← Hugo RaniereTodos os cases
Case Study2026

Liberando Horas de Desenvolvimento com Tickets Resolvidos por IA

Cargo

AI Product & Harness Engineering Lead

Tags
IALiderançaProduto

Liderei a iniciativa que colocou uma camada de agentes de IA na frente do fluxo de suporte técnico da Aegro: resolvendo tickets antes de chegarem à engenharia, classificando risco de PRs para auto-merge e corrigindo pequenos bugs historicamente ignorados. A entrega virou KR do time.

Fluxo antes e depois do agente
Desafio

A Aegro tem 10 times técnicos, dos quais 5 recebiam diretamente tickets de suporte que consumiam horas de desenvolvimento, tempo que poderia estar em entregas de produto. Minha atuação não foi escrever o código, mas priorizar a iniciativa junto ao time e desenhar como medir o potencial real da entrega: quanto tempo de desenvolvimento estava sendo devolvido.

Processo

Método & precisão.

  1. 01.

    Etapa 01

    Priorização da iniciativa com o time de engenharia e definição do método de mensuração: tempo médio de resolução por complexidade de ticket.

  2. 02.

    Etapa 02

    Desenho da camada de agente: tickets de suporte passam primeiro pela IA, que tenta resolver sozinha; se não conseguir, encaminha para o time certo com base em documentação organizada por área (agrícola, fiscal, financeiro, etc.).

  3. 03.

    Etapa 03

    V1 entregue em 1 semana, com evolução contínua nos meses seguintes até virar métrica de KR do time.

  4. 04.

    Etapa 04

    Validação em produção: como o agente só processava tickets novos, puxávamos manualmente 10 tickets antigos por dia para rodar nele, filtrando os já resolvidos ou sem sentido.

  5. 05.

    Etapa 05

    PRs geradas pelo agente evoluíram de aprovação humana obrigatória para um classificador de risco (baixo, médio, alto) que libera auto-merge em baixo risco.

  6. 06.

    Etapa 06

    Em paralelo, lançamos o Janitor: agente que resolve pequenos erros que historicamente ficavam ignorados pelos devs.

Métricas de resolução

Métricas de resolução

Resultado

O que ficou.

Num recorte de 135 tickets analisados, 82 (61%) foram resolvidos 100% pela IA sem interferência humana, 33 precisaram de correção, 12 foram descartados por não atenderem aos critérios e 8 foram escalados. O cálculo, baseado no tempo médio de resolução por complexidade, estimou 200 horas de desenvolvimento liberadas por mês, número que virou KR do time.

200h

liberadas por mês

61%

tickets 100% resolvidos por IA (82/135)

1 semana

da V1 em produção