Ilmaiset AI Discord -botit vuonna 2026

Jos haet hakusanalla “free AI Discord bot”, löydät kymmeniä vaihtoehtoja. Osa niistä on aidosti ilmaisia. Useimmat eivät ole, ainakaan sillä tavalla kuin saatat odottaa. Tässä artikkelissa käydään läpi, mitä on oikeasti saatavilla, mitä kompromisseja eri vaihtoehtoihin liittyy ja mitä “ilmainen” todella maksaa, kun mukana on AI-inferenssi.

Miksi “ilmainen AI” on monimutkainen asia

LLM:n ajaminen maksaa rahaa. Aina kun käyttäjä lähettää viestin ja saa vastauksen, joku maksaa laskennan. Hostatussa API:ssa, kuten OpenAI:ssa tai Anthropicissa, maksat tokeneista. Itse hostatussa mallissa maksat laitteistosta, sähköstä ja ylläpitoajasta. Tätä ei voi kiertää: inferenssillä on nollaa suurempi rajakustannus.

Kun palvelu tarjoaa “ilmaisen AI-botin”, jokin seuraavista pitää paikkansa:

1. Maksat inferenssikustannuksen suoraan (esimerkiksi antamalla oman API-avaimesi).
2. Palvelu kattaa kustannuksen ja kerää sen takaisin maksullisilla tasoilla, mainoksilla tai datankeruulla.
3. Ajat inferenssin itse omalla laitteistollasi avoimen lähdekoodin mallilla.
4. Ilmaistaso on rajattu pieneen käyttömäärään, joka rajoittaa palveluntarjoajan altistumista laskentakustannuksille.

Kun ymmärrät, mikä näistä koskee tiettyä bottia, voit arvioida, sopiiko se oikeasti käyttötapaukseesi.

Ilmaisten AI Discord -bottien kolme kategoriaa

1. Itse hostatut avoimen lähdekoodin botit (aidosti ilmaisia, sinä tuot laitteiston)

Tämä on ainoa vaihtoehto, jossa mikään kolmas osapuoli ei hallitse käyttörajojasi. Ajat avoimen lähdekoodin LLM:ää paikallisesti (tai VPS-palvelimella), yhdistät sen Discordiin botilla, jonka kirjoitat itse tai forkkaat, ja hoidat kaiken itse.

Tyypillinen stack:

• Ollama paikalliseen mallien tarjoiluun
• discord.py tai discord.js Discord-bottia varten
• Malli, kuten Llama 3.1 8B, Mistral 7B tai Gemma 2 9B

Mitä saat:

• Ei viestikohtaista kustannusta sähkön lisäksi
• Täysi hallinta malliin, system promptiin ja dataan
• Ei kolmannen osapuolen asettamia rate limitejä (vain Discordin omat API-rajat koskevat käyttöä)
• Paikallinen mallinkäsittely: inferenssi pysyy omalla koneellasi, vaikka Discord edelleen välittää ja tallentaa viestit

Mistä luovut:

• Tarvitset laitteistoa. 7B-parametrisen mallin ajaminen kohtuullisella nopeudella vaatii GPU:n, jossa on vähintään 8 GB VRAM-muistia, tai modernin Macin yhtenäisellä muistilla. CPU-inferenssi toimii, mutta se on hidas (useita sekunteja vastausta kohti 7B-mallilla).
• Ylläpidät infrastruktuurin itse. Päivitykset, uudelleenkäynnistykset, valvonta ja mallipainojen levytila ovat sinun vastuullasi.
• Mallin laatu on heikompi kuin frontier-malleissa. Llama 3.1 8B on käyttökelpoinen, mutta se ei ole GPT-4o tai Claude Sonnet. Yksinkertaisiin kysymyksiin ja vastauksiin sekä rentoon keskusteluun se toimii hyvin. Vivahteikkaassa päättelyssä tai monimutkaisessa monen vuoron dialogissa se jää vajaaksi.
• Ei sisäänrakennettua tietopohjaa, analytiikkaa tai handoff-ominaisuuksia. Rakennat itse sen, mitä tarvitset.

Yleisten mallien vähimmäislaitteistovaatimukset:

(Nopeudet ovat likimääräisiä, mitattu RTX 4090:llä. Kvantisoidut variantit käyttävät vähemmän muistia pienellä laatukustannuksella.)

