AI Builder — classificar emails de suporte com modelos de linguagem

O que é / Contexto

O AI Builder é uma funcionalidade do Power Platform que permite integrar capacidades de inteligência artificial em fluxos do Power Automate sem necessidade de conhecimentos profundos de machine learning. Para ambientes de suporte IT, esta tecnologia é particularmente útil na automatização da triagem de tickets de suporte recebidos por email.

A triagem automática de tickets através de AI Builder permite classificar emails recebidos numa mailbox partilhada segundo critérios de criticidade (crítico, alto, médio, baixo), analisar o conteúdo das mensagens e atribuir automaticamente categorias ou prioridades. Isto reduz significativamente o tempo de resposta inicial e melhora a eficiência das equipas de suporte.

O sistema utiliza modelos de processamento de linguagem natural pré-treinados ou personalizados para identificar padrões no texto dos emails, como palavras-chave relacionadas com problemas críticos (sistema em baixo, falha de segurança, perda de dados) versus questões rotineiras (alteração de palavra-passe, dúvidas gerais).

Pré-requisitos e Licenciamento

Para implementar esta solução, são necessários os seguintes requisitos técnicos e de licenciamento:

• Licenciamento: Power Automate Premium ou Power Apps Premium (inclui AI Builder)
• Créditos AI Builder: Consumo baseado em utilização (aproximadamente 1 crédito por classificação)
• Permissões: Acesso à mailbox partilhada do suporte IT
• Conectores: Office 365 Outlook, SharePoint (opcional para logging)
• Ambiente: Power Platform com Dataverse ativado

O administrador deve configurar as permissões adequadas na mailbox partilhada e garantir que a conta de serviço utilizada pelo Power Automate tem acesso de leitura aos emails recebidos.

Como Configurar / Utilizar

A implementação divide-se em duas fases principais: criação do modelo AI Builder e configuração do fluxo Power Automate.

Fase 1: Configuração do Modelo AI Builder

1. Aceder ao Power Platform Admin Center e navegar para AI Builder > Build
2. Selecionar “Text classification” e criar um novo modelo
3. Definir as categorias de criticidade:
   • Crítico
   • Alto
   • Médio
   • Baixo
4. Preparar dados de treino com exemplos de emails categorizados (mínimo 10 por categoria)
5. Treinar o modelo e aguardar a conclusão do processo
6. Testar o modelo com dados de validação e ajustar se necessário
7. Publicar o modelo após validação bem-sucedida

Fase 2: Criação do Fluxo Power Automate

1. Criar um novo fluxo automatizado no Power Automate
2. Configurar o trigger: When a new email arrives (V3)
   • Mailbox Address: [email protected]
   • Folder: Inbox
   • Include Attachments: No
3. Adicionar ação Predict (AI Builder):
   • Model: Selecionar o modelo criado anteriormente
   • Text to analyze: Subject + Body preview
4. Adicionar condição para verificar a confiança da predição:
   outputs('Predict')?['body/results'][0]['confidenceScore'] > 0.7
5. Configurar ações baseadas na categoria prevista:
   • Crítico: Enviar notificação imediata + Atribuir prioridade alta
   • Alto: Mover para pasta “Urgente” + Notificar supervisor
   • Médio/Baixo: Categorizar e atribuir à fila normal

Casos de Uso Práticos

Esta solução adapta-se a diversos cenários de suporte IT, proporcionando automação inteligente da gestão de tickets:

Exemplo 1: Identificação de Problemas Críticos

Emails com conteúdo como "servidor principal não responde" ou "sistema ERP em baixo" são automaticamente classificados como críticos, gerando alertas imediatos para a equipa de prevenção.

Exemplo 2: Categorização por Tipo de Problema

O modelo pode ser treinado para identificar categorias específicas:

• Hardware: “impressora avariada”, “monitor não liga”
• Software: “aplicação lenta”, “erro no Excel”
• Rede: “sem acesso à internet”, “VPN não conecta”
• Segurança: “email suspeito”, “possível vírus”

Exemplo 3: Escalamento Automático

Tickets classificados como críticos são automaticamente escalados para técnicos seniores, enquanto questões básicas são direcionadas para suporte de nível 1.

Prompt de Exemplo para Treino do Modelo


Assunto: Sistema financeiro indisponível - URGENTE
Corpo: O sistema SAP está completamente inacessível desde as 09:00. Nenhum utilizador consegue aceder aos módulos financeiros. Impacto em toda a empresa.
Categoria: Crítico


Limitações e Boas Práticas

Limitações Técnicas

• Precisão: Modelos requerem treino contínuo para manter eficácia
• Consumo de créditos: Cada classificação consome créditos AI Builder
• Idioma: Melhor desempenho em inglês; português pode ter limitações
• Volume: Limitações de throughput para grandes volumes de emails

Boas Práticas

• Dados de treino: Utilizar pelo menos 50 exemplos por categoria para melhor precisão
• Monitorização: Implementar logging para acompanhar a eficácia das classificações
• Fallback manual: Configurar revisão humana para casos de baixa confiança (<70%)
• Retreino periódico: Atualizar o modelo mensalmente com novos dados
• Validação contínua: Verificar regularmente a precisão das classificações automáticas

Exemplo de Configuração de Monitorização


If confidence score < 0.7:
- Move email to "Manual Review" folder
- Create SharePoint list entry for human validation
- Send daily report of unclassified tickets


Referências

• Microsoft AI Builder Documentation
• Power Automate Documentation
• AI Builder Text Classification
• AI Builder Licensing Guide