Qual caso de uso de IA na experiência do cliente (CX) deve ser priorizado? 

Por Jeff Tropeano

Tem uma piada antiga de que eu gosto muito, sobre um homem que está rastejando debaixo de um poste de luz, batendo levemente no chão. Um estranho para e pergunta o que ele está fazendo.

“Estou procurando meu relógio”, diz ele. “Deixei ele cair.”

O desconhecido se abaixa e o ajuda a procurar. Eles percorrem todo o círculo de luz duas vezes e não encontram nada. Por fim, o desconhecido pergunta: “Tem certeza de que deixou cair aqui?”

“Ah, não”, diz o homem. “Deixei cair ali, no beco.”

“Então, por que estamos procurando aqui?”

“Porque é aqui que está a luz.”

A tecnologia indústria faz exatamente a mesma coisa. Provedores costumam desenvolver soluções onde a engenharia é mais fácil de demonstrar, e não onde o impacto operacional é maior. As organizações aderem a essa abordagem, o que as leva a “procurar sob a luz do poste”, investindo em IA em casos de uso relacionados à experiência do cliente (CX) que parecem impressionantes em uma demonstração, mas não melhoram de forma significativa o trabalho que clientes, agentes ou líderes vivenciam no dia a dia.

As IA mais robustas nos planos de ação de CX fazem o contrário. Elas organizam os casos de uso com base na prontidão, no risco e nas condições operacionais que fazem a tecnologia funcionar. Os momentos difíceis e de alto impacto, as orientações regulatórias, as interações emocionais, a automação voltada para o cliente — tudo o que exija discernimento — geralmente exigem dados mais limpos, governança mais robusta, responsabilidades mais claras e caminhos de escalonamento mais rigorosos antes de estarem prontos. É “onde o relógio realmente está”, mas pode ser mais difícil de encontrar com menos luz.

Comece por onde a equipe possa detectar os erros logo no início.

Recomendamos começar com casos de uso que ofereçam suporte aos funcionários e melhorem a execução antes de avançar para as formas mais delicadas de automação voltadas para o cliente.

Esse é, normalmente, o tipo de trabalho que sua equipe de operações de CX já sabe como analisar.

• Os resumos pós-atendimento oferecem aos supervisores e atendentes informações concretas para verificação, incluindo o problema, o resultado, a próxima etapa e a documentação d requerido .
• O suporte de conhecimento permite que as equipes comparem uma resposta recomendada pela IA com as políticas aprovadas, os artigos de conhecimento e a situação real do cliente.
• A análise de qualidade oferece às equipes de garantia de qualidade (QA) uma maneira de verificar se a IA está identificando os padrões corretos nas interações.
• A pesquisa interna e a extração de insights ajudam os líderes a verificar se a IA está identificando tendências úteis em fontes de dados conhecidas.
• O treinamento baseado em simulação “ capacitação ” permite que os instrutores analisem o cenário, orientem a resposta e ajustem o plano de estudos antes que os clientes sejam afetados.

Lembre-se de que essas raramente são as demonstrações mais impressionantes, mas são mais fáceis de gerenciar, mais fáceis de avaliar e têm mais chances de fortalecer as operações antes que a organização adote uma automação de maior risco.

Adapte as ferramentas de IA para a experiência do cliente (CX) à função que elas precisam aprimorar.

Assim que os primeiros casos de uso estiverem definidos, agrupe-os de acordo com o trabalho que devem aprimorar.

Um problema de “ capacitação ” não requer as mesmas ferramentas de IA para experiência do cliente (AI CX) que um problema de visibilidade da causa raiz. Por exemplo, tempos de rampa prolongados podem indicar a necessidade de “ capacitação ” baseado em simulação, suporte ao desempenho e “ coaching ” direcionado. A falta de visibilidade sobre os motivos pelos quais os clientes estão ligando de volta pode indicar a necessidade de qualidade automatizada, análises e detecção de padrões. A pressão para reduzir o esforço do cliente pode, eventualmente, indicar a necessidade de “ autoatendimento ” ou empoderamento do cliente, uma vez que a jornada e o modelo de escalonamento estejam prontos.

