IA para PMEs
O painel do atendimento está verde, mas o cliente continua repetindo o problema. Um levantamento da Ipsos aponta que só 31% dos consumidores dizem que a IA melhorou o atendimento. A diferença está no que a empresa escolhe medir.
O painel do atendimento está verde. O número de conversas encerradas sem atendente cresce a cada semana, o tempo de primeira resposta é de poucos segundos e o custo por contato caiu. Você olha, concorda que a IA está funcionando e segue para a próxima reunião. Enquanto isso, do outro lado da tela, um cliente repete pela terceira vez o mesmo problema para um sistema que responde rápido e não resolve.
A distância entre o que o painel mostra e o que o cliente sente tem um dado para chamar de seu. Segundo a Ipsos, apenas 31% dos consumidores dizem que a IA melhorou a experiência no atendimento. O número incomoda porque é fácil para quem adotou IA no atendimento presumir que está no grupo dos que melhoraram.
Leia o número com precisão. Segundo a Ipsos, 31% dos consumidores afirmam que a IA melhorou a experiência no atendimento. Isso significa que a maior parte não afirma que a experiência melhorou. O dado, da forma como foi noticiado, não permite concluir que o restante teve uma experiência ruim: pode haver quem não notou diferença, quem não tem opinião formada e quem piorou. A leitura honesta é a de um alerta, não a de uma condenação.
Para quem gere uma empresa, o alerta é este: ter IA no atendimento não garante que o cliente perceba melhora. A percepção do cliente é um resultado a ser medido, não uma consequência automática da tecnologia.
A empresa e o cliente olham para o mesmo atendimento com perguntas diferentes. A empresa pergunta: quanto custou, quantos contatos foram absorvidos, quanto tempo levou? O cliente pergunta: meu problema acabou? Precisei repetir tudo? Fui tratado como alguém ou como um número? Um painel desenhado só com as perguntas da empresa pode ficar impecável enquanto a experiência do cliente se deteriora.
Também conhecida como taxa de contenção, essa métrica conta quantas conversas terminaram sem que uma pessoa precisasse entrar. O problema é que uma conversa encerrada não é uma conversa resolvida. O cliente pode ter desistido, ter ido ligar para outro canal, ter procurado o concorrente ou ter simplesmente abandonado a tela. Para o painel, tudo isso aparece como sucesso.
A IA sempre ganha nesse indicador: responde em segundos, a qualquer hora. Mas a primeira resposta rápida só vale se levar à solução. Responder “Olá, como posso ajudar?” instantaneamente é ótimo para o gráfico e irrelevante para o cliente que tem um pedido parado há dias.
Responder muito é diferente de resolver muito. Um sistema que dá cinco respostas incompletas para uma mesma dúvida infla o número de interações e piora a experiência. Quando a métrica premia volume, o sistema (e quem o configura) tende a gerar mais volume.
A pergunta é simples: o assunto foi resolvido naquela conversa? Na prática, a melhor forma de medir é pelo recontato. Se o mesmo cliente volta, pelo mesmo motivo, dentro de um prazo curto (sete dias é um bom ponto de partida), a primeira conversa provavelmente não resolveu. Para medir isso, é preciso ligar as conversas ao cliente e registrar o motivo de cada contato.
Nenhuma IA resolve tudo, e isso é normal. O que decide a experiência é o que acontece quando ela passa o cliente adiante. A pessoa que assume recebe o histórico e já sabe do que se trata, ou o cliente precisa explicar tudo de novo? Meça quantas transferências chegam com contexto, quanto o cliente espera depois de pedir um humano e quantas conversas são abandonadas nessa etapa.
Uma única pergunta, enviada ao fim do atendimento, já dá um sinal valioso: “Seu problema foi resolvido?” com resposta de sim, em parte ou não, seguida de um campo opcional para comentar. O mais importante é separar as notas por tipo de atendimento: o que foi resolvido só pela IA, o que passou por uma pessoa e o que foi feito integralmente por um humano. A comparação mostra onde a IA ajuda e onde atrapalha.
Nenhum indicador substitui ler. Reserve um horário semanal fixo para ler uma amostra de conversas, incluindo as que terminaram bem, as que foram abandonadas e as que geraram reclamação. É nesse exercício que aparecem padrões que a média esconde: uma pergunta que a IA nunca entende, uma política desatualizada, um tom que irrita.
A ZNITH.AI é uma consultoria de infraestrutura comercial com inteligência artificial, que trabalha com a metodologia PPD — Pessoas, Processos, Dados = IA. Em atendimento, isso significa começar pelo que vem antes do gráfico: definir com a sua equipe o que é um atendimento “resolvido” para cada tipo de demanda (Processos), garantir que as conversas estejam ligadas ao cliente e ao motivo do contato (Dados) e preparar quem assume a conversa quando a IA transfere (Pessoas). Só então o painel passa a medir o que importa. Saiba mais em znithai.com.br.
