Como escolher uma solução de IA para atendimento ao cliente de acordo com a tarefa, os dados e o risco

Comece pelo resultado que você quer alcançar

Escolher uma solução de IA para atendimento ao cliente não começa pela escolha de um modelo. Começa pela descrição do trabalho que se pretende modificar e do resultado que será considerado satisfatório. “Melhorar o suporte” é amplo demais para orientar uma decisão: pode significar classificar mensagens com menos intervenção, encontrar informações atualizadas com mais facilidade, preparar rascunhos para um atendente ou concluir uma ação solicitada por um cliente. Cada objetivo exige dados, controles e testes diferentes.

Delimite o caso com cinco perguntas: que solicitações chegam, por quais canais e em quais idiomas; quem recebe hoje cada solicitação; que resultado o sistema deve produzir; quais exceções ficam fora do escopo; e quem assume a responsabilidade quando o sistema não consegue resolver o caso. Defina também o que significa resolver um contato: uma resposta enviada não é necessariamente uma solução correta, e fechar um chamado, por si só, não demonstra que a necessidade foi atendida.

Separe o objetivo operacional do objetivo de automação. Reduzir o tempo de preparação de uma resposta pode ser útil mesmo que uma pessoa continue revisando o texto. Por outro lado, reduzir o número de atendentes envolvidos não deve ser considerado um sucesso se aumentarem as respostas incorretas, as correções ou os contatos repetidos. Esses critérios são recomendações para estruturar uma avaliação; devem ser ajustados às políticas, ao serviço e aos compromissos de cada organização.

Classifique a tarefa antes de escolher a tecnologia

Uma mesma conversa pode envolver várias tarefas, mas é melhor avaliá-las separadamente. Classificar e encaminhar significa atribuir uma categoria ou um destino; recuperar informações significa localizar conteúdo pertinente; redigir significa propor uma resposta; resumir significa condensar uma conversa; executar uma ação significa alterar algo fora da conversa, por exemplo, em uma conta ou em um sistema de chamados. Quanto mais a tarefa se aproxima de alterar o estado de uma conta, mais importantes se tornam a autorização, a verificação e a possibilidade de reverter a alteração.

Nem todas essas tarefas precisam de geração de texto. Se uma solicitação puder ser identificada por campos estáveis e regras claras, uma automação convencional pode ser mais simples de testar e manter. Um classificador de escopo limitado pode ser útil quando há variações de linguagem que as regras não conseguem tratar bem; um sistema generativo pode fazer sentido quando é preciso interpretar uma pergunta e formular uma resposta. A decisão depende do contexto: não se pode concluir que um modelo generativo seja a melhor opção só porque a interação acontece por chat.

As fontes disponíveis tratam a IA no atendimento ao cliente como uma área de automação e assistência, mas as informações fornecidas não comparam de forma independente a eficácia de cada abordagem nem permitem afirmar que uma delas seja superior às demais. Portanto, use a comparação como uma hipótese a ser testada com solicitações representativas do próprio serviço, e não como uma promessa de resultado.

Ajuste a delegação às consequências de um erro

O nível de autonomia não deve depender apenas da dificuldade técnica. Pergunte o que pode acontecer se a resposta estiver errada, incompleta ou for aplicada à conta errada. Uma explicação geral, fácil de verificar e sem efeitos duradouros não apresenta o mesmo tipo de risco que uma decisão que altera uma conta, afeta um pagamento ou condiciona o acesso a um serviço. Também importam a reversibilidade, o tempo disponível para corrigir o problema e a capacidade real de uma pessoa intervir.

Como estrutura operacional, diferencie três níveis. No primeiro, o sistema organiza ou busca informações, mas não responde ao cliente nem altera a conta. No segundo, prepara uma resposta ou recomendação que uma pessoa valida antes do envio. No terceiro, pode responder ou executar ações dentro de limites explícitos. Passar de um nível para outro exige evidências de que o nível anterior atende aos critérios acordados e controles adequados ao próximo; não é necessário automatizar mais para demonstrar utilidade.

Mantenha uma opção visível de abstenção e encaminhamento. Se faltarem dados, a solicitação for ambígua, as fontes não coincidirem ou o cliente apresentar uma contestação, o sistema deve poder deixar de propor uma solução automática. Em casos delicados, permitir que uma pessoa revise o resultado precisa significar mais do que manter um registro: ela deve ter contexto suficiente, autoridade para corrigi-lo e um processo para interromper a ação.

