Une fréquence élevée de problèmes peut générer un nombre écrasant de tickets d'application et une délégation incorrecte aux équipes pour les gérer. Cela entraîne une augmentation du MTTR (temps moyen de résolution) et une diminution du FCR (résolution au premier appel). La solution atténue ces problèmes en entraînant un modèle ML multifactoriel qui prend en compte des facteurs tels que l'impact du ticket, l'urgence, la priorité, la description du problème et d'autres caractéristiques pour prédire le groupe le plus pertinent pour résoudre un ticket. Un ensemble de modèles est testé sur les données pour sélectionner le modèle le plus généralisable pour la tâche de classification des tickets.