Não é preciso um sistema novo. Em muitas empresas, o que existe é suficiente se as informações forem organizadas com intenção:
Liste os cinco motivos de contato mais comuns e escreva, para cada um, o que precisa ter acontecido para o cliente considerar o assunto encerrado. “Segunda via de boleto enviada” é resolvido. “Informações sobre prazo enviadas” talvez não seja, se o cliente queria saber do prazo do pedido dele.
Garanta que toda conversa receba uma etiqueta de motivo, automática ou manual. Sem isso, não há como saber quais assuntos a IA resolve bem e quais ela empurra de um lado para o outro.
O recontato só é visível se o sistema reconhece que o contato de hoje e o de anteontem são da mesma pessoa. Use um identificador simples, como telefone ou e-mail, e registre a data.
Programe a pergunta “seu problema foi resolvido?” ao fim de cada atendimento, nos canais em que isso fizer sentido, e registre a resposta junto com o tipo de atendimento.
Defina quem lê, quando lê e quantas conversas por semana. Uma reunião curta de decisão, com poucos itens de ajuste, vale mais do que um relatório extenso que ninguém discute.
O primeiro painel honesto costuma ser desconfortável, e isso é bom sinal. Alguns caminhos práticos quando os números não agradam:
O objetivo não é desistir da IA. É usá-la onde ela resolve e estruturar um caminho humano onde ela não resolve. A empresa que faz esse ajuste transforma o atendimento automatizado em vantagem, e não apenas em redução de custo.
O dado da Ipsos não prova que a IA no atendimento falha. Mostra que, para a maior parte dos consumidores, ela ainda não é percebida como melhoria. A diferença entre os 31% que sentem e os demais costuma estar em decisões de processo e de dados: o que significa resolver, como o contexto passa de uma etapa à outra, como o resultado é acompanhado.
Se o seu painel está verde e você não sabe se o cliente concorda, comece pelas cinco medidas deste artigo. A ZNITH.AI ajuda PMEs a estruturar a operação comercial e de atendimento com IA a partir de Pessoas, Processos e Dados. Converse com a gente em znithai.com.br.
É a proporção de conversas encerradas sem a intervenção de uma pessoa. Ela mostra quanto o atendimento automatizado absorveu, mas não mostra se o cliente teve o problema resolvido. Uma conversa pode terminar porque o cliente desistiu. Por isso a taxa de contenção deve ser lida junto com recontato e nota do cliente.
Registre a data, um identificador do cliente (telefone ou e-mail) e o motivo do contato. Depois, verifique quantos clientes voltaram pelo mesmo motivo em até sete dias. Uma planilha bem organizada já permite essa análise, e ferramentas de atendimento costumam oferecer o relatório pronto.
A mais útil costuma ser a mais simples: “Seu problema foi resolvido?”, com opções como sim, em parte e não, e um campo opcional de comentário. Ela é fácil de responder e mede o que realmente interessa ao cliente. Registre a resposta junto com o tipo de atendimento para comparar IA, transferência e atendimento humano.
Pode melhorar, principalmente em dúvidas frequentes e em tarefas simples e rápidas, em que o cliente quer agilidade. Os melhores resultados costumam vir de bases de conhecimento atualizadas, limites claros do que a IA resolve e uma passagem fácil e com contexto para uma pessoa. A confirmação é feita pela medição, e não pela promessa do fornecedor.
Uma rotina semanal curta costuma ser suficiente para começar: olhar os indicadores, ler uma amostra de conversas e decidir poucos ajustes. Depois de ajustar a base de conhecimento ou o fluxo, acompanhe os números das semanas seguintes para ver se a mudança funcionou.
O cliente explica o mesmo problema pela terceira vez, o técnico descobre que a peça ficou na empresa e a recomendação da visita passada se perdeu no celular de alguém. O reparo até sai bom. A impressão, não.
A empresa vende, tem margem e tem cliente fiel. Mesmo assim, todo mês existe uma semana em que o dinheiro não fecha. O aviso estava nos números, só que ninguém juntou os dados a tempo de ler.
O seu produto foi aprovado por quem ia usar. Quem travou a venda foi um formulário de compliance que ninguém na empresa sabia preencher. E esse formulário volta toda vez que um cliente grande aparece.
Conheça o ecossistema ZNITH.AI e descubra como acelerar seu próximo capítulo com Inteligência Artificial aplicada a negócios.
