Supportchattar är röriga. Halva tiden är “ärendet” en skärmdump, ett diffust klagomål och tre följdfrågor du inte borde behöva ställa.
Gemini ticket triage slår hårdast mot IT-supportledare när köerna toppar, men automationsingenjörer på helpdesk och driftinriktade chefer känner av det också. Du vill ha korrekt kategorisering, ett vettigt första svar och en incident som loggas rätt från början.
Det här arbetsflödet gör inkommande chatt till strukturerade utfall i ServiceNow (eller en routad begäran), och kan svara på “hur gör jag…”-frågor från er egen kunskapsbas. Här är vad det gör, varför det spelar roll och hur du kan anpassa det.
Så här fungerar automatiseringen
Hela n8n-arbetsflödet, från trigger till slutlig output:
n8n Workflow Template: Gemini + ServiceNow: smartare triage av IT-ärenden
flowchart LR
subgraph sg0["Inbound Chat Flow"]
direction LR
n0@{ icon: "mdi:robot", form: "rounded", label: "Conversational Agent", pos: "b", h: 48 }
n1@{ icon: "mdi:brain", form: "rounded", label: "Gemini Chat Engine", pos: "b", h: 48 }
n2@{ icon: "mdi:memory", form: "rounded", label: "Session Memory Buffer", pos: "b", h: 48 }
n3@{ icon: "mdi:play-circle", form: "rounded", label: "Inbound Chat Trigger", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "Classify Message Type", pos: "b", h: 48 }
n5@{ icon: "mdi:brain", form: "rounded", label: "Gemini Classifier Model", pos: "b", h: 48 }
n6["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/servicenow.svg' width='40' height='40' /></div><br/>Log Incident Record"]
n7@{ icon: "mdi:brain", form: "rounded", label: "Gemini Summary Model", pos: "b", h: 48 }
n8@{ icon: "mdi:cube-outline", form: "rounded", label: "Qdrant Retrieval Tool", pos: "b", h: 48 }
n13@{ icon: "mdi:vector-polygon", form: "rounded", label: "Gemini Query Embeddings", pos: "b", h: 48 }
n15@{ icon: "mdi:robot", form: "rounded", label: "Summary Generator", pos: "b", h: 48 }
n16["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>External API Call"]
n2 -.-> n0
n4 --> n6
n4 --> n16
n4 --> n0
n6 --> n15
n8 -.-> n0
n1 -.-> n0
n13 -.-> n8
n5 -.-> n4
n7 -.-> n15
n3 --> n4
end
subgraph sg1["Manual Launch Flow"]
direction LR
n9@{ icon: "mdi:swap-vertical", form: "rounded", label: "Map Sample FAQ", pos: "b", h: 48 }
n10@{ icon: "mdi:cube-outline", form: "rounded", label: "Qdrant Index Writer", pos: "b", h: 48 }
n11@{ icon: "mdi:vector-polygon", form: "rounded", label: "Gemini Embedding Builder", pos: "b", h: 48 }
n12@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Launch Trigger", pos: "b", h: 48 }
n14@{ icon: "mdi:robot", form: "rounded", label: "Default Document Loader", pos: "b", h: 48 }
n9 --> n10
n14 -.-> n10
n11 -.-> n10
n12 --> n9
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n3,n12 trigger
class n0,n4,n15,n14 ai
class n1,n5,n7 aiModel
class n2 ai
class n8,n10 ai
class n13,n11 ai
class n16 api
classDef customIcon fill:none,stroke:none
class n6,n16 customIcon
Problemet: chattförfrågningar blir inte till välformade ärenden
När förfrågningar kommer in via chatt saknas det som teamet behöver för att agera: vem som påverkas, vad som ändrades, vilken enhet, vilket fel, vilken brådska. Då blir triageringen en miniintervju, och varje fram-och-tillbaka stjäl tid från faktisk lösning. Värre är att samma frågor återkommer hela dagen (“VPN nere?”, “återställ MFA?”, “åtkomstbegäran?”), men svaren finns i någons huvud eller i ett halvt bortglömt dokument. Resultatet blir inkonsekventa incidentposter, brusiga mätetal och en kö som känns omöjlig att komma ikapp.
