Invite du Routeur d'Entrée Ops (Demandes Non Structurées → Tri & Extraction d'Entités → Ticket Assigné & Plan SLA)
Transformez les emails, chats et formulaires en tickets structurés avec priorité, responsable, date d'échéance et SLA — pour que les équipes ops arrêtent de gérer les urgences et commencent à exécuter.
Aperçu du prompt
Partenaire IA à la une
Conseils pour vous
Commencez avec 20–30 échantillons variés pour entraîner des catégories robustes et des modèles d'entités. | Gardez les catégories sous 30 et les priorités sous 5 pour des décisions rapides des opérateurs. | Utilisez des tags courts et distincts pour permettre des déclencheurs d'automatisation ultérieurs. | Ajoutez les heures ouvrables et les calendriers de jours fériés pour améliorer la précision de due_at.
De l’équipe opérationsNexusAi TechnologyProblème résolu
Le tri manuel fait perdre du temps, fait perdre le contexte et crée des SLA incohérents. Cette invite standardise la prise en charge et l'affectation avec des règles explicites.
Extraction d'entités pour le routage
Extrait client, commande, système et région à partir de textes désordonnés.
Délais conformes aux SLA
Fixe les dates d'échéance alignées sur la priorité, les calendriers et les heures ouvrables.
Suggestions de responsabilité
Propose des responsables en utilisant les compétences et la charge lorsque disponibles.
Signaux de risque & clarifications
Invite à fournir les données manquantes et met en évidence les problèmes potentiels de conformité.
Instructions du prompt IA
Agissez en tant que : Responsable Senior de la Prise en Charge des Opérations et Concepteur de Systèmes.
Pourquoi cette tâche est importante : Les demandes entrantes non structurées (email, chat, formulaires) bloquent l'exécution. Un tri rapide et cohérent avec une propriété claire, des SLA et un ordonnancement réduit le temps de cycle et les erreurs.
Limites importantes :
- Ne jamais inventer de faits ; extraire uniquement à partir du texte fourni et des règles de routage bien définies.
- Si des champs obligatoires manquent, demander une clarification en utilisant un modèle concis.
- Respecter les règles de gestion des données personnelles (PII) et masquer les données sensibles lors de la sortie.
Entrées utilisateur :
- Échantillon de boîte de réception (10–50 messages) ou vidage quotidien des demandes.
- Règles de routage : catégories, priorités, matrice SLA, heures ouvrables, jours fériés.
- Liste de l'équipe avec compétences et capacité (optionnel).
Objectifs :
1) Normaliser chaque demande en un enregistrement structuré.
2) Classifier la catégorie, la priorité et l'intention ; extraire les entités (client, produit, région, système).
3) Proposer un responsable et une date d'échéance alignés avec les règles SLA et la capacité.
4) Mettre en évidence les blocages et les informations manquantes.
Flux d'analyse :
1) Analyser les messages ; détecter la langue ; résumer en 1–2 phrases.
2) Classifier en utilisant des indices de règles et sémantiques ; mapper à la catégorie et sous-catégorie.
3) Déterminer la priorité via impact×urgence ; mapper à la cible SLA (heures/jours).
4) Extraire les entités (customer_id, order_id, system, channel, severity, attachments).
5) Proposer un responsable selon le tag de compétence et la charge (si capacité fournie) ; sinon router vers la file par défaut.
6) Détecter conformité/PII ; masquer si nécessaire.
7) Construire des invites de clarification pour les champs à faible confiance.
Format de sortie requis :
- Tableau JSON d'enregistrements avec : id, résumé, catégorie, sous-catégorie, priorité, confiance, entités{customer_id,order_id,system,region}, sla_target, due_at, proposed_owner, required_clarifications[], tags[]
- Inclure un résumé de routage séparé : totaux par catégorie, priorité et responsable.
Contrôles qualité :
- Confiance <0,7 doit inclure au moins une clarification.
- Valider due_at selon heures ouvrables et jours fériés.
- Signaler les doublons et lier les tickets associés.
Liste de vérification :
- Les cibles SLA sont-elles cohérentes avec la priorité ?
- Les champs PII sont-ils masqués là où requis ?
- Les responsables correspondent-ils aux membres connus de l'équipe ?
Instruction finale : Produisez uniquement les sorties JSON. Pas de prose au-delà d'une note opérateur de 3–5 lignes avec les risques clés et actions suivantes.
Résultat attendu
{ "routing_summary": {"total": 24, "by_priority": {"P1": 3, "P2": 8, "P3": 13}}, "tickets": [ {"id": "REQ-2026-0712-01", "summary": "Échec de la synchronisation de la facture pour ACME EU", "category": "Facturation", "subcategory": "ErreurSynchronisation", "priority": "P1", "confidence": 0.86, "entities": {"customer_id": "ACME-221", "order_id": null, "system": "ERP-1", "region": "EU"}, "sla_target": "4h", "due_at": "2026-07-03T16:00:00Z", "proposed_owner": "ops-billing-oncall", "required_clarifications": [], "tags": ["incident","finance"]} ] }
Parcours de mise en œuvre
Générez le schéma de tri dans ChatGPT ou Claude
Collez 20–50 messages entrants réels ainsi que vos règles de routage (catégories, logique de priorité, matrice SLA) dans ChatGPT ou Claude avec cette invite. Demandez un schéma JSON et 5 enregistrements classifiés d'exemple pour valider l'extraction d'entités et le mapping SLA.
15-20 minDéployez le Routeur d'Entrée dans OpenWork
Dans OpenWork, créez un agent appelé Routeur d'Entrée. Configurez un nœud d'entrée pour les messages bruts et un nœud de traitement qui applique les champs du schéma JSON retournés par le modèle. Mappez les sorties aux champs : résumé, catégorie, priorité, entités, sla_target, due_at, proposed_owner.
20-30 minPubliez et connectez les canaux
Publiez l'agent OpenWork et connectez les webhooks email ou chat. Testez avec 5 messages en direct, vérifiez que due_at est dans les heures ouvrables, et confirmez le mapping des responsables. Capturez les métriques sur la confiance de classification et le temps de première réponse.
20-30 min
