#Desain Detail Solusi Ticket

Versi: v2.0-beta

Tanggal Pembaruan: 2026-01-05

Status: Versi Pratinjau

#1. Ikhtisar Sistem dan Filosofi Desain

#1.1 Posisi Sistem

Sistem ini adalah platform manajemen Ticket cerdas yang didukung AI, dibangun berdasarkan platform low-code NocoBase. Tujuan utamanya adalah:

Membiarkan customer service lebih fokus menyelesaikan masalah, bukan operasi alur yang rumit

#1.2 Filosofi Desain

#Filosofi Satu: Arsitektur Data Tipe T

Apa itu arsitektur Tipe T?

Mengambil ide dari konsep "talent Tipe T" — luas horizontal + dalam vertikal:

• Horizontal (Tabel Utama): Mencakup kemampuan umum semua tipe bisnis — field inti seperti nomor, status, penanggung jawab, SLA, dll.
• Vertikal (Tabel Ekstensi): Mendalam ke field profesional bisnis tertentu — perbaikan peralatan memiliki nomor seri, keluhan memiliki skema kompensasi

Mengapa dirancang seperti ini?

#Filosofi Dua: Tim AI Employee

Bukan "fungsi AI", melainkan "AI Employee". Setiap AI memiliki Role, kepribadian, tanggung jawab yang jelas:

Mengapa menggunakan model "AI Employee"?

• Tanggung jawab jelas: Sam mengelola distribusi, Grace mengelola balasan, tidak akan kacau
• Mudah dipahami: Mengatakan "biarkan Sam menganalisis" kepada pengguna lebih ramah daripada "panggil API klasifikasi"
• Dapat diperluas: Menambah kemampuan AI baru = merekrut karyawan baru

#Filosofi Tiga: Self-loop Pengetahuan

Ini membentuk closed-loop akumulasi pengetahuan-aplikasi pengetahuan.

#2. Entitas Inti dan Model Data

#2.1 Ikhtisar Hubungan Entitas

#2.2 Detail Tabel Inti

#2.2.1 Tabel Utama Ticket (nb_tts_tickets)

Ini adalah inti sistem, menggunakan desain "wide table", semua field umum dimasukkan ke tabel utama.

Informasi Dasar

Pelacakan Sumber

Informasi Kontak

Informasi Penanggung Jawab

Node Waktu

Terkait SLA

Hasil Analisis AI

Dukungan Multi-bahasa

#2.2.2 Tabel Ekstensi Bisnis

Perbaikan Peralatan (nb_tts_biz_repair)

IT Support (nb_tts_biz_it_support)

Keluhan Pelanggan (nb_tts_biz_complaint)

#2.2.3 Tabel Komentar (nb_tts_ticket_comments)

Field Inti

Field Audit AI (untuk outbound)

#2.2.4 Tabel Evaluasi (nb_tts_ratings)

#2.2.5 Tabel Artikel Pengetahuan (nb_tts_qa_articles)

#2.3 Daftar Tabel Data

#3. Siklus Hidup Ticket

#3.1 Definisi Status

#3.2 Diagram Alur Status

Alur Utama (Kiri ke Kanan)

Alur Cabang

State Machine Lengkap

#3.3 Aturan Transisi Status Kunci

#4. Manajemen Service Level SLA

#4.1 Konfigurasi Prioritas dan SLA

#4.2 Logika Perhitungan SLA

#Saat Membuat Ticket

Batas waktu respons = Waktu submit + Batas waktu respons (menit)
Batas waktu penyelesaian = Waktu submit + Batas waktu penyelesaian (menit)

#Saat Pending

Waktu mulai jeda SLA = Waktu saat ini

#Saat Restore (dari pending kembali ke processing)

-- Hitung durasi jeda kali ini
Durasi jeda kali ini = Waktu saat ini - Waktu mulai jeda SLA

-- Akumulasi ke total durasi jeda
Total durasi jeda = Total durasi jeda + Durasi jeda kali ini

-- Perpanjang batas waktu (periode jeda tidak dihitung dalam SLA)
Batas waktu respons = Batas waktu respons + Durasi jeda kali ini
Batas waktu penyelesaian = Batas waktu penyelesaian + Durasi jeda kali ini

-- Kosongkan waktu mulai jeda
Waktu mulai jeda SLA = Kosong

#Penilaian Pelanggaran SLA

-- Penilaian pelanggaran respons
Apakah respons melanggar = (waktu respons pertama kosong DAN waktu saat ini > batas waktu respons)
                  ATAU (waktu respons pertama > batas waktu respons)

-- Penilaian pelanggaran penyelesaian
Apakah penyelesaian melanggar = (waktu penyelesaian kosong DAN waktu saat ini > batas waktu penyelesaian)
                  ATAU (waktu penyelesaian > batas waktu penyelesaian)

