Imagine receber 10 mil chamados em um único dia. É uma enxurrada de solicitações chegando ao mesmo tempo, tornando impossível para uma equipe manual dar conta de tudo com eficiência. O risco de atrasos e erros aumenta, impactando diretamente a satisfação dos clientes.

Usar o fine-tune do Foundry é uma ótima solução quando você tem grandes volumes de chamados diários. Com o fine-tuning, conseguimos treinar o modelo para entender o contexto e o vocabulário específico do seu negócio, tornando o direcionamento de chamados mais assertivo.

Além disso, como cada setor tem suas particularidades, o modelo personalizado aprende a reconhecer palavras e padrões que indicam se um chamado é de “Faturamento”, “Suporte” ou “Venda”. Isso reduz erros humanos e acelera o atendimento ao cliente, melhorando toda a experiência.

Acesso ao fine-tunning Foundry

Na imagem acima, em Model é preciso selecionar um modelo que é capaz de treinar outros modelos, no caso uso estou usando o gpt-4.1. Uma vez selecionado clique em Next.

Como alimentar o modelo com dados ?

Uma das opções é criar um arquivo *.JSONL (JSON Lines). Esse formato é específico para treinamento de modelos.

Para nosso exemplo, eu tenho um arquivo JSONL com vários casos de uso como abaixo:

{"messages":[{"role":"system","content":"Você é um assistente de roteamento de tickets. Classifique os tickets de suporte recebidos em exatamente uma categoria: Faturamento, Suporte Técnico ou Vendas. Responda apenas com o nome da categoria, sem explicação."},{"role":"user","content":"Não reconheço uma cobrança de R$ 250 na minha fatura."},{"role":"assistant","content":"Faturamento"}]}

{"messages":[{"role":"system","content":"Você é um assistente de roteamento de tickets. Classifique os tickets de suporte recebidos em exatamente uma categoria: Faturamento, Suporte Técnico ou Vendas. Responda apenas com o nome da categoria, sem explicação."},{"role":"user","content":"O aplicativo não abre no meu celular Android."},{"role":"assistant","content":"Suporte Técnico"}]}

{"messages":[{"role":"system","content":"Você é um assistente de roteamento de tickets. Classifique os tickets de suporte recebidos em exatamente uma categoria: Faturamento, Suporte Técnico ou Vendas. Responda apenas com o nome da categoria, sem explicação."},{"role":"user","content":"Gostaria de aumentar o limite do meu cartão de crédito."},{"role":"assistant","content":"Vendas"}]}

Adicione o arquivo JSONL como seu Training data source.

Uma vez treinado, o modelo pode ser integrado ao sistema de chamados para classificar automaticamente cada solicitação assim que ela chega. Isso libera os colaboradores para tarefas mais estratégicas e ajuda a manter a operação ágil, mesmo lidando com milhares de chamados por dia.

Dependendo da quantidade casos de uso dentro do arquivo JSONL o treinamento pode facilmente durar mais de uma hora.

Resultado

No print abaixo, demonstro o resultado de alguns casos:

“esqueci a senha” -> Suporte Técnico

“cobrança indevida” -> Faturamento

“problemas no app” -> Suporte Técnico

“benefícios do cartão” -> Vendas

Conclusão

É possível criar um modelo específico para o seu negócio e treiná-lo, esse cenário é um exemplo de como esse fine-tune pode ajudar esse fluxo de processo.

Informações sobre custos de se manter esse modelo e valores de treinamento -> https://learn.microsoft.com/en-us/azure/foundry/openai/how-to/fine-tuning-cost-management