As seis camadas do CX Engineer

Ian aqui 👋

Há alguns meses saiu um artigo meu na Forbes apresentando uma função nova que está nascendo dentro das áreas de CX e que eu chamei de CX Engineer. Na época, eu trouxe aqui pra news a tradução na íntegra.

Aquele texto terminava apresentando um esqueleto: as seis camadas que compõem a engenharia de CX. Saiu agora um segundo artigo, de novo na Forbes, que pega esse esqueleto e abre cada uma. O que a camada resolve, quem é dona dela, e por que elas só entregam resultado quando trabalham juntas.

Resolvi traduzir esse segundo texto no CXperts também, pelo mesmo motivo do primeiro: (pra mim a maior) parte do valor tá em trazer o papo pro nosso país e pra nossa língua.

No trimestre passado, conversei com a head de CX de uma empresa de SaaS em fase de escala. Seis meses depois de colocarem o agente de IA no ar, a taxa de automação tinha chegado a 68%. No mesmo período, o NPS (net promoter score) caiu 11 pontos. O problema não era o modelo. Era que ninguém era dono da arquitetura. As intenções foram herdadas de uma taxonomia antiga de tickets, a base de conhecimento nunca tinha sido auditada, e os escalonamentos caíam numa fila genérica sem contexto. Cada camada tinha um dono diferente, o que na prática significa nenhum dono.

Esse padrão não é exceção. O Gartner prevê que, até 2027, metade das empresas que cortaram equipe de atendimento por causa de IA vão precisar recontratar. O relatório State of AI in Business 2025, do MIT NANDA, mostrou que 95% dos pilotos de IA em empresas falham em gerar impacto mensurável em P&L. O padrão se repete: as empresas não tratam a implementação de IA como um problema de design de sistema.

No meu artigo anterior, defendi que CX está virando uma disciplina de engenharia. Aqui eu vou mais fundo no que essa disciplina é na prática: das camadas a quem é dono de cada uma e como elas se encaixam.

Antes de qualquer prompt, o CX Engineer precisa entender os objetivos do negócio. Um pedido de reembolso de uma conta de alto ARR (receita recorrente anual) e o de um cliente de e-commerce direto ao consumidor (DTC) de cinco dólares são idênticos na fila, mas têm implicações de negócio completamente diferentes.

O problema de domínio não é novo. Um estudo da McKinsey com a Universidade de Oxford mostrou que os maiores preditores de sucesso não eram a escolha de tecnologia, e sim estratégia, alinhamento de stakeholders e talento. Falhar nessas dimensões respondia por cerca de metade de todos os estouros de custo.

Para cada tipo de pergunta do cliente, o CX Engineer decide qual mecanismo vai resolver. Em vez de perguntar "o que dá pra automatizar?", a pergunta é "o que a gente não quer que a IA resolva?". Todo o resto vira um problema de design.

Algumas perguntas se resolvem com conteúdo. Outras com um micro-agente especializado. Outras com acesso a sistemas de back-office. E outras com um arranjo multi-agente que imita o julgamento humano.

É aqui que se ganha ou se perde a batalha contra a alucinação. Pesquisas sobre sumarização ancorada mostram que os melhores LLMs alucinam entre 0,7% a 1,5% das vezes quando estão bem ancorados no material de origem. Mas essa taxa sobe rápido à medida que os documentos ficam mais longos e mais complexos.

A armadilha comum é tratar conhecimento como depósito: artigos escritos para humanos são indexados inteiros, duplicatas se acumulam e contradições ficam sem solução. Uma boa arquitetura de conhecimento exige fatos isolados, versionamento das entradas, ownership claro e auditorias periódicas.

Se a Camada 2 é a planta, a Camada 4 é o encanamento. O orquestrador roteia a conversa para o agente especializado certo, passa o contexto completo entre os agentes, monitora os scores de confiança e decide se continua, tenta de novo ou escala. Pesquisas sobre agentes baseados em LLM mostram que as alucinações se acumulam ao longo dos passos de raciocínio em fluxos com múltiplas etapas. É por isso que lógica disciplinada de handoff e de confiança não são preferência de design.

Um estudo da Qualtrics descobriu que quase um em cada cinco consumidores que usaram IA no atendimento não viram benefício nenhum. A Cisco relatou que o Webex AI Agent reduziu escalações em 85% para um grande cliente, justamente por tornar a escalação confiável. Boa escalação é funcionalidade, não falha.