Isso evita que o roteiro se transforme em uma lista de compras.

Quando perguntamos aos nossos clientes qual função eles estão tentando melhorar e até que ponto estão dispostos a conceder autonomia, isso geralmente implica analisar categorias como:

• Atrair e desenvolver talentos
• Apoio às interações ao vivo
• Capacitando os clientes
• Analisando dados e obtendo insights
• Garantia e otimização das operações
• IA incorporada e robótica

A categoria que deve ser priorizada é aquela que, neste momento, está mais pronta, tem maior valor e é mais fácil de gerenciar.

Avalie os riscos antes de expandir.

Uma IA avançada no plano de ação de CX geralmente avança em etapas.

• A Fase 1 começa com um valor mais claro e menor risco operacional. Esses casos de uso são mais fáceis de analisar, avaliar e ajustar, o que os torna uma base mais sólida para gerar confiança. Em muitos ambientes de contact center, isso inclui suporte de conhecimento, resumos pós-contato, capacitação baseado em simulação, análises de qualidade e pesquisa interna ou extração de insights.
• A Fase 2 envolve uma mudança mais profunda no fluxo de trabalho. Isso pode incluir ciclos avançados de “ coaching ”, suporte a “ forecasting ”, orquestração do fluxo de trabalho, orientação em tempo real bem desenvolvida e empoderamento do cliente dentro de limites definidos. Esses casos de uso exigem um alinhamento mais forte, dados de melhor qualidade e um modelo operacional mais claro.
• É na Fase 3 que os líderes devem ser mais seletivos. A automação mais ampla no atendimento ao cliente, momentos de atendimento que exigem sensibilidade emocional, orientações regulatórias, decisões de alto risco e IA incorporada geralmente exigem as estruturas de governança e os canais de escalonamento mais robustos antes de serem implementadas em escala.

Vimos isso em um cliente do setor de saúde. A tecnologia era capaz de automatizar interações altamente delicadas com os pacientes. O melhor e desenho ia usar a automação nos bastidores para dar suporte ao agendador, ao atendente ou ao enfermeiro, enquanto o paciente continuava recebendo um atendimento humano e empático.

É aí que a expertise objetiva pode ajudar. A COPC Inc. auxilia os líderes a decidir quais casos de uso já estão prontos, quais precisam de mais preparação e como articular pessoas, processos, governança e tecnologia de forma integrada.

A demanda não vai diminuir. Vai crescer.

É importante mencionar que há um medo subjacente a muitas dessas decisões: o medo de que a IA tenha vindo para reduzir drasticamente o quadro de funcionários. A história sugere o contrário.

Na década de 1860, o economista William Stanley Jevons percebeu que uma máquina a vapor mais eficiente não reduzia o consumo de carvão. Ela tornava o carvão mais útil e acessível, o que contribuía para aumentar a demanda. Essa lição é frequentemente chamada de paradoxo de Jevons: a eficiência aumenta o consumo quando reduz o custo de produzir mais.

O mesmo está por vir para o atendimento ao cliente. À medida que as interações se tornarem mais baratas e fáceis de realizar, os clientes passarão a esperar mais delas: respostas mais rápidas, suporte mais proativo, melhores opções digitais e um encaminhamento mais ágil para um atendente humano quando necessário.

As empresas vencedoras não serão aquelas que automatizarem a maior parte do trabalho. Serão aquelas que utilizarem essa eficiência para oferecer experiências mais valiosas aos clientes. É por isso que a sequência de ações é importante. Os líderes não estão correndo para reduzir ao mínimo possível as operações. Eles estão decidindo que tipo de modelo de serviço desejam construir, à medida que a IA transforma a economia da prestação de serviços.

Antes de escolher o próximo caso de uso, baixe o guia executivo completo da COPC, “IA na Experiência do Cliente, 2026: Como modernizar a pilha de tecnologias do seu contact center sem perder o controle”.