Uma alta frequência de problemas pode gerar um número esmagador de tickets de aplicação e uma delegação incorreta para as equipes lidarem com eles. Isso leva a um aumento no MTTR (tempo médio para resolver) e uma queda no FCR (resolução na primeira chamada). A solução mitiga esses problemas treinando um modelo de ML multifatorial que considera fatores como impacto do ticket, urgência, prioridade, descrição do problema e outras características para prever o grupo mais relevante para resolver um ticket. Um conjunto de modelos é executado através dos dados para selecionar o modelo mais generalizável para a tarefa de classificação de tickets.