Como usar IA para tickets do Freshservice em 2026

O que "IA para tickets do Freshservice" realmente significa

Antes de escolher uma ferramenta, vale a pena ser preciso sobre o que a IA em uma central de servicos esta sendo solicitada a fazer, porque "IA" e usado para significar tres trabalhos diferentes.

Os tres trabalhos sao desvio, assistencia e triagem. Desvio e o bot autonomo que responde a solicitacao de rotina (uma redefinicao de senha, um "como consigo acesso ao X", uma consulta de status) antes de chegar a um humano. Assistencia e o copiloto que redige uma resposta, resume um longo historico ou traduz uma mensagem para o agente que ja esta no ticket. Triagem e o trabalho silencioso de ler um ticket entrante, etiqueta-lo, rotea-lo e deixar uma resposta sugerida como nota interna. A maior parte do valor em uma central de servicos de TI esta no primeiro e no terceiro.

Passei os ultimos anos colocando agentes de IA em filas de suporte e TI reais ao vivo, e o padrao se repete: o ganho nunca e "a IA responde tudo." E a IA limpando os 30-40% repetitivos para que seus funcionarios possam gastar o tempo nos tickets que realmente precisam de um humano. Quando a InDebted nos implementou em seu helpdesk interno de TI, seu Chefe de TI, Jason Loyola, colocou claramente: "Usamos para ser o primeiro respondedor de nossos tickets de Helpdesk no Jira. Ele essencialmente age como um agente faria." Eles comecaram com 15% de desvio e estao se encaminhando para 55%. Essa e a forma de um bom resultado em uma central de servicos, e e a mesma seja la onde os tickets estejam — no Jira, Freshservice ou em qualquer outro lugar.

Veja como uma camada de IA bem configurada move um unico ticket do Freshservice por esse fluxo.

O fluxo em tempo de execucao: conhecimento dentro, uma verificacao de confianca e um de tres resultados.

Opcao 1: Freddy AI, a camada nativa da Freshworks

O primeiro passo obvio e usar o que ja esta incluido. A IA do Freshservice e chamada de Freddy AI, e e genuinamente capaz em alguns aspectos. Ela se divide em tres produtos, e ajuda mante-los separados porque sao comercializados como um so.

Freddy AI Agent e o nivel autonomo que desvia solicitacoes pelo Slack, Microsoft Teams, o Bot de E-mail e o portal de suporte, fundamentando respostas em sua Base de Conhecimento mais SharePoint, Google Drive e Confluence. Freddy AI Copilot e o nivel de assistencia ao agente dentro do workspace: sugestoes de resposta, resumo de tickets e traducao em tempo real. Freddy AI Insights e a camada analitica que sinaliza coisas como picos de violacao de SLA para lideres de central de servicos. A Freshworks cita numeros reais de ITSM em sua pagina de IA para ITSM: 66% dos tickets entrantes desviados, 41% de tempo de primeira resposta mais rapido e uma queda de 77% no tempo medio de resolucao com o Copilot.

Onde o Freddy e genuinamente bom e no Copilot. Se seus agentes ja vivem no workspace do Freshservice, ter um resumidor e um sugeridor de respostas a um clique, sem troca de contexto, e uma real melhoria na qualidade de trabalho. Eu nao desencorajaria ninguem a usa-lo.

Quanto custa o Freddy AI

Aqui esta a parte que confunde as equipes. O agente autonomo nao esta no plano em que voce provavelmente esta. O Freddy AI so vem incluido no nivel Enterprise, e os planos de ITSM por agente ficam assim (faturamento anual):

A unidade faturavel para o Freddy AI Agent e uma sessao, que as perguntas frequentes sobre precos da Freshworks define como "qualquer interacao que um usuario unico tem com um AI Agent dentro de um periodo de 24 horas." Cada licenca Enterprise inclui 1.200 sessoes de Freddy AI Agent por ano, calculadas proporcionalmente para ciclos mais curtos, e pacotes de sessoes adicionais sao apenas por cotacao. Nao ha preco publicado por sessao, o que dificulta a previsao. Detalhamos o modelo completo em nosso guia sobre precos do Freshservice Freddy AI, mas a versao curta e: para obter o agente autonomo, voce esta no nivel mais caro, pagando os precos Enterprise do Freshservice por assento, e depois medindo IA por cima.

Onde o Freddy falha

Aqui tenho que ser direto com voce, porque os numeros de marketing e os relatos de usuarios nem sempre se alinham. A reclamacao mais repetida nao e sobre preco, e sobre uma falha mais silenciosa: um bot que tenta cada ticket, falha nos dificeis e deixa seus agentes em situacao pior do que antes.

