# Case Study: AI Ticket Agent | tom.cool

> Technische realisatie van een AI-assistent die IT-tickets analyseert en een voorstel voor prioriteit en routing als interne notitie klaarzet.

Bron: [https://tom.cool/ai-ticket-agent](https://tom.cool/ai-ticket-agent)

Dit is de tekstweergave van de gepubliceerde pagina. Voor formulieren, configuratie, actuele beschikbaarheid en bestellen: open de bronpagina.

[Terug naar realisaties](https://tom.cool/cases)

- **Intake**

De vraag wordt een gestructureerd ticket.

- **Analyse**

Categorie en prioriteit worden voorgesteld.

- **Beoordeling**

Een engineer controleert het voorstel.

- **Feedback**

Alleen gecontroleerde feedback telt mee.

- **Routing**

Het ticket gaat naar de passende wachtrij.

AI / Eigen product

## Agent Tom B

Een technische realisatie die IT-tickets analyseert en een voorstel voor prioriteit en routing als interne notitie klaarzet. Een engineer blijft verantwoordelijk voor de uiteindelijke actie.

[Ontdek het project](https://tom.cool/ai-ticket-agent#hoofdstuk-1)  [Bespreek je vraag](https://ai.tom.cool/)

Projectgegevens

BMS

Ticketbron

AI

Analysevoorstel

Intern

Notitiekanaal

STAR

Analyse Formaat

**Python 3.11+**

**Gemini 2.5 Pro**

**Google Search**

**BMS/Kaseya**

**MS Teams**

**SQLite**

De Uitdaging

### Tickets Stapelen Zich Op

In een BMS-omgeving moeten engineers nieuwe tickets lezen, van context voorzien en naar de juiste wachtrij sturen. Deze realisatie onderzoekt hoe een AI-assistent dat voorwerk kan structureren, zonder de professionele beoordeling door een engineer te vervangen.

- Handmatige analyse van elk nieuw ticket

- Geen automatische prioritering — alles "even belangrijk"

- Tickets bleven te lang in de verkeerde queue

- Engineers misten context over onbekende issues

Voorbeeldticket: wifi valt weg

- Wifi valt weg

**Vraag ontvangen**

De oorspronkelijke melding blijft bewaard.

- Een leesbaar ticket

**Structureren**

Vraag, context en afzender komen samen.

- Klaar voor analyse

**Aanvullen**

Ontbrekende informatie wordt nagevraagd.

Het Concept

### Agent Tom B is Geboren

Het idee: een AI-assistent die elke 5 minuten de BMS API pollt, nieuwe tickets oppikt, ze analyseert met Google Gemini 2.5 Pro (inclusief Google Search voor context), en automatisch een interne note plaatst met een eerste analyse. De engineer krijgt een kant-en-klare briefing in plaats van een rauw ticket.

BMS Ticket

→

Agent Tom B

→

Gemini + Search

→

Teams Notificatie

- Automatische analyse van nieuwe tickets

- Google Search grounding voor actuele context

- Intelligente prioritering (dringend → P1 Very High)

- Routing naar het juiste team

- Wifi valt weg

**Context lezen**

De melding en beschikbare details tellen mee.

- Categorie: netwerk

**Voorstel maken**

Een categorie en prioriteit blijven een voorstel.

- Naar de engineer

**Ter controle**

Twijfel en ontbrekende context blijven zichtbaar.

‍

Consultatie

### On-Demand AI Hulp

Naast automatische verwerking kan elk teamlid Tom B om hulp vragen. Door **#flai** in een ticket note te typen, voert de agent een diepe analyse uit in STAR-formaat (Situatie, Taak, Actie, Resultaat). Indien nuttig schrijft hij ook een voorbeeld klantmail als aparte note.

// Stap 1: Open het ticket in BMS
// Stap 2: Typ in een note:
#flai

// Tom B analyseert het ticket en plaatst:
Interne note in STAR-formaat
Voorbeeld klantmail (optioneel)
Ticket terug in jouw queue

- Niet gekoppeld aan een specifieke eindklant

- Ontworpen voor interne notities, met controle door een engineer

- STAR-formaat: gestructureerd en actionable

- Automatische return naar originele queue

- Netwerkprobleem

**Voorstel bekijken**

Categorie, prioriteit en context staan samen.

