Por Paula Feit, vice-presidente de consultoria da COPC Inc.
Uma pesquisa recente da COPC Inc. revelou que apenas 44% dos centros de atendimento pesquisados afirmam ter atingido o retorno sobre o investimento esperado com as implementações de IA. Os outros 56% ficam aquém dessa meta, e os dados apontam para algo específico: o problema raramente é a tecnologia em si. Trata-se de uma lacuna estratégica na forma como a IA está sendo adotada.
Parte dessa lacuna está na forma de medição. A maioria das centrais de atendimento inicia sua jornada de IA com os mesmos indicadores: tempo médio de atendimento, desvio de chamadas e custo por contato. Os números variam, o caso de negócios parece sólido e o investimento é aprovado. Seis meses depois, surgem as perguntas mais difíceis. Os clientes estão sendo melhor atendidos? Eles estão permanecendo como clientes? Vale a pena defender essa experiência? As métricas de eficiência têm dificuldade em responder a qualquer uma dessas perguntas, pois nunca foram projetadas para isso. Uma abordagem orientada para resultados ( abordagem ) muda o que é considerado sucesso. A questão central passa a ser se a interação proporcionou algo significativo para o cliente e para a organização. Essa mudança altera o que deve ser medido, onde aplicar a IA e como avaliar se ela está funcionando.
Por que os indicadores de eficiência mostram apenas uma parte da história
medições es de eficiência são conhecidos, fáceis de acompanhar e úteis, mas apenas até certo ponto. Eles refletem o que está acontecendo dentro da operação. Não conseguem indicar qual foi a experiência do cliente nem se a interação proporcionou o resultado que ele esperava.
Reduzir o tempo médio de atendimento parece ser uma conquista no painel de controle. Se as interações forem interrompidas prematuramente ou se os problemas não forem totalmente resolvidos, o mesmo cliente geralmente volta por outro canal, normalmente com ainda mais frustração. Desviar os contatos para canais digitais reduz o volume nos canais assistidos, mas somente se os clientes puderem realmente concluir o que se propuseram a fazer. Se não conseguirem, o contato reaparece, e o custo simplesmente foi transferido.
Esse é o principal problema de se considerar os indicadores de eficiência como a principal medida do sucesso da IA. A eficiência melhora enquanto a experiência do cliente se deteriora discretamente, e essa desconexão raramente fica visível até que os volumes de “ churn ” ou reclamações comecem a aumentar.
Os resultados que realmente importam
Um pequeno número de resultados é o que mais contribui para demonstrar se a IA está agregando valor real ao contact center, em conjunto com a análise de indicadores operacionais.
Retenção de clientes. Manter os clientes existentes costuma ser mais econômicoefetivo do que adquirir novos, e a IA pode contribuir melhorando a consistência, reduzindo atritos e ajudando a resolver problemas de forma mais efetivamente. A retenção é influenciada pelos preços, pela qualidade do produto e pela percepção da marca; portanto, não deve ser atribuída exclusivamente à IA. O importante é compreender como a IA contribui para esse panorama mais amplo.
Experiência do cliente. Isso vai além de saber se um problema foi resolvido e analisa como a interação foi percebida. Foi clara, direta e útil, ou gerou esforço adicional e confusão? A pesquisa global com consumidores realizada pela COPC, envolvendo mais de 1.000 “ clientes ” em seis países, deixa essa relação explícita. A satisfação com interações de IA está em 74% globalmente, mas sobe para mais de 90% quando a IA resolve totalmente o problema sem a necessidade de etapas adicionais. Quando a IA não consegue resolver o problema, o Net Promoter Score (NPS) pode cair em até 70 pontos. O sinal é claro: na maioria das interações de atendimento, os clientes aceitarão um tom padronizado ou empatia limitada, desde que o problema seja realmente resolvido. Eles não aceitarão um problema não resolvido ou esforços repetidos de sua parte.
Facilidade de fazer negócios. O esforço é um dos indicadores mais consistentes de fidelidade em todos os setores. Uma pesquisa de longa data da Gartner constatou que 96% dos clientes que passam por uma interação de atendimento que exige muito esforço tornam-se menos fiéis, enquanto apenas 9% daqueles com uma experiência que exige pouco esforço apresentam o mesmo comportamento. O esforço se manifesta em detalhes: o número de etapas envolvidas, a necessidade de repetir informações e a rapidez com que se obtém o suporte adequado. A IA pode simplificar processos, melhorar o encaminhamento e tornar o “ autoatendimento ” genuinamente útil, mas somente quando essas soluções funcionam conforme o esperado.
