IA no atendimento funciona quando existe um fluxo repetitivo, de alto volume e com resposta previsível — e vira desperdício quando a empresa compra um “assistente inteligente” genérico antes de olhar para os próprios números de chamado. Depois de mais de 30 anos em tecnologia, boa parte deles automatizando atendimento antes de os modelos de linguagem existirem, essa é a primeira distinção que eu faço em qualquer conversa sobre o assunto.
Não é uma opinião sobre a tecnologia. É o que eu vi dos dois lados: programas de automação de atendimento que devolveram dezenas de milhões de reais em custo evitado, e pilotos que consumiram meses de integração para no fim descobrir que o robô nunca respondeu bem.
Este texto é o mapa que eu queria ter recebido pronto quando comecei: onde a IA no atendimento entrega resultado, onde ela não entrega, e onde ela é só uma linha de orçamento que ninguém vai conseguir defender daqui a um ano.
Principais aprendizados
- IA no atendimento paga rápido em fluxos de alto volume e baixa complexidade — redefinição de senha, segunda via, status de pedido. O critério de escolha é o relatório de volumetria por motivo de contato, não o que parece mais sofisticado para a diretoria.
- Um programa de automação de atendimento que liderei em uma operadora de telecom operou com orçamento de cerca de R$ 12 milhões por ano e entregou aproximadamente R$ 131 milhões em custo evitado em três anos. O que sustentou o número foi disciplina de gestão, não a tecnologia da época.
- Em um grande grupo educacional, um assistente de IA nos canais de atendimento derrubou a espera do cliente de cerca de duas horas para menos de um minuto enquanto o volume mensal crescia perto de 45%. O ganho que importa é o par volume atendido × velocidade, não só o tempo médio.
- “Gerar conteúdo com qualidade” não é o mesmo que “conhecer o domínio”. Um fornecedor de IA foi descartado depois de nove meses porque não diferenciava a complexidade da resposta para públicos distintos — e nove meses de time interno ensinando o fornecedor não fecharam essa lacuna.
- Testar o agente isolado antes de integrar separa duas decisões que costumam ser tomadas juntas por engano: “esse agente conversa bem?” (barato, dias) e “devo ligá-lo aos meus sistemas?” (caro, meses).
Onde a IA no atendimento funciona de verdade
Funciona onde o trabalho é repetitivo, o volume é alto e a resposta certa é previsível. O exemplo mais claro que eu tenho é banal de propósito: em uma operação de atendimento educacional, redefinição de senha nas plataformas foi o motivo isolado mais frequente de contato — centenas de chamados em um único mês, só para isso. Esse é o candidato óbvio à primeira automação, antes de qualquer discussão de retorno sobre investimento ou de dificuldade técnica. Não é glamouroso. É o que reduz mais fila com menos esforço.
O critério de priorização, portanto, é o relatório de volumetria por motivo de contato. Se esse relatório não existe pronto — e muitas vezes não existe, precisa ser montado no cruzamento manual de planilhas —, a ausência dele já é, por si só, um diagnóstico de maturidade. Times de atendimento erram quando escolhem o primeiro caso de uso pelo que parece mais inteligente ou mais visível para o board, e não pelo que corta mais volume de trabalho repetitivo.
Quando a disciplina existe, o resultado aparece no lugar certo. O programa de automação de atendimento que liderei em uma operadora de telecom tinha cerca de 70 pessoas entre time direto e parceiros, distribuídas em squads de ágil escalado, e um orçamento na casa dos R$ 12 milhões por ano. Em três anos, entregou algo próximo de R$ 131 milhões em custo evitado — auditável, defensável na frente do conselho. O antecedente direto desse programa foi um dos primeiros projetos de IA com interação de voz em português no atendimento de telecom no Brasil, montado entre 2015 e 2017, quando ninguém falava em modelo de linguagem. Eu já contei aqui o que aprendi vivendo um ciclo de hype parecido em 2012.
Um segundo caso, em setor completamente diferente: em um grande grupo educacional, um assistente de IA introduzido nos canais de atendimento — com foco no financeiro — derrubou o tempo de espera do cliente de cerca de duas horas para menos de um minuto. No mesmo período, o volume mensal de atendimentos cresceu perto de 45%. Volume e velocidade subiram juntos, sem trade-off. Esse é o número que se comunica sozinho num slide, e é a prova de que o medo de que “IA em atendimento piora a experiência” não se confirma quando o fluxo foi bem escolhido.
Onde a IA no atendimento não funciona — ou custa caro pra descobrir
Não funciona quando a empresa confunde capacidade de gerar texto com conhecimento de domínio. Um fornecedor de IA generativa contratado para produzir conteúdo adaptativo foi descartado depois de nove meses de suporte ativo do cliente — time interno cedendo dados, tempo e feedback. O motivo não foi preço nem prazo: foi a incapacidade de diferenciar a complexidade de uma resposta entre um público iniciante e um público avançado. “Mesmo enunciado, mesma complexidade.” Nove meses não bastaram porque o problema era estrutural: faltava expertise de domínio na equipe do fornecedor, e isso não se resolve com mais tempo de maturação.
