IA Generativa: A Nova Era do Atendimento ao Cliente

Empresas de diversos setores já aplicam IA generativa para elevar eficiência, retenção e qualidade do atendimento, mas como se deu essa inserção da ferramenta?

Theo Tabach (Senior no GN Poli)

Considerada a nova tecnologia da década, a Inteligência Artificial, está cada vez mais presente no nosso dia a dia, com um propósito muito simples: reduzir o tempo de tarefas que normalmente demorariam bastante para apenas alguns segundos. Apesar de também possuir capacidade criativa, o processamento rápido de informações e a aplicação de algoritmos são o que tornam a IA uma ferramenta muito útil, sendo cada vez mais utilizada por empresas em diversos setores de atuação.

Entre os diversos setores impactados, um dos que mais se beneficia é o atendimento ao cliente. Diferente dos chatbots tradicionais, baseados em regras fixas, a IA generativa compreende a linguagem natural, adapta o tom de voz e gera respostas contextualizadas. Isso a torna ideal para automatizar consultas, atualizar informações e auxiliar agentes humanos em tempo real. O resultado é um atendimento mais rápido, consistente e escalável. Empresas que a incorporaram já registram ganhos tangíveis em produtividade e satisfação dos clientes.

De acordo com uma estimativa do IBGE, 41,9% das empresas com 100 pessoas ou mais utilizam Inteligência Artificial no seu dia a dia, sendo as áreas que mais fazem uso da IA a Administração (87,9%), a Comercialização (75,2%) e o Desenvolvimento de projetos de produtos, processos e serviços (73,1%). Mas será que a ferramenta apenas traz benefícios operacionais para as empresas, ou existem riscos e malefícios associados a esse uso?

Caso de Estudo – Bradesco

A BIA (Bradesco Inteligência Artificial) é a assistente virtual do Bradesco que foi integrada a tecnologias de IA generativa para melhorar o atendimento digital. Em 2024, o banco lançou sua plataforma denominada Bridge (“Bradesco Inteligência de Data Generativa”), usada para unificar serviços de IA, como processamento de voz, texto e documentos, além de servir de base para assistentes e para implementar mecanismos de IA responsável. A aplicação na BIA já alcançou níveis de uso bastante expressivos: interações com mais de 24 milhões de usuários no aplicativo do banco e cerca de 3 milhões de clientes atendidos pela versão de IA generativa da BIA, com taxa de resolutividade estimada em 90%.

Os resultados em eficiência e satisfação do cliente também são significativos. A BIA retém entre 85% e 90% das demandas no atendimento digital via chat, o que significa que apenas 10% a 15% das solicitações precisam ser encaminhadas a um atendente humano. O índice de satisfação está entre 4,1 e 4,2 em uma escala de 0 a 5 para essas interações digitais, indicando que os clientes têm percebido qualidade no atendimento automatizado. Além disso, no setor de cobrança, a BIA com IA generativa trouxe ganhos de 10% a 20% na capacidade de recuperação de crédito, por meio de agentes que analisam diálogos e orientam operadores com boas práticas.

Por outro lado, há desafios e riscos identificados nessa aplicação. Um dos problemas é que, em casos muito específicos ou com vocabulário técnico, jurídico ou particular, a IA pode não compreender bem, sendo necessário o transbordo para revisores humanos. Também há riscos associados ao uso de dados e à segurança, por exemplo, na prevenção de fraudes: a BIA foi usada para confirmar pedidos de Pix suspeitos via WhatsApp, reduzindo fraudes, mas isso exige cuidado no tratamento dos dados dos clientes e nos canais utilizados. Outro ponto de atenção é a precisão: para que a resolutividade elevada seja mantida, é necessário constante monitoramento dos modelos, tratamento de exceções e feedback humano.

Caso de Estudo – Inspiro

A parceria entre a Tiger Analytics e a Inspiro, empresa de terceirização de experiência do cliente, envolveu a criação de uma ferramenta de base de conhecimento habilitada por IA generativa, desenvolvidas com tecnologias Azure e Open AI, para uma grande companhia aérea nas Filipinas. Antes, os agentes utilizavam uma ferramenta de busca simples baseada em palavras-chave, com fluxos rígidos, por exemplo: digitar “bagagem” e visualizar documentos contendo esse termo. Com a nova solução, basta fazer uma pergunta livre (“Qual é o peso da bagagem para o meu voo X?”), e o sistema retorna não só o documento relevante, mas também o número da página e as principais referências usadas para gerar a resposta de forma muito mais flexível.

Os resultados práticos foram bastante expressivos: o tempo de resposta da base de conhecimento caiu para 3 a 5 segundos, em vez de minutos; o tempo médio de atendimento foi reduzido em 30,5% para agentes que operam via chat/texto (não voz) e em 10,8% para agentes de voz. A precisão das respostas aumentou cerca de 20%, enquanto o controle de qualidade (“quality scores”) melhorou aproximadamente 12,3% no atendimento por chat e 5,4% no atendimento por voz. Esse ganho mostra que a ferramenta não só agilizou o atendimento, como também elevou sua qualidade.

Embora o case não mencione falhas graves, é possível identificar alguns pontos de atenção. É fundamental manter a base de conhecimento atualizada para evitar respostas incorretas; definir claramente quando acionar o suporte humano; proteger os dados internos e garantir a confiança dos agentes nas respostas geradas pela IA.

Comparação – IA, Chatbot, Call Centers

O atendimento ao cliente evoluiu significativamente, passando do modelo tradicional de call centers humanos, centrado na empatia, mas de alto custo e tempo, para chatbots baseados em regras, que trouxeram automação, porém com limitações na compreensão da linguagem natural. Hoje, a IA generativa representa a nova etapa dessa transformação: ela entende o contexto, adapta-se ao tom do cliente e oferece respostas mais completas e precisas. Essa tecnologia combina eficiência e personalização, reduzindo o tempo de atendimento e os custos operacionais, enquanto mantém a experiência do usuário fluida e próxima do atendimento humano.

Fontes: Gartner, Microsoft, McKinsey

Como explicitado pelo gráfico, o uso de IA no atendimento ao cliente pode trazer ganhos expressivos tanto em eficiência e escala quanto em custo e taxa de sucesso. No entanto, o uso dessa ferramenta também envolve riscos significativos quando aplicado de forma descuidada. Um dos principais perigos está na exposição e no uso indevido de dados sensíveis. Como os sistemas de IA lidam com grandes volumes de informações pessoais, financeiras e comportamentais, qualquer falha na segurança ou ausência de políticas claras de privacidade pode gerar vazamentos, violações de compliance e danos à reputação da empresa.

Além disso, modelos de IA mal treinados ou sem supervisão adequada podem gerar respostas imprecisas, enviesadas ou incoerentes, prejudicando a experiência do cliente e minando a confiança na marca. Outro risco é o excesso de automação, quando empresas substituem completamente o atendimento humano por sistemas artificiais, resultando em interações impessoais e incapazes de lidar com situações emocionais ou complexas. Por fim, a falta de transparência e de monitoramento ético pode levar a decisões automatizadas injustas, discriminação algorítmica e impactos legais, reforçando que a adoção de IA no atendimento deve sempre equilibrar eficiência com responsabilidade, empatia e governança de dados.

Em suma, a IA é uma ferramenta muito poderosa, já aplicada pelas maiores empresas do mundo, mas, se não houver supervisão rigorosa de suas atividades, ela pode comprometer significativamente a qualidade do atendimento ao cliente.