2. Freemium-hallintapalvelut (ilmaistaso rajoituksilla)

Nämä ovat tuotteita, joissa joku muu hostaa AI:n ja botti-infrastruktuurin. Määrität botin web-dashboardin kautta. Ilmaistaso antaa rajatun käytön, lisäkäytöstä maksat.

Esimerkkejä:

Quickchat AI:n Free plan antaa sinun testata ilman luottokorttia. Discord-integraatio on saatavilla jokaisella tasolla, joten voit yhdistää bottisi ja testata sitä oikeilla käyttäjillä ennen sitoutumista. Yhdistäminen tapahtuu yhdellä klikkauksella: avaa External Apps -kohdassa Discord ja klikkaa Add to your Discord server, valitse sitten palvelin, johon lisäät sen. Maksulliset tilaukset alkavat Starter-tasosta hintaan $9/kk tai $8/kk vuosilaskutuksella.

Hallintapalvelujen keskeinen etu on, että saat ominaisuuksia raakaa LLM-inferenssiä enemmän: dokumenteistasi ja verkkosivustostasi rakennetut tietopohjat, keskusteluanalytiikka (sentimenttianalyysi, aiheiden tunnistus), monikanavainen käyttöönotto (sama agentti toimii verkkosivustollasi, WhatsAppissa, Slackissa ja Discordissa) sekä ihmiskäsittelijälle siirto tapauksissa, joita AI ei pysty ratkaisemaan. Näiden rakentaminen alusta asti itse hostatun mallin päälle on merkittävä ohjelmistokehitysprojekti.

MEE6 on ensisijaisesti moderointi- ja sitouttamisbotti. Sen AI-chat-ominaisuudet ovat premium-tilauksen takana ($11.99/kk alkuvuodesta 2026). Ilmaistaso kattaa tasojärjestelmän, perusmoderointikomennot ja tervetuloviestit, mutta ei AI-pohjaisia keskusteluja.

Botpress tarjoaa ilmaistason, jossa on 2,000 saapuvaa viestiä kuukaudessa kaikissa kanavissa yhteensä. Se tarjoaa visuaalisen flow builderin ja tukee mukautettuja LLM-määrityksiä. Asennus on kuitenkin monimutkaisempi kuin Quickchatissa yksinkertaiselle Discord-botille, koska Botpress on suunniteltu ensisijaisesti rakenteisiin keskustelupolkuihin eikä avoimeen chattiin.

3. Oman API-avaimen botit (sinä maksat LLM-palveluntarjoajalle)

Kolmas kategoria: avoimen lähdekoodin botit, jotka toimivat palvelimella mutta kutsuvat kaupallista API:a (OpenAI, Anthropic, Google jne.) inferenssiä varten. Annat oman API-avaimesi. Bottikoodi itsessään on ilmainen, mutta maksat tokeneista mallin tarjoajalle.

Esimerkkejä GitHubissa:

• GPT Discord Bot (OpenAI:n virallinen esimerkki)
• Erilaisia yhteisöbotteja, jotka on rakennettu yhdistelmällä discord.py + OpenAI Python SDK

Viestikohtainen kustannus kaupallisilla API:eilla (likimääräinen, alkuvuosi 2026):

*Oletuksena ~500 syötetokenia ja ~200 tulostetokenia viestinvaihtoa kohti, ilman keskusteluhistoriaa. Kun keskusteluhistoria sisällytetään, syötekustannukset kasvavat lineaarisesti kontekstin pituuden mukana.

Jos käytät GPT-4o miniä 1,000 viestiin kuukaudessa, kulut olisivat noin $0.30. 10,000 viestiä kuukaudessa maksaisi noin $3.00. Nämä luvut näyttävät pieniltä, kunnes huomioit keskusteluhistorian: jos jokainen viesti sisältää koko keskustelukontekstin (esimerkiksi 10 aiempaa vuoroa), viestikohtainen syötetokenien määrä kasvaa noin ~500:sta noin ~5,000:een, joten syötekustannukset nousevat 10-kertaisiksi ja kokonaiskustannus kasvaa.

Kustannusvertailu eri lähestymistapojen välillä

Seuraava taulukko arvioi kuukausikustannuksia eri viestimäärillä. “Itse hostattu” olettaa pienen VPS:n tai olemassa olevan laitteiston. “BYO API Key” käyttää GPT-4o mini -hinnoittelua. “Hallittu” käyttää Quickchat AI:n hinnoittelua viitteenä.

