6 min read
Una universidad con más de 20,000 estudiantes y personal técnico limitado necesitaba reducir los errores de clasificación y los retrasos en la asignación de solicitudes dentro de su mesa de ayuda.
Mediante la integración de GLPI con un motor de inteligencia artificial basado en procesamiento de lenguaje natural, fue posible analizar el contenido de cada ticket, sugerir su categoría, prioridad y grupo responsable, y automatizar gran parte del enrutamiento inicial.
El objetivo fue reducir los tiempos de respuesta y los errores de asignación mediante un modelo capaz de interpretar cada solicitud antes de dirigirla al equipo correspondiente.
En C&A Systems ayudamos a las organizaciones a fortalecer sus mesas de ayuda mediante GLPI, automatización e integraciones que permiten mejorar la trazabilidad, la clasificación de incidentes y la eficiencia de los equipos de soporte.
Consiste en conectar GLPI con un modelo capaz de interpretar el título, el contenido, las palabras clave y el contexto de cada solicitud. A partir de ese análisis, el sistema puede sugerir o establecer automáticamente la categoría, la prioridad y el grupo responsable, manteniendo una validación humana cuando el nivel de confianza es bajo.
La universidad atendía a una comunidad de más de 20,000 estudiantes mediante GLPI. Cada semana se generaban más de 700 tickets, mientras que el equipo técnico disponible debía gestionar manualmente la revisión, interpretación y asignación inicial de cada solicitud.
Más de 700 tickets nuevos debían procesarse cada semana.
El 40% de las solicitudes se categorizaba o asignaba de manera incorrecta.
Los técnicos de primer nivel debían interpretar y dirigir cada ticket.
Los reenvíos entre técnicos prolongaban innecesariamente la resolución.
Cuando un ticket no llegaba al grupo correcto desde el inicio, debía ser revisado nuevamente, reenviado a otro técnico y colocado otra vez dentro de la operación de soporte.
Esta dinámica generaba tiempos de atención más largos, acumulación de solicitudes y una experiencia frustrante para los usuarios que recibían respuestas indicando que su solicitud no correspondía al grupo asignado.
La Dirección de TI propuso automatizar la clasificación y asignación inicial de los tickets mediante un modelo que analizara el lenguaje utilizado por los usuarios y devolviera a GLPI una recomendación para su enrutamiento.
El modelo analizaba el título, el cuerpo del mensaje, las palabras clave técnicas y el contexto de cada ticket.
Con el análisis realizado, el sistema determinaba la categoría, el nivel de prioridad y el grupo responsable.
La API REST de GLPI enviaba la información al motor de inteligencia artificial y recibía la clasificación sugerida.
Cuando el nivel de confianza era bajo, el sistema solicitaba la revisión de un técnico antes de realizar la asignación.
El flujo combinaba GLPI, un modelo de clasificación entrenado con información histórica y un mecanismo de revisión para mejorar continuamente la precisión.
El usuario registra una solicitud dentro de GLPI.
GLPI envía el contenido del ticket al modelo de clasificación.
El motor interpreta el lenguaje, las palabras clave y el contexto.
Se determina categoría, prioridad y grupo responsable.
El ticket se asigna o se envía a validación cuando la confianza es baja.
El sistema no dependía únicamente de una palabra aislada. El modelo revisaba diferentes elementos del ticket para comprender mejor la solicitud y relacionarla con las categorías disponibles en la mesa de ayuda.
Para entrenar y validar el modelo de clasificación se utilizaron miles de tickets históricos. Este conocimiento permitió relacionar la forma en que los usuarios describían los problemas con las categorías y grupos utilizados dentro de GLPI.
Se utilizaron miles de solicitudes previamente clasificadas para entrenar y validar el modelo.
El modelo se actualizaba cada 30 días para incorporar nueva información y conservar su precisión.
Los técnicos podían registrar errores de clasificación para mejorar posteriormente el modelo.
Los técnicos podían identificar y corregir las clasificaciones que no correspondieran al incidente registrado.
Las correcciones realizadas por el equipo se utilizaban como retroalimentación para fortalecer la clasificación.
El sistema conservaba un log de las decisiones tomadas para facilitar su revisión y auditoría.
La automatización redujo significativamente el tiempo utilizado para clasificar y dirigir las solicitudes.
Los tickets pueden llegar al grupo responsable en minutos, sin esperar una revisión manual completa.
Una mejor clasificación inicial reduce los movimientos innecesarios entre técnicos y grupos.