Det adderar upp snabbt. Här är var det brister i verkliga team.
- Agenter lägger cirka 10 minuter per chatt på att bara få fram grundinfo som hade kunnat fångas direkt.
- Incidenter loggas med tunna beskrivningar, vilket gör att eskaleringar tar längre tid eftersom ingen litar på detaljerna.
- “Requests” (åtkomst, provisionering, återställningar) blandas in i incidentkön och blåser upp backloggen.
- FAQ-liknande frågor avbryter fortfarande teamet, även när svaret redan finns i en kunskapsbas.
Lösningen: klassificera, routa och logga ServiceNow-incidenter automatiskt
Det här n8n-arbetsflödet fungerar som en intelligent reception för IT. Ett chattmeddelande kommer in via en inkommande chatt-trigger, sedan klassificerar Gemini meddelandet som en incident, en request eller “övrigt”. Om det är en incident loggar arbetsflödet en välformad incidentpost i ServiceNow och skapar en kort, lättläst sammanfattning så att teamet snabbt kan skumma kön. Om det är en request routar arbetsflödet den till ett externt API-anrop (till exempel provisionering eller åtkomstflöden) i stället för att täppa igen incidenttriage. Och om det är “övrigt” söker en AI-agent i er interna FAQBase i Qdrant (en vektordatabas) och svarar med kontextuellt relevant hjälp, så att teamet slipper svara på samma sak igen.
Arbetsflödet startar med ett chattmeddelande. Gemini sorterar det, och antingen loggas en ServiceNow-incident, ett HTTP-anrop triggas för request-uppgifter, eller så hämtas bästa svaret från Qdrant och skickas tillbaka via agenten. Till sist sammanfattas incidentdetaljer för tydligare uppföljning.
Det här får du: automatisering vs. resultat
| Det här automatiserar arbetsflödet | Resultat du får |
|---|---|
|
|
Exempel: så här kan det se ut
Säg att er helpdesk får cirka 30 chattmeddelanden per dag. Om teamet lägger ungefär 10 minuter per meddelande på att avgöra “incident eller request”, samla in detaljer och skriva ett användbart ärende, blir det runt 5 timmar per dag. Med det här arbetsflödet sker klassificering och utkast automatiskt, och en agent granskar mest och skickar: säg 1 minut per meddelande, plus undantag. Du får tillbaka cirka 4 timmar per dag, och ServiceNow-kön förblir läsbar i stället för kaotisk.
Det du behöver
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Google Gemini API för klassificering, sammanfattningar och svar
- ServiceNow för att skapa och följa upp incidenter
- Qdrant för att söka i er inbäddade FAQ-kunskapsbas
Kunskapsnivå: Medel. Du kopplar upp inloggningar, laddar in en kunskapsbas i Qdrant och justerar prompts/kategorier för er miljö.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Inkommande chattmeddelande anländer. Arbetsflödet lyssnar efter ny chattinput via Inbound Chat Trigger och skickar sedan texten till klassificeringen.
Gemini kategoriserar meddelandet. Noden “Classify Message Type” använder en Gemini-modell för att märka upp meddelandet som incident, request eller övrigt, vilket avgör vad som händer härnäst.
Arbetsflödet routar arbetet. Incidenter går till ServiceNow för loggning, request-meddelanden triggar ett HTTP-anrop till ert provisionerings-/åtkomstsystem och “övrigt”-frågor hanteras av en AI-agent som hämtar relevant KB-innehåll från Qdrant.
Sammanfattningar och svar genereras. För incidenter skapar en sammanfattningskedja en kompakt sammanfattning för att hålla poster konsekventa. För frågor använder agenten de hämtade Qdrant-träffarna för att skriva ett hjälpsamt, kontextuellt svar.
Du kan enkelt ändra klassificeringskategorierna så att de matchar era interna ärendetyper, eller byta det externa API-anropet så att det passar era verktyg. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera webhook-triggern
Sätt upp den inkommande chatt-webhooken som startar arbetsflödet när ett meddelande kommer in.
- Lägg till och öppna Inbound Chat Trigger.