Taxa de automação e taxa de qualidade andam sempre juntas. A Klarna é o caso clássico de alerta. No começo de 2024, a empresa anunciou que seu chatbot de IA estava cuidando de dois terços das conversas de suporte e fazendo o trabalho de 700 agentes. Na metade de 2025, o CEO admitiu publicamente que a estratégia AI-first tinha gerado um resultado de "qualidade mais baixa", e a empresa começou a recontratar gente. Automação sem taxa de qualidade é métrica de vaidade.

Qualidade exige um volume de conversas revisadas manualmente suficiente pra estabelecer o que é "bom". São elas que calibram um pipeline de LLM-as-judge (a IA avaliando a própria IA) e permitem escalar. LLMs bem calibrados como juízes chegam a mais de 80% de concordância com avaliadores humanos, comparável à concordância entre os próprios humanos.

Mas calibração não é evento único. Os revisores precisam corrigir as divergências continuamente, devolvendo essas correções pro avaliador. Avaliação automática sozinha desvia com o tempo, e auditoria manual sozinha não escala. A disciplina é rodar as duas em paralelo, pra sempre.

Boa otimização contínua exige duas competências específicas. A primeira é fluência em experimentação: entender testes A/B, poder estatístico, tamanho de amostra e o ponto em que você tem sinal suficiente pra agir. Sem isso, os times ou sobem mudanças em cima de ruído ou travam porque o resultado nunca parece "significativo" numa amostra semanal pequena. A segunda é saber onde mexer. Uma queda de qualidade pode vir da camada de conteúdo, da camada de micro-agente, do orquestrador ou de interação entre os agentes.

Essa camada também exige uma competência desconfortável: humildade sobre o que a sua empresa consegue sustentar de fato. O relatório do MIT NANDA descobriu que comprar ferramentas de IA de fornecedores especializados dá certo em cerca de 67% das vezes, enquanto construir internamente têm um terço dessa taxa de sucesso. Os custos seguem o mesmo padrão: IA corporativa customizada custa de 100 mil a 500 mil dólares de entrada, mais 5 mil a 20 mil dólares por mês de manutenção, com 65% do custo total aparecendo depois de entrar no ar.

O CX Engineer tem que ser honesto sobre se a empresa tem profundidade de engenharia, paciência de roadmap e compromisso de longo prazo pra ser dona dessa stack pra sempre. Se não tem, vale fazer parceria com um fornecedor especializado por uma fração do custo de construir internamente. É a mesma disciplina que levou as empresas a pararem de rodar os próprios data centers e de escrever os próprios CRMs.

Nenhuma dessas camadas funciona isolada. Conhecimento estratégico de CX sem arquitetura de resolução gera sistemas vagos. Arquitetura de resolução sem estrutura de conhecimento gera alucinações fluentes. Conhecimento sem orquestração gera uma IA que sabe tudo e não faz nada. Orquestração sem monitoramento gera um caminho rápido pra resultados ruins. O CX Engineer é o papel que segura as camadas juntas, porque ninguém mais na organização está posicionado pra enxergar as seis ao mesmo tempo.

Nos próximos 18 a 24 meses, eu acredito que a engenharia de CX vai deixar de ser um framework e virar uma convenção de organograma, do mesmo jeito que o DevOps virou uma década atrás. As empresas que começarem agora talvez evitem ter que recontratar em 2027.

CXperts é o braço de conteúdo e comunidade da Cloud Humans. Criamos o espaço mais relevante do Brasil para quem acredita que experiência do cliente não é suporte, é estratégia.

O que você encontra no ecossistema CXperts:

1/ CXperts Club: Grupo curado no WhatsApp para líderes reais trocarem entre si — sem buzzword, sem spam. Envie sua aplicação por aqui.

2/ Round Table mensal: Encontro fechado com membros da comunidade para discutir um tema relevante com profundidade.

3/ CXperts Insights: Nossa newsletter semanal com ideias provocativas, benchmarks e reflexões sobre o novo CX.

Feito para quem lidera CX com ambição: nosso foco são c-levels e gestores/heads de Customer Experience em startups e e-commerces em crescimento.

Se você está no front de decisões estratégicas, esse espaço é seu. Junte-se ao CXperts ;)

powered by