El equipo puede concentrarse en resolver incidentes en lugar de interpretar y reenviar solicitudes.
La mesa de ayuda puede atender un volumen mayor sin aumentar personal dedicado únicamente a la clasificación.
En C&A Systems entendemos que una mesa de ayuda no mejora únicamente instalando una herramienta. Es necesario revisar el proceso, las categorías, los grupos responsables, la información histórica y las posibilidades de integración para que GLPI responda a las necesidades reales de cada organización.
Se revisa el volumen de tickets, las categorías, los grupos, las reasignaciones y los tiempos del flujo actual.
Se validan los tickets históricos y su calidad para utilizarlos como base del modelo de clasificación.
Se conecta GLPI con el modelo mediante su API para enviar solicitudes y recibir clasificaciones sugeridas.
Se comparan las recomendaciones del modelo con la clasificación realizada por los especialistas.
Los tickets con alta confianza pueden asignarse automáticamente y los demás pasan a revisión.
La retroalimentación de los técnicos permite actualizar el modelo conforme cambia la operación.
La automatización puede resultar relevante para organizaciones que utilizan GLPI, reciben un volumen elevado de solicitudes y mantienen diferentes categorías o grupos responsables dentro de su operación de soporte.
Solicitudes de estudiantes, docentes y personal administrativo dirigidas a diferentes equipos técnicos.
Incidentes relacionados con hardware, software, redes, accesos y aplicaciones empresariales.
Operaciones donde un error de asignación provoca reenvíos, retrasos y pérdida de trazabilidad.
Mesas de servicio que necesitan atender más solicitudes sin incrementar tareas manuales de clasificación.
Además de la precisión del modelo, el seguimiento debe considerar el impacto sobre el proceso completo de soporte y la capacidad del equipo para atender las solicitudes.
El análisis semántico resulta más efectivo que depender únicamente de reglas estáticas.
GLPI proporciona conectividad suficiente para integrar soluciones de inteligencia artificial mediante su API.
La validación humana es especialmente importante al inicio y puede disminuir conforme aumenta la precisión.
Los modelos entrenados internamente pueden alcanzar una precisión elevada sin requerir una gran inversión.
La retroalimentación constante permite conservar la precisión en entornos donde las solicitudes cambian con el tiempo.
Una integración entre GLPI y un modelo de clasificación puede ayudar a dirigir las solicitudes al grupo adecuado, disminuir reasignaciones y permitir que el equipo de soporte dedique más tiempo a resolver incidentes.
C&A Systems puede ayudarte a revisar tu operación actual y evaluar oportunidades de automatización dentro de tu mesa de ayuda.
Solicitar asesoría Conocer GLPISí. GLPI cuenta con una API REST que permite enviar la información de los tickets a un motor de clasificación y recibir una categoría, prioridad o grupo responsable sugerido.
No. En este enfoque, el modelo automatiza la clasificación y el enrutamiento inicial. Los técnicos continúan atendiendo y resolviendo los incidentes, además de validar los casos donde la confianza del modelo es baja.
El modelo puede entrenarse con tickets históricos que ya contengan categorías y asignaciones correctas. La calidad de esta información es importante para relacionar el lenguaje utilizado por los usuarios con el flujo de soporte.
Sí. C&A Systems puede apoyar en la revisión de la operación de la mesa de ayuda, la estructura de GLPI, los datos históricos, las categorías, los grupos responsables y las oportunidades de integración y automatización.
Nuestro equipo puede ayudarte a evaluar cómo mejorar la clasificación, asignación, trazabilidad y gestión de tickets mediante GLPI.
Correo: contacto@casystem.com.mx
Teléfono: 55 2454 3462 / 01800 087 1626
WhatsApp: +52 55 3890 3667
Comunidad: Comunidad de WhatsApp de C&A Systems
Página web: https://casystem.com.mx/
4 min read
David Garcia : 4/08/2025 02:56:00 PM
C&A Systems · GLPI + ChatGPT Automatización del soporte técnico en GLPI con ChatGPT Automatizar la atención de primer nivel con inteligencia...
4 min read
David Garcia : 4/08/2025 05:24:25 PM
C&A Systems · GLPI + Inteligencia Artificial Alertas Predictivas en GLPI: cómo la Inteligencia Artificial ayuda a anticipar fallos críticos
4 min read
David Garcia : 4/08/2025 04:46:54 PM
C&A Systems · GLPI + Power BI Análisis Proactivo de Soporte TI con GLPI y Power BI Convierte los datos de tu mesa de ayuda en inteligencia...