- Menselijke controle

**Engineer beslist**

Goedkeuren, aanpassen of stoppen.

- Controleerbaar vervolg

**Besluit vastleggen**

De beoordeling blijft aan het ticket gekoppeld.

Een afgewezen voorstel wordt niet automatisch uitgevoerd.

Zelflerende AI

### De /learn Functie

Het team kan Agent Tom B nieuwe regels aanleren. Via het **/learn** commando leert de agent patronen herkennen en automatisch toepassen. De AI controleert eerst op conflicten met bestaande regels voordat een nieuwe regel wordt opgeslagen.

// Voorbeeld /learn commando:
#flai /learn   3CX Lost Call in Queue Sales tickets moeten direct naar Sales met hoge prioriteit

// Tom B controleert:
Geen conflict → LEARN OK + regel opgeslagen
Conflict → LEARN CONFLICT melding

- Eenvoudig aanleren via notities in BMS

- Automatische conflict-detectie met bestaande regels

- Regels opgeslagen in learned\_rules.md

- Terug-routing na bevestiging

- Gerichte feedback

**Correctie ontvangen**

De engineer legt vast wat anders moet.

- Controle vóór bewaren

**Regel controleren**

Nieuwe feedback wordt op conflicten nagekeken.

- Nieuwe melding, betere context

**Later toepassen**

Een volgende melding gebruikt de beoordeelde regel.

Slimme Routing

### Automatische Ticket Routing

Agent Tom B leest de audit log van elk ticket om te bepalen waar het vandaan kwam. Op basis daarvan stelt hij een route via hashtags in BMS voor. Een configureerbare fallback kan tickets met onvoldoende context naar een menselijke wachtrij sturen.

Queue in audit log |  Hashtag |

Level One Support |  #flytolvl1 |

Sales |  #flytosales |

Accounting |  #flytoacc |

Level Two Support |  #flytolvl2 |

SysAdmin |  #flytosysadmin |

Project Support |  #flytoprosup |

- Audit log-based return routing

- Fallback: onbekende queue → Level One + P1

- BMS workflows verwerken de hashtags

- ~5 API calls per cyclus (geoptimaliseerd van ~15)

- Categorie: netwerk

**Ticket beoordeeld**

De engineer heeft het voorstel gecontroleerd.

- Netwerkteam

**Route bepalen**

De categorie wijst naar een passende wachtrij.

- Gericht verder helpen

**Opvolgen**

Het oorspronkelijke ticket en de context gaan mee.

### De Technische Scope

De realisatie koppelt ticketintake, AI-analyse, interne notities en configureerbare routing. Ze ondersteunt engineers met voorbereidende context; effect en doorlooptijd hangen af van de gebruikte tickettypes, integraties en menselijke controle.

BMS

API-integratie

STAR

Gestructureerde analyse

Review

Menselijke controle

Fallback

Configureerbare escalatie

### Ingebouwde Veiligheidsnetten

##### Interne Notities

De integratie is ontworpen om voorstellen als interne notities te schrijven. Rechten en workflows moeten in de gekoppelde BMS-omgeving afzonderlijk worden gecontroleerd.

##### Confidence Scoring

Een instelbare drempel kan analyses met lage zekerheid naar een menselijke wachtrij sturen.

##### Safety Net Routing

Onbekende queue of persoon? Automatisch naar Level One Support met P1 prioriteit.

##### Mens in de Loop

Tom B is een hulpmiddel, geen vervanging. De bedoelde workflow laat een engineer de analyse beoordelen voordat er extern wordt gecommuniceerd.

Eigen technische realisatie

### Controleerbare assistentie

De kern van deze realisatie is niet autonome besluitvorming, maar reproduceerbaar voorwerk: context verzamelen, structureren en ter beoordeling aanbieden in het bestaande ticketsysteem.

Technische productcase van tom.cool

### Ook jouw workflows automatiseren met AI?

Van ticket-analyse tot kennisbank-integratie — ik bouw AI-oplossingen die passen bij jouw bedrijfsprocessen. Neem contact op voor een vrijblijvend gesprek.

[Bekijk AI Services](https://ai.tom.cool/)