A Agência Espanhola de Proteção de Dados inclui em seus materiais um guia sobre IA agêntica, um tema pertinente quando um sistema pode realizar tarefas. A nota disponível confirma essa relevância geral, mas não traz detalhes suficientes para atribuir ao guia regras específicas de autorização, revisão ou projeto. Portanto, os controles desta seção são critérios de decisão propostos e devem ser confrontados com as políticas e obrigações aplicáveis ao caso.

Examine os dados antes de conectá-los

Faça um inventário das fontes que cada abordagem utilizaria: mensagens recebidas, histórico de conversas, registros de conta, documentação de ajuda, políticas internas ou informações sobre produtos. Para cada fonte, anote quem é responsável por ela, quando foi atualizada, quem tem permissão para consultá-la e se contém dados pessoais, confidenciais ou informações que não deveriam sair do ambiente previsto. Não presuma que uma base documental seja segura ou esteja atualizada apenas porque já é usada no suporte.

Minimize o material necessário para a tarefa. Para classificar uma solicitação, talvez não seja preciso transferir todo o histórico da conta; para responder com base em documentação, pode bastar recuperar o conteúdo pertinente, em vez de incluir grandes volumes de dados na instrução. Avalie se é possível excluir, ocultar ou substituir informações de identificação e verifique, em documentação primária atualizada, que tratamento oferece qualquer serviço externo considerado. As informações disponíveis aqui não permitem afirmar políticas específicas de retenção, segurança ou uso de dados de fornecedores.

Registre também as condições de uso e as responsabilidades internas. O guia de boas práticas da PwC identificado entre as fontes aborda questões de privacidade e decisões sobre a coleta e o uso de dados, mas as evidências disponíveis consistem em um trecho, não em uma análise completa de suas recomendações. Use-o como indicação de que a privacidade deve fazer parte da avaliação, não como substituto de uma análise jurídica, de segurança ou das políticas aplicáveis à organização.

Se o conhecimento mudar com frequência, designe uma pessoa ou equipe responsável por revisar documentos, datas de vigência e conteúdo retirado. Elabore um teste que verifique não apenas se o sistema encontra uma resposta, mas também se distingue informações atualizadas, incompletas e contraditórias. Se não for possível estabelecer qual fonte é válida para cada tema, ainda é cedo para pedir ao sistema que responda sem revisão.

Escolha a abordagem mínima suficiente para a tarefa

Para classificação e encaminhamento, compare as regras existentes com uma alternativa baseada em classificação. Avalie ambas com mensagens variadas, inclusive aquelas que contêm várias questões, erros de digitação ou informações insuficientes. A pergunta não é apenas qual porcentagem é classificada corretamente, mas também quais categorias concentram os erros, como eles são corrigidos e o que acontece quando o sistema não tem confiança suficiente. Se as regras já resolvem o problema com clareza e custo operacional aceitável, substituí-las por geração de texto pode acrescentar complexidade sem trazer valor comprovado.

Para buscar respostas na documentação, delimite primeiro qual coleção pode ser consultada e como reconhecer uma resposta respaldada por fontes. Um teste útil inclui perguntas cuja resposta está na documentação, perguntas que não estão cobertas e perguntas em que o conteúdo está desatualizado ou é contraditório. Verifique se o sistema consegue indicar a fonte utilizada e se abster quando não há evidências suficientes. Exibir uma citação ou um trecho, por si só, não garante que a resposta esteja correta: uma pessoa deve verificar se a fonte corresponde à pergunta e continua atualizada.

Para redigir ou resumir, trate o resultado como um rascunho. Defina o que o atendente pode alterar antes de enviar e verifique erros de contexto, omissões, tom inadequado e promessas não autorizadas. Se a equipe não puder dedicar tempo à revisão e à correção, a suposta economia de preparar mais rascunhos pode desaparecer. Meça a utilidade pelo trabalho efetivamente economizado e pela qualidade, e não apenas contando os textos gerados.

Para executar ações, limite as operações disponíveis e separe a interpretação da solicitação da autorização para fazer uma alteração. Antes de uma ação, verifique a identidade e as permissões de acordo com os procedimentos atuais da organização. Para um teste inicial, considere ações reversíveis e de alcance reduzido, com registro do que foi solicitado, autorizado e executado. A verificação posterior deve confirmar o estado real do sistema, em vez de confiar apenas na mensagem devolvida pelo modelo.

Essas abordagens podem ser combinadas, mas isso multiplica os pontos que precisam ser testados: recuperação de informações, interpretação, geração, integração e execução. Comece com um fluxo pequeno, registre onde ele falha e acrescente componentes somente se resolverem uma deficiência observada.

