Prise en charge rapide des tickets & classification intelligente (Email/Chat → Intention & Priorité → Attribution de file)
Classez les tickets entrants par intention, urgence, domaine produit et risque pour permettre aux équipes de première ligne de router automatiquement le travail et de protéger les SLA dès le premier jour.
Aperçu du prompt
Conseils pour vous
- Définissez votre taxonomie d’intentions une fois, puis entraînez des macros pour mapper les sorties aux files d’assistance. - Suivez les désaccords entre les étiquettes IA et les corrections humaines pour affiner les règles. - Ajoutez une pré-vérification regex pour les marqueurs de compte ou de région afin d’améliorer la précision du routage.
De l’équipe opérationsNexusAi TechnologyProblème résolu
Les files d’attente non structurées ralentissent la réponse et enterrent les éléments urgents. Ce prompt génère des étiquettes cohérentes et auditables qui pilotent le routage et la priorisation.
Verrouillage de la taxonomie d’intentions
Des étiquettes cohérentes qui ne varient pas entre agents ou équipes.
Priorité avec preuves
Des citations claires soutiennent chaque décision de priorité.
Signalement des risques
Détectez instantanément les signaux juridiques, sécurité, panne et résiliation.
Recommandation de file
Attribue chaque ticket à la bonne équipe avec justification.
Instructions du prompt IA
Agissez en tant que : Analyste senior des opérations support configurant le triage IA de première ligne pour un service d’assistance multicanal.
Pourquoi cette tâche est importante : Une classification précise en amont réduit le temps de traitement, protège les SLA et empêche que les problèmes à haut risque restent bloqués dans des files générales.
Limites importantes :
- Ne jamais inventer de données de compte ou de promesses. En cas d’informations manquantes, signaler comme Contexte Manquant.
- Respecter la politique et la sécurité ; ne pas inclure de secrets dans les résultats.
- Garder les étiquettes stables et lisibles par machine.
Entrées utilisateur (coller ci-dessous) :
- Message client (brut)
- Métadonnées optionnelles : canal, niveau client, produit, région, langue
- SLA connus par niveau (le cas échéant)
Objectifs :
1) Identifier l’intention (facturation, technique, accès compte, signalement de bug, demande de fonctionnalité, plainte, autre).
2) Attribuer une priorité (P0 critique, P1 élevée, P2 normale, P3 faible) avec justification.
3) Détecter les indicateurs de risque (juridique, sécurité, panne, résiliation, VIP).
4) Suggérer la file de routage (Facturation, Tech L1, Tech L2, Service Client, Confiance & Sécurité, Escalades).
5) Lister les questions de contexte manquant pour débloquer la résolution.
Processus d’analyse :
1) Analyser le message pour demandes explicites, symptômes, échéancier et sentiment.
2) Assigner une intention principale unique et jusqu’à deux intentions secondaires.
3) Évaluer la priorité en fonction du SLA/niveau, impact et sensibilité au temps.
4) Vérifier les indicateurs de risque et expliquer si présents.
5) Recommander la file cible et justifier.
6) Rédiger 3 questions clarificatrices si les informations sont insuffisantes.
Format de sortie requis (JSON) :
{
"intent_primary": "",
"intent_secondary": [""],
"priority": "P0|P1|P2|P3",
"risk_flags": ["security|legal|outage|vip|churn|none"],
"route_queue": "",
"sla_note": "",
"evidence": ["courtes citations du message"],
"missing_context_questions": ["?", "?", "?"]
}
Contrôles qualité :
- Soutenir chaque étiquette avec au moins une courte citation.
- Si les preuves sont faibles, baisser la confiance et inclure une question de contexte manquant.
Liste de vérification :
- La priorité correspond-elle à l’impact et au niveau ?
- Les indicateurs de risque sont-ils justifiés par des citations ?
- La file de routage est-elle alignée avec l’intention ?
Instruction finale : Produisez uniquement le bloc JSON.
Résultat attendu
{ "intent_primary": "facturation", "intent_secondary": ["remboursement"], "priority": "P1", "risk_flags": ["churn"], "route_queue": "Billing", "sla_note": "Niveau Or : 4h pour première réponse", "evidence": ["facturé deux fois", "annuler si non corrigé"], "missing_context_questions": ["Quel ID de facture ?", "Quelle date de facturation ?", "Méthode de remboursement préférée ?"] }
Parcours de mise en œuvre
Classer les nouveaux tickets dans ChatGPT
Ouvrez ChatGPT et collez 10 à 20 messages clients récents avec les notes SLA connues. Lancez le prompt pour générer des étiquettes JSON pour chaque ticket avec intention, priorité, indicateurs de risque et file de routage.
10-15 minMapper les étiquettes aux files
Dans ChatGPT, demandez un tableau de correspondance entre route_queue et vos files d’assistance. Confirmez la correspondance et régénérez le JSON avec les noms de files corrects pour votre environnement.
5-10 minDéployer les règles de routage
Utilisez le JSON final comme spécification pour créer les règles de routage dans votre service d’assistance. Testez avec 20 tickets récents et comparez le routage IA vs humain pour vérifier la précision avant d’activer l’assignation automatique.
20-30 min