Um lider de TI em uma organizacao de 600 pessoas descreveu exatamente isso cinco meses apos ativar o Freddy:

"A resolucao automatica esta em talvez 25%, o que acho que esta bem. Mas nosso MTTR na verdade subiu. Cerca de 20% comparado a onde estamos antes... O Freddy tenta, falha, o agente assume, mas tem que rolar por todo o vai-e-vem antes de poder responder. Cronometrei alguns tickets, sao tipo 2-3 minutos extras por ticket so lendo o contexto de IA... Tickets duplicados estao em torno de 15% maiores."

O mesmo topico do Reddit vale a pena ler na integra. O ponto nao e "a IA e ruim," e que um bot sem controle de confianca adiciona um custo de transferencia que pode superar o ganho de desvio. Aqui esta o mecanismo, lado a lado.

O custo de transferencia e o imposto oculto de um bot que tenta tudo.

As reclamacoes tambem se acumulam em outros lugares. A qualidade do desvio e chamada de fraca, com um sysadmin dizendo que a IA e "pessima para desvio de incidentes" e, pior ainda, que ela "nao aprende com usuarios avaliando uma interacao como nao util." Nao ha escolha de modelo, o que um usuario do Freshservice resumiu como: "voce nao tem a capacidade de escolher quais LLMs quer usar. Alem disso, seus precos estao vinculados aos agentes, nao aos funcionarios." E a configuracao pode travar em permissoes, com uma equipe bloqueada porque o Teams ServiceBot "requer 'Ler arquivos em todas as colecoes de sites' no nivel de Aplicacao", que sua equipe de seguranca nao aprovaria. Catalogamos o resto em nosso artigo sobre limitacoes de IA do Freshservice.

Nada disso torna o Freddy um produto ruim. O torna um produto que funciona melhor se voce ja esta profundamente no Freshworks Enterprise e suas necessidades sao convencionais. Se algum desses pontos for decisivo, adicionar uma camada e a melhor opcao.

Opcao 2: adicionar um agente de IA dedicado sobre o Freshservice

A alternativa na qual a maioria das equipes acaba e deixar o Freshservice exatamente como esta e conectar um agente de IA dedicado por cima via API. Voce mantem seu plano, seus fluxos de trabalho e seu historico de tickets. A IA se torna o primeiro respondedor e a camada de triagem, e sua central de servicos continua sendo a fonte da verdade. Essa e a abordagem sobre a qual construimos o eesel AI, e existe precisamente por causa das lacunas acima.

O eesel AI funciona como uma camada sobre seu helpdesk existente, nao uma substituicao.

Tres diferencas importam mais para uma equipe do Freshservice. Primeiro, voce pode treinar a IA em seus tickets anteriores e em sua base de conhecimento interna completa, nao apenas em artigos publicados, para que ela responda como seu agente mais experiente faria, incluindo o conhecimento tacito que normalmente vai embora quando alguem sai. Segundo, voce obtem triagem baseada em confianca: a IA so age em tickets dos quais tem certeza e deixa todo o resto para um humano, que e a unica configuracao que previne a regressao do MTTR acima. Terceiro, voce nao esta preso ao modelo de um fornecedor e paga por interacao em vez de por agente.

Essa questao do modelo acaba sendo uma decisao de construir versus comprar para muitas equipes. Como Karel na GENERAL BYTES nos contou quando escolheram um agente adicional em vez de criar o seu proprio: "Poderiamos tentar escrever nossa propria aplicacao LLM, mas nao queriamos investir nosso tempo nisso. Queriamos algo que nao precisassemos manter." Adicionar uma camada oferece a flexibilidade de uma construcao personalizada sem a conta de manutencao.

Isso realmente desvia? No Zendesk, Kim Simpson da Gridwise relatou no G2 que "no primeiro mes, o eesel esta resolvendo 73% de nossas solicitacoes de nivel 1," com resultados aparecendo dentro de um periodo de teste de 7 dias. A plataforma nao e magica especifica do Freshservice, e a mesma abordagem controlada por confianca apontada para qualquer fila que voce gerencie. Para a categoria mais ampla, nosso resumo de ferramentas de suporte de TI com IA para centrais de servicos cobre as opcoes adicionais lado a lado.

Como configurar IA na sua fila de tickets do Freshservice

Qualquer que seja a ferramenta que voce escolher, o implantacao que funciona e a mesma, e e o oposto de "ativar e torcer." As equipes que se prejudicam sao as que apontam um bot para a fila completa no primeiro dia. Aqui esta a sequencia que eu seguiria.

Escale gradualmente para a autonomia. Nao comece por la.