Compare os custos e as condições operacionais

Compare o custo por caso resolvido, não apenas o preço de uma chamada ou de uma licença. Inclua, quando aplicável, a integração com o sistema de chamados, a infraestrutura, a manutenção de regras ou documentação, a supervisão, o tempo de revisão humana, a correção de erros e o atendimento dos casos encaminhados. O custo deve ser medido com um volume e uma definição de resolução comparáveis aos do processo atual; caso contrário, a comparação pode colocar tarefas diferentes lado a lado.

A operação diária também condiciona a escolha. Verifique se a integração consegue mostrar ao atendente o contexto necessário, se a latência é compatível com o canal, quem mantém a base de conhecimento, o que ocorre se uma dependência ficar indisponível e quem é responsável por revisar os resultados. Se houver cobertura fora do horário comercial, defina claramente o que pode ser resolvido sem uma pessoa e o que deve aguardar ou ser encaminhado. Não presuma que “disponível” significa “resolvido”.

O guia empresarial da Softeng identificado entre as fontes aborda casos de uso, governança de dados, segurança e retorno. Essa descrição justifica incluir essas dimensões na avaliação, mas, por si só, não fornece dados comparáveis de custo ou desempenho para uma equipe específica. Da mesma forma, o material geral da IBM sobre IA no atendimento ao cliente serve como orientação contextual sobre o tema, não como evidência independente de eficácia ou de resultados esperados.

Projete um teste que possa mudar a decisão

Antes da implantação, prepare uma amostra que reflita as solicitações reais, mas que também inclua casos difíceis: mensagens ambíguas, solicitações fora do escopo, alterações de políticas, conversas com várias necessidades e ausência de informações essenciais. Defina quem revisará cada resultado e com base em quais critérios. Se forem testados apenas exemplos simples, escolhidos para mostrar o sistema nas melhores condições, o resultado não informará adequadamente como será o uso cotidiano.

Definam antecipadamente os indicadores e os limites que levarão a avançar, revisar ou interromper o teste. Dependendo da tarefa, pode ser relevante medir a classificação correta por categoria, respostas respaldadas por fontes atualizadas, encaminhamentos adequados, erros graves, tempo até uma resposta útil, tempo de revisão e custo por caso resolvido. Não transforme uma métrica geral em decisão automática: uma média favorável pode ocultar falhas concentradas em uma categoria ou grupo de solicitações.

Compare o teste com o processo atual usando as mesmas categorias de solicitações e uma definição compartilhada de resultado correto. Registre os erros e suas consequências, não apenas a frequência. Diferencie uma falha que um atendente pode corrigir antes do envio de uma ação executada que já alterou uma conta. Quando houver incidentes ou resultados inesperados, defina quem decide se o fluxo será suspenso e como voltar ao procedimento anterior.

Uma ficha de decisão útil documenta o caso, a abordagem escolhida, os dados permitidos, os casos excluídos, a revisão necessária, as métricas, os limites e a pessoa responsável. Ela também registra o que ainda não se sabe. Assim, comparar alternativas ou descobrir novos casos de uso não exige repetir desde o início as perguntas sobre risco e operação.

Decida com base em evidências e mantenha a revisão aberta

A decisão não consiste simplesmente em adotar ou rejeitar a IA. Pode ser manter uma automação convencional, testar a classificação em uma única categoria, usar busca com rascunhos revisados ou interromper a iniciativa até que os dados e o processo estejam organizados. Se a principal incerteza for a qualidade da documentação, um teste de busca pode ser mais informativo do que automatizar respostas. Se não houver como verificar uma ação ou se recuperar de um erro, mantenha a execução sob controle humano.

Para explorar as opções, separe três perguntas: que solução se ajusta à tarefa; como as abordagens possíveis se comparam nas mesmas condições; e que outros casos de uso podem fazer sentido depois. Essa sequência ajuda a escolher um escopo concreto, comparar alternativas com critérios consistentes e identificar oportunidades sem confundi-las com casos já validados.

As fontes fornecidas oferecem orientação contextual sobre IA empresarial, atendimento ao cliente, privacidade e sistemas agênticos. Elas não bastam para determinar qual fornecedor atende a requisitos específicos, qual será o preço de uma implementação, como um serviço reterá dados ou quais normas atuais se aplicam a um setor ou país específico. Confirme essas questões em documentação primária e com as áreas responsáveis antes de enviar dados, contratar um serviço ou automatizar uma decisão.

O critério prático final é simples: comece com uma tarefa de escopo limitado, mantenha a intervenção humana quando as consequências exigirem e amplie somente quando um teste representativo demonstrar que o resultado é aceitável, operacionalizável e sustentável. Se as evidências forem insuficientes, abster-se ou manter o processo atual pode ser a decisão correta.

Continue a explorar

Correções e transparência

Se encontrar informação incorreta ou desatualizada, envie-nos a página e a fonte que devemos rever.