Nhiều team IT nội bộ tại các công ty vừa và nhỏ đối mặt với lượng ticket hỗ trợ ngày càng tăng nhưng nguồn lực nhân sự hạn chế. Bài viết này chia sẻ quy trình thực tế đã triển khai tại một đội ngũ 5 người, sử dụng mô hình ngôn ngữ lớn (LLM) kết hợp với công cụ tự động hóa (n8n / Zapier) để phân loại, ưu tiên và gợi ý giải pháp cho từng yêu cầu kỹ thuật. **1. Xác định mục tiêu và phạm vi** - Giảm thời gian trung bình từ khi ticket tạo ra đến khi gán cho kỹ thuật viên từ 45 phút xuống dưới 10 phút. - Tự động gán nhãn danh mục (mạng, phần mềm, phần cứng, tài khoản, v.v.) và mức độ ưu tiên (cao, trung bình, thấp). - Cung cấp gợi ý giải pháp sơ bộ để kỹ thuật viên có thể bắt đầu xử lý ngay. **2. Chuẩn bị dữ liệu huấn luyện prompt** - Thu thập 300 ticket lịch sử (đã ẩn danh) bao gồm tiêu đề, mô tả, nhãn thực tế và giải pháp đã áp dụng. - Xây dựng prompt mẫu: “Bạn là trợ lý phân loại ticket IT. Đọc tiêu đề và mô tả sau, trả về JSON gồm: category, priority, suggested_solution.” - Thử nghiệm trên 50 ticket mới, điều chỉnh prompt cho đến khi độ chính xác phân loại đạt trên 90%. **3. Xây dựng luồng tự động hóa** - **Trigger**: Webhook từ hệ thống ticket (Jira Service Management, Freshservice, hoặc Google Form). - **Node LLM**: Gọi API OpenAI / Anthropic với prompt đã chuẩn bị, truyền tiêu đề + mô tả. - **Parse JSON**: Trích xuất category, priority, suggested_solution. - **Update ticket**: Cập nhật trường nhãn, ưu tiên và thêm comment nội bộ chứa gợi ý giải pháp. - **Notification**: Gửi Slack/Teams cho nhóm kỹ thuật với tóm tắt ticket đã được AI xử lý. **4. Kiểm thử và lặp lại** - Chạy song song với quy trình thủ công trong 2 tuần, ghi nhận sai sót (ví dụ: nhầm lẫn giữa “vpn” và “network”). - Bổ sung few‑shot examples vào prompt để cải thiện. - Sau khi ổn định, tắt quy trình thủ công. **5. Kết quả quan sát (không công bố số liệu chính xác)** - Thời gian phân loại giảm đáng kể, kỹ thuật viên tập trung vào giải quyết vấn đề thay vì đọc ticket. - Tỷ lệ ticket được giải quyết ở lần tiếp xúc đầu tăng nhờ gợi ý giải pháp liên quan. - Team tiết kiệm khoảng 1‑2 giờ mỗi ngày cho việc triage. **Lời khuyên áp dụng** - Bắt đầu với tập dữ liệu nhỏ, đo lường độ chính xác trước khi mở rộng. - Luôn giữ người kiểm duyệt (human‑in‑the‑loop) cho các ticket mức ưu tiên cao. - Cập nhật prompt định kỳ khi xuất hiện loại sự cố mới. - Tận dụng công cụ low‑code (n8n, Make, Zapier) để triển khai nhanh mà không cần dev chuyên sâu. - Đào tạo ngắn cho team về cách đọc gợi ý AI và khi nào nên bỏ qua. Với quy trình này, các team IT quy mô nhỏ có thể nâng cao tốc độ phản ứng mà không cần tăng headcount, đồng thời tạo thói quen làm việc dựa trên dữ liệu có cấu trúc.