Ela não abre o chamado. Ela investiga o chamado.

O problema com “IA que abre chamado”

Abrir chamado é a parte fácil. O trabalho está entre a abertura e a resposta: ver se já existe um igual, entender do que se trata, olhar log e banco, formar uma teoria, testar a teoria e escrever o que aconteceu. É aí que o ChatMade se mete.

Da entrada à triagem

O chamado nasce de três lugares: alguém abre na mão, o atendente transforma uma conversa em rascunho, ou um alerta chega por webhook — o formato do Grafana, do Alertmanager, do Datadog ou um genérico que você monta.

Assim que entra, a triagem automática identifica a intenção com um grau de confiança, escreve um resumo, aplica etiquetas e reescreve o título para algo legível, preservando o título original ao lado. E antes de tudo isso, a deduplicação por embedding compara o chamado novo com os anteriores, para o mesmo incidente não abrir quinze fichas.

Cada chamado é TKT-{número} na sua organização, com nove status cujas transições são validadas em código, quatro prioridades, severidade de SEV-1 a SEV-3 e cinco desfechos na hora de resolver — resolvido, contorno aplicado, não é defeito, duplicado e não reproduzimos. Tem SLA por prioridade, CSAT no fim e dezessete tipos de atividade no histórico — dá para reconstruir quem fez o quê e quando.

A investigação, com orçamento

Aqui está a parte que quase ninguém entrega. A investigação é uma execução com teto:

• 25 chamadas de ferramenta por investigação
• 600 segundos de tempo total
• 3 execuções por chamado

Teto existe porque agente sem limite queima a sua chave de API investigando para sempre — e porque, com teto, dá para prever o custo antes de rodar.

Dentro desse orçamento, o agente formula hipóteses numeradas — H1, H2, H3 — e trabalha cada uma até marcá-la validada, invalidada ou inconclusiva, com um grau de confiança anexado. Não é um parágrafo de conclusão: é o raciocínio aberto, com o que foi descartado à vista.

E cada chamada de ferramenta vira uma linha de evidência: a consulta que foi feita, o resultado (truncado, com dados pessoais redigidos) e quanto tempo levou. Quando o time discordar da conclusão, a discussão é sobre a evidência, não sobre a opinião da IA.

No fim sai a causa raiz, versionada por chamado — cada revisão fica guardada — e pronta para ser enviada ao cliente.

Você escolhe o quanto ela pode

Três níveis de autonomia, aplicados no código:

• L1 — investigar. Ela levanta evidência e escreve a hipótese. Ninguém age.
• L2 — propor e esperar. Ela recomenda a ação e para. Alguém aprova ou rejeita pela API.
• L3 — resolver. Ela executa sozinha quando a confiança passa de 0,85.

Rejeição não é botão de descarte: o motivo vira nota de contexto para a próxima execução.

Onde ela olha

Bancos. Conectores de PostgreSQL e MySQL, com senha criptografada e túnel SSH quando o banco não fala com o mundo. O que ela pode ver é você quem define: lista branca de tabelas, colunas mascaradas, escopo de linha amarrado ao e-mail ou telefone do cliente do chamado, teto de 100 linhas e timeout de 5 segundos.

Só SELECT — e não por convenção: a consulta é analisada pela árvore sintática antes de rodar, e cada tentativa fica na auditoria como permitida, bloqueada ou com erro.

Ferramentas MCP. As de investigação ficam numa lista separada da do agente que fala com o cliente. Isso é de propósito: a sua ferramenta de observabilidade nunca chega ao agente que atende o visitante.

Jira. O chamado escala para o Jira acima de uma prioridade mínima — numa direção só.

Chamados com IA fazem parte do plano Pro, a partir de R$ 159 por atendente/mês na cobrança anual.