Huomioita itse hostatun sarakkeesta: vaihteluväli riippuu siitä, käytätkö vain CPU:ta käyttävää VPS:ää (halvempi, mutta hitaammat vastaukset) vai GPU-instanssia. Hetzner tarjoaa CPU-VPS-instansseja noin $5-10/kk hinnalla, joilla voi ajaa kvantisoitua 7B-mallia, vaikka vastausajat ovat 5-15 sekuntia. GPU-pilvi-instanssit (esimerkiksi Lambda, RunPod tai Vast.ai) alkavat noin $0.20-0.50/tunti yhdelle GPU:lle, mikä tarkoittaa $150-360/kk, jos ne ovat käynnissä 24/7. Satunnaiseen käyttöön spot-instanssit tai serverless GPU -palveluntarjoajat voivat laskea hintaa.

BYO API key -sarake näyttää vaihteluvälin, koska kustannukset riippuvat voimakkaasti siitä, sisällytätkö keskusteluhistorian jokaiseen pyyntöön. Alaraja on yksittäinen vuoro (ei historiaa), yläraja on monen vuoron keskustelu, jossa on ~10 viestiä kontekstina.

Hallintapalvelun sarake heijastaa Quickchatin hinnoittelua kesäkuussa 2026. Nämä tilaukset sisältävät ominaisuuksia, kuten tietopohjan hallinnan, analytiikan ja monikanavatuen, joita kahdessa muussa lähestymistavassa ei ole ilman lisäkehitystyötä.

Nopea itse hostattu asennus: Python + discord.py + Ollama

Alla on minimaalinen toimiva esimerkki Discord-botista, joka käyttää Ollamaa paikalliseen inferenssiin. Tämä edellyttää, että Ollama on asennettu ja käynnissä, ja että malli on ladattu (esimerkiksi ollama pull llama3.1:8b).

Esivaatimukset

1. Python 3.10+
2. Ollama asennettuna ja käynnissä (curl -fsSL https://ollama.com/install.sh | sh)
3. Malli ladattuna: ollama pull llama3.1:8b
4. Discord-botin token (luo se Discord Developer Portal -sivulla)
5. Botti lisättynä palvelimellesi oikeuksilla Send Messages ja Read Message History

Asenna riippuvuudet

pip install discord.py aiohttp

Bottikoodi

import discord
import aiohttp
import json

DISCORD_TOKEN = "your-bot-token-here"
OLLAMA_URL = "http://localhost:11434/api/chat"
MODEL = "llama3.1:8b"
SYSTEM_PROMPT = "Olet avulias assistentti Discord-palvelimella. Pidä vastaukset tiiviinä."

# Store conversation history per channel (in-memory, resets on restart)
conversations: dict[int, list[dict]] = {}
MAX_HISTORY = 10  # Keep last 10 messages per channel

intents = discord.Intents.default()
intents.message_content = True
client = discord.Client(intents=intents)


async def query_ollama(channel_id: int, user_message: str) -> str:
    """Send a message to Ollama and return the response."""
    if channel_id not in conversations:
        conversations[channel_id] = []

    conversations[channel_id].append({"role": "user", "content": user_message})

    # Trim history to avoid unbounded memory growth
    if len(conversations[channel_id]) > MAX_HISTORY:
        conversations[channel_id] = conversations[channel_id][-MAX_HISTORY:]

    messages = [{"role": "system", "content": SYSTEM_PROMPT}] + conversations[channel_id]

    payload = {
        "model": MODEL,
        "messages": messages,
        "stream": False,
    }

    async with aiohttp.ClientSession() as session:
        async with session.post(OLLAMA_URL, json=payload) as resp:
            if resp.status != 200:
                return f"Ollama returned status {resp.status}"
            data = await resp.json()
            reply = data["message"]["content"]

    conversations[channel_id].append({"role": "assistant", "content": reply})
    return reply


@client.event
async def on_ready():
    print(f"Logged in as {client.user}")


@client.event
async def on_message(message: discord.Message):
    # Ignore own messages
    if message.author == client.user:
        return