#4.3 Mekanisme Peringatan SLA

#4.4 Indikator Dashboard SLA

#5. Kemampuan AI dan Sistem Employee

#5.1 Tim AI Employee

Sistem dikonfigurasi dengan 8 AI Employee, dibagi menjadi dua kategori:

Employee Baru (Khusus Sistem Ticket)

Employee yang Digunakan Ulang (Kemampuan Umum)

#5.2 Daftar Tugas AI

Setiap AI Employee dikonfigurasi dengan 4 tugas spesifik:

#Tugas Sam

#Tugas Grace

#Tugas Max

#Tugas Lexi

#5.3 AI Employee dan Siklus Hidup Ticket

#5.4 Contoh Respons AI

#Respons Analisis Ticket SAM-01

{
  "category_code": "COMPUTER",
  "sentiment": "NEGATIVE",
  "urgency": "HIGH",
  "keywords": ["ERP", "Login Gagal", "Timeout", "Closing Akhir Bulan"],
  "confidence": 0.92,
  "reasoning": "Ticket ini mendeskripsikan masalah login sistem ERP, memengaruhi closing akhir bulan departemen keuangan, urgensinya tinggi",
  "suggested_reply": "Pelanggan yang terhormat, terima kasih atas laporan masalah ini...",
  "source_language_code": "zh",
  "is_translated": true,
  "description_translated": "Hello, our ERP system cannot login..."
}

#Respons Generate Balasan GRACE-01

Bapak Zhang yang terhormat,

Terima kasih telah menghubungi kami untuk melaporkan masalah login ERP. Saya sepenuhnya
memahami masalah ini sedang memengaruhi pekerjaan closing akhir bulan perusahaan Anda,
kami telah memprioritaskan masalah ini sebagai prioritas tinggi.

Status saat ini:
- Tim teknis sedang menyelidiki masalah koneksi server
- Diperkirakan akan memberikan update progress dalam 30 menit

Sementara itu, Anda dapat mencoba:
1. Akses melalui alamat backup: https://erp-backup.company.com
2. Jika ada kebutuhan laporan urgent, dapat menghubungi kami untuk membantu ekspor

Jika ada pertanyaan lain, silakan hubungi saya kapan saja.

Hormat kami
Tim Technical Support

#5.5 Firewall Emotional Intelligence AI

Audit kualitas balasan yang ditangani Grace akan mencegat masalah berikut:

#6. Sistem Knowledge Base

#6.1 Sumber Pengetahuan

#6.2 Alur Konversi Ticket ke Pengetahuan

Dimensi Evaluasi:

• Universalitas: Apakah ini masalah umum?
• Kelengkapan: Apakah solusinya jelas dan lengkap?
• Reproduktibilitas: Apakah langkah-langkahnya dapat digunakan kembali?

#6.3 Mekanisme Rekomendasi Pengetahuan

Saat customer service membuka detail Ticket, Max otomatis merekomendasikan pengetahuan terkait:

┌────────────────────────────────────────────────────────────┐
│ Pengetahuan yang Direkomendasikan         [Expand/Collapse] │
│ ┌────────────────────────────────────────────────────────┐ │
│ │ KB-T0042 Panduan Diagnosis Servo CNC      Match: 94%   │ │
│ │ Berisi: Interpretasi kode alarm, langkah pemeriksaan    │ │
│ │ [Lihat] [Terapkan ke Balasan] [Tandai Helpful]          │ │
│ ├────────────────────────────────────────────────────────┤ │
│ │ KB-T0038 Manual Maintenance XYZ-CNC3000   Match: 87%   │ │
│ │ Berisi: Kerusakan umum, rencana maintenance preventif  │ │
│ │ [Lihat] [Terapkan ke Balasan] [Tandai Helpful]          │ │
│ └────────────────────────────────────────────────────────┘ │
└────────────────────────────────────────────────────────────┘

#7. Engine Workflow

#7.1 Klasifikasi Workflow

#7.2 Workflow Inti

#WF-T01: Alur Pembuatan Ticket

#WF-AI01: Analisis AI Ticket

#WF-AI04: Terjemahan dan Audit Komentar

#WF-AI03: Generate Pengetahuan

#7.3 Scheduled Task

#8. Desain Menu dan Antarmuka

#8.1 Backend Admin

#8.2 Customer Portal

#8.3 Desain Dashboard

#Tampilan Eksekutif

#Tampilan Supervisor

#Tampilan Customer Service

#Lampiran

#A. Konfigurasi Tipe Bisnis

#B. Kode Klasifikasi

Versi dokumen: 2.0 | Pembaruan terakhir: 2026-01-05