Un'alta frequenza di problemi può generare un numero eccessivo di ticket di reclamo dei clienti e una delega errata ai team per gestirli. Questo porta a un aumento del MTTR (tempo medio di risoluzione) e a un calo del FCR (risoluzione alla prima chiamata). La soluzione mitiga questi problemi addestrando un modello ML multifattoriale che considera fattori come l'impatto del ticket, l'urgenza, la priorità, la descrizione del problema e altre caratteristiche per prevedere il gruppo più rilevante per risolvere un ticket. Un pool di modelli viene eseguito attraverso i dati per selezionare il modello più generalizzabile per il compito di classificazione dei ticket.