas assistidas e resoluções antes de se comprometer, ou o custo mensal real vai te surpreender.
• Alimentá-la com uma base de conhecimento fraca. Se seu Confluence está desatualizado, a IA herda cada lacuna. Corrija a documentação antes de culpar o bot.
• Ampliar demais o escopo logo no início. Automatizar redefinições de senha é uma vitória rápida. Tentar automatizar solicitações de mudança complexas, com múltiplas aprovações, já na primeira semana é a forma certa de perder a confiança da equipe. Amplie o escopo conforme os números justificarem.
• Presumir que a opção nativa é a única possível só porque já vem embutida. Muitas equipes no Standard ou no Free presumem que não podem ter IA sem um upgrade para o Premium. Um agente em camada evita completamente esse problema.

Experimente o eesel para o Jira Service Management

Se você quer IA na sua central de serviços sem fazer upgrade de plano ou orçar quatro medidores separados, é aqui que o eesel se encaixa. Ele se conecta ao Jira Service Management em menos de 30 minutos, aprende com suas solicitações passadas e sua base de conhecimento sem nenhum projeto de treinamento, e atinge mais de 85% de resolução no nível 1 desde o início, com um modo de simulação para você ver exatamente como ele vai se comportar antes de tocar em uma solicitação real. O preço é baseado em uso, a $0,40 por ticket, sem taxa por assento, então o custo acompanha o que a IA realmente resolve, e não quantos agentes você tem.

Você pode começar de graça com $50 de uso e sem cartão de crédito, ou primeiro entender como funciona a integração com o JSM. De qualquer forma, teste com seus próprios tickets históricos antes de decidir. Esse único teste diz mais do que qualquer análise, incluindo esta aqui.