- Ställ in Mode på
webhook. - Aktivera Public som
trueför att tillåta extern chattåtkomst. - Behåll Response Mode i Options som
lastNodeför att returnera det slutliga svaret.
Steg 2: konfigurera meddelandeklassificering och parallell routning
Klassificera varje inkommande chattmeddelande och routa det till incidentloggning, externa API-anrop och AI-agenten.
- Lägg till Classify Message Type och ställ in Input Text till
{{ $json.chatInput }}. - Behåll listan Categories enligt definition:
Incident,RequestochOthermed deras beskrivningar. - Anslut Gemini Classifier Model som språkmodell för Classify Message Type.
- Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Classifier Model.
- Anslut Classify Message Type till Log Incident Record, External API Call och Conversational Agent.
Steg 3: konfigurera ServiceNow-incidentloggning och sammanfattningar
Skapa en incident i ServiceNow och generera en sammanfattning efter att varje incident har loggats.
- Öppna Log Incident Record och ställ in Resource till
incidentoch Operation tillcreate. - Ställ in Authentication till
basicAuth. - Ställ in Short Description till
{{ $('Inbound Chat Trigger').item.json.chatInput }}. - Inloggningsuppgifter krävs: Anslut era serviceNowBasicApi-inloggningsuppgifter i Log Incident Record.
- Anslut Log Incident Record till Summary Generator.
- Anslut Gemini Summary Model som språkmodell för Summary Generator.
- Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Summary Model.
Steg 4: bygg och indexera FAQ-kunskapsbasen
Ladda in exempel-FAQ:er och infoga dem i Qdrant för hämtning under konversationer.
- Använd Manual Launch Trigger för att köra indexeringsflödet manuellt.
- Öppna Map Sample FAQ och ställ in fältet sample_kb till
Question: How to raise a ticket in an ITSM tool? Answer: Go to the ITSM portal → Click on "Create New Ticket" → Fill in the required details (issue type, description, priority) → Submit the ticket. Question: How to check the status of a ticket? Answer: Log in to the ITSM tool → Go to "My Tickets" or "Ticket History" → Check the current status (Open, In Progress, Resolved, Closed). Question: How to install software using ITSM? Answer: Raise a "Service Request" ticket → Select "Software Installation" → Mention the software name and version → Submit → Wait for approval and installation by IT team. Question: How to reset your password? Answer: Go to the ITSM portal → Click on "Password Reset" under Service Requests → Fill in your user ID → Submit → Follow the instructions sent via email.. - Säkerställ att Default Document Loader är ansluten till Qdrant Index Writer via AI-dokumentingången.
- Anslut Gemini Embedding Builder som embedding-modell för Qdrant Index Writer.
- Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Embedding Builder (denna embedding-subnod konfigureras från föräldern).
- Öppna Qdrant Index Writer, ställ in Mode till
insertoch välj Qdrant Collection somFAQBase. - Inloggningsuppgifter krävs: Anslut era qdrantApi-inloggningsuppgifter i Qdrant Index Writer.
Steg 5: konfigurera hämtning och konversationssvar
Aktivera Qdrant-baserad hämtning och använd agenten för att besvara användarchattar med hjälp av FAQ-kunskapsbasen.
- Öppna Qdrant Retrieval Tool och ställ in Mode till
retrieve-as-tool. - Ställ in Tool Description till
Use this tool to get the actual information{{ $json.chatInput }} from the Qdrant Collection. - Ställ in Qdrant Collection till
FAQBase. - Inloggningsuppgifter krävs: Anslut era qdrantApi-inloggningsuppgifter i Qdrant Retrieval Tool.
- Anslut Gemini Query Embeddings som embedding-modell för Qdrant Retrieval Tool.
- Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Query Embeddings (lägg till detta via den överordnade verktygskonfigurationen).
- Öppna Conversational Agent och ställ in Text till
You are agent search {{ $json.chatInput }} query in the in the Knowledge base "FAQBase" and give the response from that Qdrant Base other wise tell no answer found.. - Anslut Session Memory Buffer till Conversational Agent för att behålla chattkontext.
- Anslut Gemini Chat Engine som språkmodell för Conversational Agent.
- Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Engine.