Sinais operacionais. Uma baixa taxa de escalonamento pode significar que a IA resolve mais problemas por conta própria, o que é importante tanto para a experiência do cliente quanto para o desempenho. Também pode significar que os clientes não conseguem entrar em contato com um atendente humano e acabam desistindo ou ficam presos em um ciclo vicioso dentro da automação. O número, por si só, não indica qual das duas situações é a correta.
Esses resultados estão no cerne do que a Norma de Experiência do Cliente (CX) da COPC considera como desempenho. Eficiência, qualidade e satisfação do cliente são gerenciadas em conjunto, sem que haja um compromisso entre elas. A mesma lógica se aplica à IA. Se um sistema de gestão de relacionamento com o cliente ( implementação ) melhora um desses aspectos e prejudica outro, ele não melhorou realmente o desempenho.
Conectando os dados para que os resultados fiquem visíveis
Os resultados não se refletem em uma única métrica. Eles se tornam evidentes quando os dados operacionais, o feedback dos clientes e os dados comportamentais são combinados. O tempo de atendimento oferece um panorama muito mais claro quando analisado em conjunto com as taxas de contato repetido e os índices de satisfação.
A transferência da IA para um agente humano mostra o motivo. Uma pesquisa com consumidores realizada pela COPC constatou que esse é o ponto mais fraco da jornada em todos os seis mercados pesquisados. Nos Estados Unidos, após uma falha na interação com a IA, a resolução completa ocorreu apenas em cerca de metade das vezes após esse ponto de falha. A China e a Austrália apresentam a mesma deficiência sob outras perspectivas: 52% dos clientes na China relataram algum tipo de perda de contexto durante o encaminhamento, e apenas 20% dos clientes na Austrália descreveram a transferência como “ fluída ”.
Nas avaliações do COPC, de cinco a nove sistemas estão rotineiramente envolvidos em um único caminho de escalonamento. Sem um fluxo de trabalho estruturado ( desenho), os dados se perdem, o contexto é ignorado e os clientes precisam recomeçar do zero. Essa falha só se torna visível quando os dados são analisados ao longo de toda a jornada, e não apenas dentro de um único sistema ou interação.
Isso não exige um conjunto de dados perfeito desde o início. A maioria das organizações começa com o que já possui e vai desenvolvendo a partir daí.
Onde aplicar a IA quando os resultados são determinantes
Quando os resultados passam a ser o foco da conversa, a questão de onde aplicar a IA muda. Em vez de começar pelas áreas com maior potencial de redução de custos, analise onde as melhorias teriam maior impacto na experiência do cliente ( customer journey). Os clientes geralmente enfrentam atrasos, confusão ou esforços repetitivos nas áreas em que os resultados e a eficiência melhoram em conjunto.
Os funcionários são fundamentais nesse contexto. As ferramentas utilizadas pelos atendentes afetam diretamente a qualidade do atendimento prestado aos clientes. A IA que ajuda os funcionários a encontrar informações rapidamente, reduz o trabalho repetitivo ou contribui para uma melhor tomada de decisão pode melhorar tanto a produtividade quanto a qualidade da interação. Medir esse impacto juntamente com os resultados para os clientes proporciona uma visão mais completa do valor agregado.
Começando com a pergunta certa
Os indicadores de eficiência continuarão a ter seu lugar. Eles fornecem informações úteis sobre o desempenho da operação e destacam áreas que precisam de melhorias. A diferença, em uma abordagem orientada a resultados abordagem, é que eles apoiam objetivos mais amplos, em vez de defini-los.
Na prática, isso significa começar com uma visão clara dos resultados que mais importam (retenção, experiência e facilidade de fazer negócios) e, em seguida, descobrir como observá-los ou medi-los em seu ambiente. Significa estar disposto a fazer ajustes à medida que se aprende mais. O objetivo é um sistema de medição abordagem que se adapte à medida que a organização e a tecnologia mudam.
Para os líderes de centrais de atendimento que estão avaliando investimentos em IA, a questão mais complexa e mais útil é se a interação proporcionou o resultado que o cliente esperava e se a empresa saiu ganhando com isso.
Caso deseje discutir como uma avaliação orientada a resultados abordagem poderia funcionar para o seu contact center, a COPC oferece avaliações específicas que vinculam os investimentos em IA aos resultados operacionais e de atendimento ao cliente que geram valor a longo prazo. Entre em contato para iniciarmos uma conversa.
Pronto para trabalharmos juntos?
