Studies (analyse IA)

Comment cela fonctionne

Vous pointez une Study vers une source d'entrée (aujourd'hui, des tickets Zendesk correspondant à une requête de recherche et, en option, à une plage de dates), vous choisissez les champs que l'IA doit lire et vous définissez un schéma — les colonnes à remplir, chacune avec un type (booléen, sélection simple ou multiple, nombre, texte court ou long) et des consignes facultatives. Macha exécute la même extraction sur chaque enregistrement en parallèle et inscrit les réponses dans la grille. Un enregistrement en entrée, une ligne en sortie.

Avant toute exécution, un écran de récapitulatif affiche le nombre d'enregistrements, le coût en crédits par enregistrement et l'estimation totale : vous ne lancez donc jamais par inadvertance une Study de 10 000 tickets sans en voir le coût. Les crédits sont déduits par enregistrement traité avec succès ; les enregistrements en erreur ou annulés ne coûtent rien. Les exécutions sont plafonnées à 20 000 enregistrements.

À quoi cela sert

Les Studies répondent à des questions qui portent sur beaucoup d'enregistrements — auditer les 5 000 derniers tickets à la recherche de mentions de remboursement, classer le volume de support par cause racine, retrouver chaque ticket où un client a soulevé un point de facturation. Le faire à la main représente des heures de travail ; une Study le fait en une passe et vous donne une vue Report avec des graphiques par colonne et des explorations détaillées.

Surtout, les résultats peuvent alimenter vos agents : envoyez une exécution vers une source de connaissances et chaque ligne devient un document consultable — une Study des résolutions passées devient ainsi du contexte que vos agents de support peuvent mobiliser en pleine conversation.