Agentes de IA para apoio ao cliente que resolvem, não só desviam.

Agentes de IA para apoio ao cliente são agentes de software autónomos que tratam uma conversa de suporte de ponta a ponta — percebem o pedido, agem nos vossos sistemas (helpdesk, CRM, encomendas, faturação) e resolvem-no ou passam-no a uma pessoa com contexto. Ao contrário de um chatbot de script, raciocinam sobre os vossos dados em tempo real, por isso conseguem mesmo emitir o reembolso ou atualizar a encomenda em vez de apontarem o cliente para uma página de política.

Um chatbot segue uma árvore de decisão e devolve respostas pré-feitas; desvia. Um agente de IA percebe a intenção em texto livre, vai buscar dados em tempo real e executa ações nos vossos sistemas, escalando os casos-limite com contexto completo. O chatbot responde "as devoluções funcionam assim"; o agente processa a devolução.

De origem, as comuns: Zendesk, Intercom, Freshdesk, Gorgias, Salesforce Service Cloud e HubSpot, mais comércio e faturação (Shopify, WooCommerce, Stripe) e canais como email, Slack e WhatsApp. Qualquer coisa com API ou webhook pode ser ligada — o agente junta-se à vossa stack, não migram para a nossa.

Taxa de resolução e CSAT. O desvio só vos diz que não houve uma pessoa envolvida, não que o cliente foi ajudado — um bot pode desviar um ticket e deixar o problema por resolver. Instrumentamos resolução e satisfação desde o primeiro dia e tratamos o desvio como um sinal secundário.

Responde a partir da vossa documentação com retrieval (RAG) e citações, corre dentro de guardrails e é instruído a escalar em vez de adivinhar quando não tem a certeza. Antes do lançamento avaliamo-lo contra centenas dos vossos tickets reais e começamos em modo de assistência ou numa fatia do tráfego, com cada ação registada e reversível.

Duas a quatro semanas para o primeiro agente em produção num só workflow de alto volume. Os primeiros dias são scoping e ligação aos dados; o resto é fundamentá-lo, avaliá-lo contra os vossos tickets reais e lançá-lo atrás de uma pessoa antes de alargar o âmbito.

Não — absorvem os contactos repetitivos de nível 1 para a vossa equipa tratar as conversas que precisam mesmo de uma pessoa. O agente escala tudo o que está fora do seu âmbito com a transcrição completa e uma ação sugerida, por isso as passagens são informadas. O enquadramento honesto é aumento, não substituição: menos tickets repetitivos, as mesmas pessoas nos casos difíceis.

Comprar se estão numa stack standard com casos de uso standard — uma loja Shopify-e-Gorgias normal vai longe com um agente pronto, e dizemo-lo. Construir quando têm sistemas próprios, políticas próprias ou volume suficiente para as taxas por resolução ou por lugar começarem a doer. Construímos sobre a stack que já têm, por isso não há lock-in nem imposto por lugar — o único custo corrente são os tokens do modelo.

Duas opções por agente: setup único a partir de 1500 €, ou fee mensal fixo — hosting, retraining e afinação contínua incluídos, sem surpresas por ticket ou por lugar. As plataformas prontas cobram muitas vezes por resolução ou por conversa, por cima das licenças por lugar, e são elas que definem o que conta como "resolução"; uma construção à medida é orçamentada à cabeça e o único custo variável são os tokens do modelo, normalmente cêntimos por conversa. Comecem com um agente num workflow e expandam quando os números de resolução se aguentarem.

A maioria: Zendesk AI agents, Intercom Fin, Salesforce Agentforce e Ada escalam para pessoas dentro do seu próprio helpdesk. A diferença está no que segue com a passagem. Uma boa passagem leva a transcrição completa, a ficha do cliente, o que o agente já tentou e um próximo passo sugerido, para o cliente não repetir nada. Um agente à medida faz isso no helpdesk que já usam.

Sim, pelas APIs dos vossos sistemas e dentro de limites definidos por vocês: reembolsos abaixo de um valor, alterações antes do envio, upgrades e cancelamentos de plano, reposição de passwords. O que passa do limite, sai da política ou não tem volta vai para uma pessoa com o caso já preparado. Cada ação fica registada com o motivo, para poder ser auditada ou revertida.

Por regras que se conseguem ler: o pedido está fora dos seus workflows, há uma exceção à política (um reembolso acima do limite, uma devolução fora de prazo), a confiança na resposta é baixa, o cliente está irritado ou pede uma pessoa, ou o tema está na lista do que nunca se automatiza. Afinamos estes critérios com os vossos tickets antigos antes do lançamento e revemos as passagens todas as semanas.

É assim que o faríamos. Escolham uma fila — perguntas de faturação ou estado de encomendas — e ponham o agente nela durante um período fixo, medindo a taxa de resolução automática e o CSAT contra a mesma fila tratada por pessoas. Se os números se aguentarem, a fila seguinte entra sobre a mesma construção; nada é refeito, porque a base de conhecimento, as ferramentas e as regras passam de uma para a outra.

Sim. Um agente à medida não tem taxa por resolução nem por lugar: a construção é orçamentada à cabeça e o custo de funcionamento são os tokens do modelo, normalmente cêntimos por conversa. Plataformas como o Intercom Fin (0,99 USD por resultado) ou o Zendesk (1,50–2,00 USD por resolução automática) cobram por resultado — mais simples com pouco volume, mais caras à medida que o volume cresce.

Pode e deve. Os tickets resolvidos, sem dados pessoais, entram na base de conhecimento para o agente responder como as vossas melhores pessoas já respondem, e algumas centenas deles passam a ser o conjunto de testes que tem de passar antes do lançamento. Respostas novas entram na base de conhecimento depois de revistas, não automaticamente a partir de conversas em curso.

Porque o agente o diz. Pelo AI Act (artigo 50.º), um sistema que fala com pessoas tem de deixar claro que é uma IA, a não ser que isso seja óbvio pelo contexto. Pomos isso na primeira mensagem e mantemos a opção "falar com uma pessoa" disponível em todos os canais.