Se você deseja saber mais sobre nossas atividades ou tem perguntas específicas sobre nossas soluções, entre em contato conosco!
Perguntas frequentes
Em que a IA orientada a resultados difere de um caso de negócios padrão de IA?
Um caso de negócios padrão geralmente começa com a economia de custos: quanto tempo, quantos funcionários ou quanto volume de contatos a IA irá reduzir. Um “ abordagem ” (análise de impacto) orientado para resultados começa um nível acima: o resultado que a IA deve proporcionar ao cliente e à empresa (melhor resolução, menor esforço, maior retenção); em seguida, identifica as métricas que mostram se esse resultado está sendo alcançado. A economia de custos continua fazendo parte do quadro, mas está alinhada aos resultados medições , em vez de definir o sucesso por si só.
Devemos deixar de medir o tempo médio de atendimento e a taxa de desvio?
Não. Essas métricas ainda fornecem informações úteis sobre o desempenho da operação e devem continuar sendo monitoradas. A mudança está na forma como elas são interpretadas. Uma queda no tempo de atendimento é uma boa notícia apenas se as taxas de contato repetido e os índices de satisfação se mantiverem estáveis paralelamente a ela. Um aumento no tempo de atendimento pode ser enganoso no sentido contrário: quando a IA assume os contatos mais simples, aqueles que restam para os agentes são mais complexos e demoram mais, de modo que o tempo de atendimento pode aumentar mesmo que a operação esteja funcionando conforme o esperado. Um aumento na deflexão só é uma boa notícia se os clientes estiverem concluindo o que vieram fazer. Analisar as métricas de eficiência isoladamente é o que cria a desconexão entre os painéis de controle e a realidade do cliente.
Por onde começamos se não temos todos os dados necessários?
A maioria das organizações não o faz, e isso não é incomum. O ponto de partida é escolher um ou dois resultados que sejam mais importantes para o seu negócio (geralmente alguma combinação de retenção, esforço do cliente e resolução) e identificar quais dados você já possui que possam indicar evolução nesses aspectos. Podem ser taxas de contato repetido, índices de satisfação do cliente (CSAT) e satisfação do vendedor (DSAT) em comparação com interações tratadas por IA, ou o esforço do cliente ao longo da jornada. O quadro fica mais nítido com o tempo, à medida que mais dados ficam disponíveis e os casos de uso da IA se expandem. O importante é estabelecer a ligação entre atividade e resultado, e não esperar por um conjunto de dados perfeito.
Como isso se relaciona com a Norma COPC CX?
A Norma COPC CX exige que as organizações gerenciem a eficiência, a qualidade e a satisfação do cliente de forma integrada, em vez de colocá-las em contraposição. A versão 8.0 estende essa disciplina à IA, exigindo o uso ético e responsável da IA no planejamento de negócios e nas avaliações de desempenho, com aplicação em canais de voz, digitais e híbridos. Uma estrutura de medição orientada para resultados abordagem é a expressão prática desse princípio: ela garante que a IA seja avaliada com base na mesma visão equilibrada de desempenho que a Norma aplica ao restante da operação.
Qual é o maior erro que os líderes cometem ao avaliar a IA?
Tratar a ferramenta de IA como unidade de análise, em vez da customer journey. Um chatbot pode atingir todas as metas internas (tempo de resposta, contenção, taxa de resolução dentro do bot), mas a jornada na qual ele está inserido ainda pode proporcionar uma experiência insatisfatória porque os encaminhamentos para níveis superiores perdem o contexto, os canais não compartilham dados ou os clientes acabam tendo que repetir o que já disseram a um agente humano. Medir a IA isoladamente indica se a ferramenta está funcionando. Medir os resultados ao longo de toda a jornada indica se o cliente está satisfeito.
Paula Feit
Vice-presidente de Consultoria da COPC Inc.
Paula é uma executiva sênior de grande experiência, com mais de 20 anos de especialização em tecnologia de centrais de atendimento, transformação global da experiência do cliente e liderança organizacional. Ela possui um histórico comprovado de impulsionar a transformação e o crescimento da receita tanto em startups quanto em empresas globais, liderando iniciativas de otimização de desempenho e tecnologia em grande escala. Paula combina experiência prática tanto em operações de centros de atendimento ( BPO ) quanto em gestão de clientes, oferecendo uma visão única sobre gestão de fornecedores, terceirização e negociações contratuais, além de apoiar organizações com estratégias para alcançar uma experiência do cliente líder n indústria o e excelência operacional.