Não funciona, também, quando o projeto tenta resolver integração e autorização dentro do próprio fluxo de conversa antes de validar a conversa em si. Já vi um desenho de chatbot travar porque a equipe queria que o agente decidisse, dentro do prompt, se o usuário tinha permissão de acesso. Minha orientação foi direta: simplifica o fluxo, que integração atrapalha tudo. A validação de acesso é responsabilidade do sistema de destino, não do agente de atendimento. Cada ponto de integração obrigatória adicionado ao fluxo crítico aumenta a complexidade de forma desproporcional ao valor entregue.
E não funciona quando a empresa compra antes de testar isolado. Dá para responder rápido e sem risco à pergunta “esse agente conversa bem?”: configura o agente com as perguntas frequentes como base de conhecimento, usa um número de teste — nunca o de produção —, e valida dois pontos: ele responde bem em autosserviço, e ele sabe transferir para um humano quando não sabe. Só depois disso faz sentido gastar meses de integração. O padrão comum, e caro, é o contrário: meses de integração para descobrir no fim que a qualidade conversacional nunca esteve lá.
Onde a IA no atendimento é só desperdício
É desperdício quando existe um “assistente inteligente” institucional, bonito na demonstração para a diretoria, que ninguém consegue amarrar a um número de volume. É desperdício quando um bot foi contratado por uma área sozinha, sem governança, sem dono de negócio, sem métrica combinada — isso ainda é uso informal de IA, não adoção. E é desperdício quando a automação entra sem que ninguém tenha medido o antes: sem a linha de base de tempo, custo e volume, não há como dizer se a IA melhorou alguma coisa. Essa é a conta que quase ninguém faz antes de começar.
Há ainda um desperdício de arquitetura: reescrever o sistema legado “para deixá-lo pronto para IA”. Em 2017, conectamos um agente de voz cognitivo ao call center de uma operadora sem tocar no legado de billing — um gateway no perímetro e um orquestrador desacoplado absorveram a complexidade de integração. O padrão de colocar uma camada de inteligência por cima do que já existe é maduro e testado em produção de larga escala. Não precisa de reescrita, e a reescrita quase sempre é a rota mais cara e mais lenta.
Do lado institucional, a HAIA tratou a decisão de canal — colocar a IA no WhatsApp que a empresa já usa ou contratar uma ferramenta nova — como parte desse mesmo raciocínio: o fluxo e o volume vêm antes da escolha de plataforma.
Perguntas frequentes
IA no atendimento substitui a equipe humana?
Não. O melhor desenho combina autosserviço para o que é repetitivo e previsível com transferência correta para o humano no que é ambíguo ou sensível. O critério de aceite de um piloto de atendimento com IA inclui, obrigatoriamente, a taxa de handoff correto — o agente reconhecer quando não sabe e passar adiante. Um agente que tenta responder tudo é mais arriscado que um que transfere bem.
Por onde começar a automatizar o atendimento com IA?
Pelo relatório de volumetria por motivo de contato. O primeiro fluxo a automatizar é o de maior volume absoluto com resposta mais previsível — normalmente redefinição de senha, segunda via de boleto, status de pedido. Retorno rápido, risco baixo, e serve de prova de conceito antes de avançar para fluxos mais ambíguos.
Quanto tempo até a IA no atendimento aparecer no resultado?
Depende do fluxo escolhido. Um fluxo de alto volume e baixa complexidade tende a pagar o investimento em semanas a poucos meses. Um agente que exige integração profunda com sistemas internos leva mais tempo e só deve ser aprovado depois que a qualidade conversacional foi validada isoladamente. Se o payback prometido depende de integração que ainda não foi construída, o número não é confiável.
Chatbot de árvore de decisão conta como IA no atendimento?
Conta como automação de atendimento, e muitas vezes é suficiente. Boa parte do valor em atendimento vem de fluxos determinísticos bem desenhados, não de modelo de linguagem. A pergunta certa não é “isso é IA de verdade?”, é “isso resolve o contato do cliente na primeira interação e sabe escalar quando não resolve?”.
Sou Gillian Pellegrino, fundadora da HAIA. Trabalho com IA aplicada há mais de 30 anos — comecei com IA conversacional em atendimento quando o assunto ainda era de poucos, e hoje ajudo líderes empresariais brasileiros a transformar isso em resultado que sobrevive à reunião de orçamento. Se a sua empresa está decidindo por onde começar no atendimento, comece pelo relatório de volumetria antes de olhar qualquer ferramenta.