    # Only respond when mentioned
    if client.user not in message.mentions:
        return

    # Strip the mention from the message
    content = message.content.replace(f"<@{client.user.id}>", "").strip()
    if not content:
        return

    async with message.channel.typing():
        reply = await query_ollama(message.channel.id, content)

    # Discord has a 2000-character limit per message
    if len(reply) > 2000:
        for i in range(0, len(reply), 2000):
            await message.reply(reply[i:i+2000])
    else:
        await message.reply(reply)


client.run(DISCORD_TOKEN)

Tämä on noin 60 riviä koodia ja antaa sinulle toimivan AI-botin, joka vastaa, kun se mainitaan. Se ylläpitää kanavakohtaista keskusteluhistoriaa muistissa (häviää uudelleenkäynnistyksessä) ja käsittelee Discordin 2,000 merkin viestirajan.

Mitä tästä minimibotista puuttuu

Yllä oleva koodi toimii testaamiseen ja pienille palvelimille. Sitä laajemmassa käytössä törmäät useisiin ongelmiin, jotka tuotantobottien on käsiteltävä:

• Pysyvä keskusteluhistoria. Muistissa oleva dict katoaa, kun prosessi käynnistetään uudelleen. Tuotantobotti tallentaisi keskustelut Redisiin tai tietokantaan.
• Rate limiting. Discord sallii 5 viestiä 5 sekunnissa kanavaa kohti. Jos bottisi on suosittu, tarvitset jonotuksen.
• Rinnakkaiset pyynnöt. Ollama käsittelee oletusarvoisesti yhden pyynnön kerrallaan. Useiden käyttäjien yhtäaikaiset viestit joutuvat jonoon. Voit ajaa useita Ollama-instansseja load balancerin takana tai käyttää Ollaman OLLAMA_NUM_PARALLEL-asetusta (saatavilla versiosta v0.1.33 alkaen).
• Virheenkäsittely ja uudelleenyritykset. Ollama voi kaatua, muisti voi loppua tai se voi palauttaa virheellisesti muotoiltuja vastauksia. Botin pitäisi käsitellä nämä kaikki hallitusti.
• Konteksti-ikkunan hallinta. Asetus MAX_HISTORY = 10 on naiivi. Parempi lähestymistapa laskee tokenit ja lyhentää historian niin, että se mahtuu mallin konteksti-ikkunaan (8,192 tokenia Llama 3.1 8B:lle oletuksena, määritettävissä 128K:hon asti laatutason heikentyessä pidemmissä konteksteissa).
• Thread-tuki. Discordissa bottikeskustelut tapahtuvat usein threadeissa. Threadien luonti ja thread-kohtainen historia vaativat lisälogiikkaa.
• Tietopohja / RAG. Jos haluat botin vastaavan projektisi dokumentaatiota koskeviin kysymyksiin, tarvitset retrieval-augmented generation -asetelman: upota dokumenttisi, tallenna embeddingit vektoritietokantaan ja hae olennaiset osat ennen niiden lähettämistä LLM:lle.

Tekniset sudenkuopat

Discord API:n rate limitit

Discord asettaa rate limitejä useilla tasoilla:

• Reittikohtaiset rajat: Jokaisella API-endpointilla on oma rate limit, joka palautetaan vastausheadereissa (X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset).
• Globaali raja: 50 pyyntöä sekunnissa kaikissa endpointeissa yhteensä.
• Kanavakohtainen viestiraja: 5 viestiä 5 sekunnissa kanavaa kohti.
• Gateway-rajat: 120 gateway-tapahtumaa 60 sekunnissa.

discord.py-kirjasto hoitaa useimmat näistä automaattisesti jonottamalla pyyntöjä, kun osut rajaan. Jos bottisi on kuitenkin samanaikaisesti monilla palvelimilla tai kanavilla, voit silti osua globaaliin rajaan. Siinä vaiheessa sinun on tutkittava shardingia (botin palvelinyhteyksien jakamista useisiin gateway-yhteyksiin).

Boteille, jotka käyttävät MESSAGE_CONTENT-intentiä (vaaditaan viestitekstin lukemiseen), Discord edellyttää botin vahvistamista, jos se on yli 100 palvelimella. Tämä tarkoittaa kuvauksen lähettämistä siitä, mitä bottisi tekee, ja hyväksynnän saamista Discordilta.

