Una alta frecuencia de problemas puede generar un número abrumador de tickets y una delegación incorrecta a los equipos para manejarlos. Esto lleva a un aumento en el MTTR (tiempo medio para resolver) y una disminución en el FCR (resolución en la primera llamada). La solución mitiga estos problemas entrenando un modelo de ML multifactorial que considera factores como el impacto del ticket, la urgencia, la prioridad, la descripción del problema y otras características para predecir el grupo más relevante para resolver un ticket. Se ejecuta un conjunto de modelos a través de los datos para seleccionar el modelo más generalizable para la tarea de clasificación de tickets.