1. Conecte seu helpdesk e conhecimento. Conecte a IA ao Freshservice e aponte-a para suas fontes de conhecimento: sua base de conhecimento do Confluence, SharePoint, Google Drive, documentos internos e, idealmente, seus tickets resolvidos. Quanto mais fundamentada a IA, menos ela adivinha.

Conectar fontes de conhecimento e o primeiro passo, e e a maior parte da qualidade.

2. Simule em seus tickets anteriores antes de entrar em producao. Este e o passo que quase todo mundo pula, e e o mais importante. Execute a IA contra alguns milhares de seus tickets historicos do Freshservice e leia o que ela teria dito. Voce obtem uma estimativa real de desvio e uma lista de lacunas antes de um unico cliente ser afetado. Meu colega Amogh tem uma piada recorrente sobre a frequencia com que isso aparece: "As pessoas realmente, realmente, realmente querem treinar em tickets anteriores." Elas querem porque e a unica maneira honesta de saber o que a IA fara.

3. Comece em modo rascunho, com um humano aprovando. Deixe a IA escrever respostas e deixa-las como notas internas ou rascunhos para seus agentes aprovarem ou corrigirem. Voce constroi confianca, e a IA aprende com as edicoes. A tese veio de um lider de CX que precisava exatamente desse controle: "Preciso de uma IA que so lide com os tickets dos quais ela esta confiante em lidar, e todos os outros que ela deixe em paz." E esse o jogo todo.

Escopo e tom sao definidos em linguagem natural, nao em um mecanismo de regras.

4. Escale os tipos de tickets com alta confianca para resolucao automatica. Uma vez que uma categoria (redefinicoes de senha, solicitacoes de acesso, "onde esta meu pedido") e confiavelmente boa no modo rascunho, deixe a IA fechar esses tickets de forma autonoma. Mantenha todo o resto controlado. Aqui e tambem onde a classificacao e marcacao de tickets se justifica, pois categorias limpas sao o que permite escalar uma fatia de cada vez.

5. Observe os numeros e ajuste. Acompanhe o desvio, o tempo de resolucao e onde a IA faz transferencias, depois incorpore os erros de volta. Um bom relatorio e o que transforma uma configuracao unica em algo que continua melhorando.

Meça o desvio e os pontos de transferencia, depois feche as lacunas.

Freddy vs. um agente de IA adicional: comparacao rapida

Se voce quer a decisao em uma tela, aqui esta. Nenhuma coluna e "errada," elas servem a equipes diferentes.

Para o campo mais amplo, incluindo opcoes no estilo HaloITSM e ServiceNow, veja nosso resumo de alternativas ao Freshservice e a comparacao de Freshservice vs Jira Service Management.

Erros comuns a evitar

Algumas armadilhas que vejo repetidamente em implantacoes de IA em centrais de servicos, com Freshservice ou nao.

• Apontar o bot para toda a fila no primeiro dia. E assim que voce obtem a regressao do MTTR. Limite-o, escale-o gradualmente.
• Pular a simulacao. Se voce nao pode me dizer o que a IA teria feito nos tickets do mes passado, voce esta lancando as cegas. Treine-a em sua base de conhecimento e teste contra o historico primeiro.
• Tratar o autoatendimento como um deposito de conteudo. Um bot e tao bom quanto a base de conhecimento por tras dele. Documentos escassos ou desatualizados produzem respostas erradas mas confiantes.
• Esquecer a TI interna e o RH. Grande parte do valor do Freshservice e interno. O mesmo agente que desvia tickets de clientes pode executar seu autoatendimento para funcionarios, helpdesk de RH e suporte de TI baseado no Slack.
• Comprar a atualizacao Enterprise antes de testar uma camada adicional. Se a unica razao pela qual voce esta olhando para o Enterprise e o Freddy, primeiro experimente um agente de helpdesk com IA adicional com seu plano atual. E mais barato descobrir dessa forma.

Experimente o eesel para seus tickets do Freshservice

Se voce quer IA em sua fila do Freshservice sem atualizar para Enterprise ou migrar qualquer coisa, e exatamente isso que o eesel AI faz. Ele se conecta a sua central de servicos existente, treina em seus tickets e documentos anteriores e funciona com controle de confianca para que so resolva o que tem certeza e entregue o restante a sua equipe. O diferencial que a maioria das equipes se importa: voce pode simula-lo em milhares de seus tickets historicos e ver seu numero real de desvio antes de tocar em um ticket ao vivo, depois escalar do modo rascunho para a resolucao automatica no seu proprio ritmo. Voce pode comecar gratuitamente e pagar por interacao, nao por agente.

Conecte, simule e escale, tudo de um painel.