Mallin laadun kompromissit

Pienten avoimen lähdekoodin mallien ja kaupallisten frontier-mallien välinen ero on pienempi kuin kaksi vuotta sitten, mutta se on edelleen olemassa. Tässä karkea vertailu yleisiin Discord-bottien tehtäviin:

Jos Discord-bottisi on peliyhteisölle ja hoitaa pääasiassa rentoa chattia ja yksinkertaisia hakuja, paikallinen 8B-malli toimii hyvin. Jos se on asiakastukea varten ja tarkkuudella on merkitystä, laatuero muuttuu todelliseksi ongelmaksi. Hahmossa pysyminen liittyy myös vähemmän malliin kuin asetelmaan: kuinka rakentaa roolipeli-AI-chatbot, joka pysyy hahmossa näyttää, kuinka pitkälle persoonaprompti ja kanoninen tietopohja vievät myös vakiomallilla.

Konteksti-ikkunan hallinta

Tämä on aliarvostetuin tekninen haaste Discord-boteissa. Discord-keskustelut ovat luonteeltaan monen vuoron keskusteluja: käyttäjät lähettävät paljon lyhyitä viestejä, ja botin täytyy muistaa, mitä keskustelussa sanottiin aiemmin.

Aina kun botti vastaa, sen on sisällytettävä aiempi keskusteluhistoria promptiin. Tämä tarkoittaa:

• Syötetokenien määrä kasvaa lineaarisesti keskustelun pituuden mukana.
• API-pohjaisissa boteissa kustannus kasvaa myös lineaarisesti.
• Paikallisissa malleissa inferenssiaika kasvaa kontekstin pituuden mukana (neliöllisesti attention-laskennassa, vaikka Flash Attentionin kaltaiset optimoinnit auttavat).
• Jossain vaiheessa keskustelu ylittää mallin konteksti-ikkunan, ja tarvitset strategian: katkaise alusta, tee yhteenveto vanhemmista viesteistä tai aloita uusi keskustelu.

Käytännöllinen lähestymistapa on pitää liukuvaa ikkunaa viimeisistä N viestistä ja lisätä alkuun lyhyt yhteenveto aiemmasta kontekstista, jos keskustelu on ollut pitkä. Tämä vaatii ylimääräisen LLM-kutsun yhteenvedon luomiseksi, mutta pitää viestikohtaiset kustannukset rajattuina.

Tietosuojaan liittyvät vaikutukset

Tämä vaihtelee huomattavasti lähestymistavan mukaan:

• Itse hostattu: AI-inferenssi pysyy omalla laitteistollasi, joten hallitset mallinkäsittelyn lokit ja säilytyksen. Discord silti välittää ja tallentaa viestit. Paikallinen inferenssi ei tee koko keskustelusta paikallista.
• BYO API Key: Viestit lähetetään API-palveluntarjoajalle (OpenAI, Anthropic jne.). Tarkista niiden datan säilytyskäytännöt. Alkuvuodesta 2026 OpenAI ilmoittaa, ettei se oletusarvoisesti kouluta API-dataa, ja Anthropicilla on vastaava käytäntö. Viestit kulkevat silti niiden palvelimien kautta.
• Hallintapalvelut: Palveluntarjoaja käsittelee viestit. Tarkista sen tietosuojakäytäntö ja datankäsittelysopimukset. EU:ssa käyttäjädataa käsitteleville yrityksille GDPR-vaatimustenmukaisuudella on tässä merkitystä. Quickchat AI esimerkiksi käsittelee dataa EU:ssa ja tarjoaa DPA:n yritysasiakkaille.

Rennolla Discord-palvelimella tietosuoja ei yleensä ole ensisijainen huolenaihe. Jos yritys käyttää Discord-bottia asiakastukeen, kannattaa ymmärtää tarkasti, missä keskusteludata tallennetaan ja kenellä on siihen pääsy.

Itse hostattu vs. hallittu: kokonaisomistuskustannus

Yllä olevan taulukon raaka laskentakustannusten vertailu kertoo vain osan tarinasta. Kokonaisomistuskustannukseen sisältyy myös ohjelmistokehitysaika.