Steg 6: konfigurera externa API-anrop
Trigga en extern API-förfrågan parallellt med klassificeringen för ytterligare integrationer.
- Öppna External API Call och ställ in URL till
python.com. - Bekräfta att den tar emot input från Classify Message Type så att den körs parallellt med andra utgångar.
Steg 7: testa och aktivera ert arbetsflöde
Kör end-to-end-tester för både FAQ-indexeringsspåret och chatt-svarsspåret.
- Klicka på Execute Workflow på Manual Launch Trigger för att indexera FAQ:en i Qdrant.
- Skicka ett testmeddelande till Inbound Chat Trigger och bekräfta att en klassificering skapas.
- Verifiera att Log Incident Record skapar en ServiceNow-incident och att Summary Generator genererar en sammanfattning.
- Kontrollera att Conversational Agent svarar med ett Qdrant-baserat svar för kända FAQ:er.
- Slå på arbetsflödet med Active-reglaget för att köra i produktion.
Vanliga fallgropar
- ServiceNow-inloggningar kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först API-användarens roller i ServiceNow och instansens REST API-åtkomst.
- Kvaliteten på Qdrant-hämtning beror på era embeddings och innehållet i er FAQBase. Om svaren känns slumpmässiga, kontrollera igen att dokumenten indexerades i rätt collection och att du använder samma embeddingmodell för både indexering och frågor.
- Gemini-prompts och klassificeringsetiketter behöver lite finjustering. Om “Requests” fortsätter att loggas som incidenter, skärp kategoribeskrivningarna och lägg till några exempel som speglar era verkliga chattmeddelanden.
Vanliga frågor
Cirka 1–2 timmar om din åtkomst till ServiceNow och Gemini redan är klar.
Nej. Du kopplar främst konton och redigerar några textfält och prompts i n8n.
Ja. n8n har ett gratis alternativ för egen hosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in Gemini API-användning och dina hostingkostnader för Qdrant.
Två alternativ: n8n Cloud (hanterad tjänst, enklast att komma igång) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärd och klarar n8n bra. Egen hosting ger obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, och det bör du förmodligen göra. Uppdatera kategorierna i “Classify Message Type” så att de matchar er miljö (till exempel: åtkomstbegäran, hårdvara, nätverk, säkerhet). Justera sedan routningen så att varje kategori hamnar rätt: ServiceNow-incident, ServiceNow-request eller ett HTTP Request till ert provisioneringsverktyg. Du kan också finjustera prompten i “Summary Generator” så att sammanfattningarna innehåller exakt de fält teamet bryr sig om, som påverkad användare, app, plats och brådska.
Oftast handlar det om inloggningar eller behörigheter. Kontrollera ServiceNow API-användaren igen, bekräfta att den kan skapa incidentposter och verifiera att instans-URL:en är korrekt i ServiceNow-noden. Om det fungerar en gång och sedan misslyckas senare kan rate limits eller nätverksregler också vara orsaken, särskilt i låsta miljöer.
Tillräckligt för en liten till medelstor helpdesk. På n8n Cloud beror kapaciteten på din plan och exekveringsgränser, medan egen hosting inte har något hårt tak för antalet körningar (det beror främst på din server och rate limits i ServiceNow/Gemini). I praktiken är arbetsflödet oftast snabbt nog att hänga med i chatt i realtid, så länge dina LLM-anrop och din Qdrant-hosting är stabila.
Ofta, ja. Det här arbetsflödet använder förgreningslogik, klassificering, RAG-liknande hämtning från Qdrant och sammanfattning, vilket är typen av “stökigt” flöde som blir klumpigt (och dyrt) i enklare automationsverktyg. n8n är också enklare att hosta själv, vilket spelar roll om du har volym- eller compliancekrav. Men om du bara gör “chattmeddelande → skapa ärende” utan kunskapsbas och utan routning kan Zapier eller Make gå snabbare att få på plats. Vill du ha hjälp att välja rätt upplägg, prata med en automationsexpert.
När det här väl kör är teamet inte längre fast i att “översätta chatt till ärenden” hela dagarna. Du får mer konsekventa ServiceNow-poster, snabbare svar och en kö som äntligen känns under kontroll.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.