Mitä rakennat itse itse hostatulla botilla:

• Bottikoodi ja käyttöönotto
• Keskusteluhistorian tallennus
• Konteksti-ikkunan hallinta
• Virheenkäsittely ja valvonta
• Tietopohja / RAG-putki (tarvittaessa)
• Analytiikka ja lokitus
• Monikanavatuki (tarvittaessa)

Varovaisesti arvioiden tuotantolaatuisen itse hostatun AI Discord -botin rakentaminen keskusteluhistorialla, tietopohjalla ja perusanalytiikalla vie kokeneelta kehittäjältä 40-80 tuntia ohjelmistokehitysaikaa. Sen ylläpito (mallipäivitykset, riippuvuuspäivitykset, vianetsintä, valvonta) lisää jatkuvaa työtä.

Mitä saat suoraan käyttöön hallintapalvelulla:

• Botin hostaus ja käyttöajan hallinta
• Verkkosivustostasi, dokumenteistasi ja tiedostoistasi rakennettu tietopohja
• Keskusteluanalytiikka (sentimentti, aiheet, arviot)
• Monikanavainen käyttöönotto (sama agentti Discordissa, verkkosivustolla, WhatsAppissa, Slackissa jne.)
• Ihmiskäsittelijälle siirto, kun AI ei pysty auttamaan
• AI Actions (keskustelukontekstin käynnistämät mukautetut API-kutsut), mukaan lukien moderointitoiminnot, kuten timeout, kick ja ban

Kysymys on, onko hallintapalvelun kuukausikustannus pienempi kuin ohjelmistokehitysaikasi vaihtoehtoiskustannus. Yksittäiselle kehittäjälle, joka pyörittää harrastus-Discord-palvelinta, itse hostaus Ollamalla on todennäköisesti oikea valinta. Yritykselle, joka käyttää Discordia asiakkaille näkyvänä tukikanavana, laskelma suosii yleensä hallintapalvelua, koska ydin-LLM:n ympärillä olevat ominaisuudet (analytiikka, tietopohja, handoff) tekevät botista oikeasti hyödyllisen. AI-ticket-botin opas rakentaa juuri tämän yhdistelmän alusta loppuun Free plan -tasolla, joten voit hinnoitella vaihtoehdon konkreettista ratkaisua vasten.

Yhteenveto

Ei ole olemassa yleispätevästi “parasta” ilmaista AI Discord -bottia. Oikea valinta riippuu siitä, mitä “ilmainen” tarkoittaa sinulle:

• Jos haluat nollata jatkuvat kustannukset ja sinulla on käytettävissä laitteistoa, hostaa itse Ollamalla ja avoimen lähdekoodin mallilla. Hallitset paikallista mallinkäsittelyä ja sen datan säilytystä, vaikka Discord edelleen välittää ja tallentaa viestit. Luovut frontier-malleihin verrattavasta mallin laadusta ja otat kaiken ohjelmistokehitystyön vastuullesi.
• Jos haluat testata oikeilla käyttäjillä ennen kuin maksat mitään, Quickchat AI:n Free plan antaa sinun aloittaa ilman luottokorttia. Discord-integraatio toimii Free plan -tasolla, ja maksulliset tilaukset alkavat hinnasta $9/kk.
• Jos haluat frontier-mallien laatua ja olet valmis hallitsemaan API-avaimia, BYO API key -botti antaa sen matalilla viestikohtaisilla kustannuksilla (etenkin GPT-4o minillä tai Gemini Flashilla). Sinun täytyy silti hostata bottikoodi ja rakentaa kaikki raakaa chattia pidemmälle menevät ominaisuudet.
• Jos tarvitset tuotanto-ominaisuuksia (tietopohja, analytiikka, handoff, monikanavaisuus), hallintapalvelu on nopein reitti. Arvioi sitä odottamasi viestimäärän ja oikeasti tarvitsemiesi ominaisuuksien perusteella.

Sana “ilmainen” ilmauksessa “ilmainen AI Discord -botti” tekee paljon työtä. Laskenta maksaa aina jotakin. Kysymys on siitä, kuka sen maksaa ja mitä saat (tai mistä luovut) vastineeksi.

Laajemman vertailun kaikista AI Discord -boteista (ei vain ilmaisista) löydät koosteestamme Parhaat AI Discord -botit vuonna 2026. Jos palvelimesi on nimenomaan tukikanava, AI Discord Ticket Bot käy läpi, miten vastataan dokumenteistasi ja eskaloidaan loput yksityisiin ticket-threadeihin.