O maior erro da era da IA é continuar gerindo CX como um call center

Bruno aqui 👋

Em julho eu escrevi aqui que, em 150 reuniões com gente de CX, ninguém tinha me pedido implementação de IA pra substituir (e demitir) gente. Chegou bastante resposta boa. Chegaram também perguntas, e eu percebi uma dúvida frequente: ok, ninguém demitiu, mas e aí? Se o time ganhou hora de volta, essa hora foi alocada pra quê?

Fui pouco específico sobre essa parte e voltei pra aprofundar. Os números de um cliente nosso respondem bem isso:

A Lia é uma plataforma de checkout pra empreendedor digital e negócio digital, então o atendimento ao cliente deles é B2C e – majoritariamente – com questões financeiras. A maioria dos temas envolve: boleto, cobrança, cancelamento e renegociação no meio (ou seja, cliente que já chega na conversa com dinheiro em jogo).

Eles usam a ClaudIA pra automatizar a resolução de boa parte desses problemas e a gente acompanha os números de perto. Em setembro do ano passado o fluxo principal de chat da Lia recebeu pouco mais de 8 mil tickets, e em agosto deste ano foram 13,4 mil, 67% a mais (o famoso “problema bom” do crescimento).

Nesse mesmo intervalo a fatia que a IA resolve 100% sozinha subiu de 40% pra 45,5%, e setembro já começou acima de 50%. O CSAT das conversas que ela resolveu ficou entre 88% e 92% nos doze meses e não saiu dessa faixa enquanto a retenção subia. Quem já tentou fazer uma agente de IA segurar mais conversa sem o cliente reclamar sabe que é essa segunda linha que dá trabalho.

Baita sequência de números, mas falta o que me pegou de verdade:

A IA da Lia resolveu sozinha em agosto quase o dobro dos tickets de setembro do ano passado, ou seja, mais da metade das conversas por mês que ninguém do time precisou abrir.

Chamei o James, que já escreveu aqui no final de 2025, pra voltar e aprofundar isso. Ele passou esse ano inteiro com a pergunta que vocês também têm feito: eficiência pra quê?

Pra quem não leu a primeira edição dele, o James Silva é Lead de Customer Experience na Lia, tem oito anos de operação nas costas, passou por empresas como Cuponomia e Quero Educação, e foi quem contou aqui, no fim do ano passado, como liderou uma série de iniciativas de automação sem pedir uma linha de código pro time de tecnologia. Dessa vez ele não veio falar de como automatizar, veio destrinchar o que aconteceu depois. Fiquem com ele que vale.

Da última vez que estive aqui eu escrevi sobre o que automatizar e quando. Um ano depois, o assunto (e o interesse da galera de CX) mudou: o que a gente fez com o tempo que a automação devolveu?

Aqui na Lia a resposta foi mudar o time de lugar. A gente entregou pra IA o que não precisa de gente (como segunda via de boleto, cancelamento e dúvida repetitiva), tudo integrado via API, e usou o tempo que saía dessas filas em campanha de recuperação de receita e nos casos que exigem negociação de verdade. E quando o time passou a fazer esse outro trabalho, a gente percebeu que o painel continuava julgando ele com a régua do trabalho antigo.

Durante muito tempo, pra avaliar se uma operação ia bem, a gente olhava pra eficiência. Responder mais rápido, baixar o tempo médio, fechar mais ticket, fazer mais com menos. E nada disso perdeu importância. Só que a IA assumiu uma parte grande do trabalho repetitivo e a maioria das operações que eu conheço segue sendo gerida como pré-IA, com o mesmo painel e a mesma conversa com a diretoria.

CX é a área que mais escuta o cliente. Passam por ela dúvida, objeção, frustração e expectativa, e dentro dessas conversas tem retenção, receita recuperada, conversão e muita informação que produto, marketing e comercial pagariam pra ter. Quando a gente gere tudo isso só olhando pra tempo médio, primeira resposta, SLA e volume, a gente está medindo a operação de um call center (e deixando o resto, que é muita coisa, passar sem nome). Eu não falo call center de forma pejorativa, falo pra ilustrar um tipo de gestão em que tempo e volume definem, isoladamente, o que é bom trabalho. É uma visão antiga de eficiência.

Foi nesse trabalho novo que a régua errou a mão.

A gente olhava o tempo total de resolução como métrica de eficiência, totalmente natural. Quanto mais rápido a conversa fecha, melhor parece o resultado, e a IA tinha justamente derrubado esse tempo nas demandas simples.

Só que, quando cruzamos esse indicador com os outros resultados da operação, apareceu um dado novo. Algumas das conversas mais longas, as que puxavam a média pra cima e no painel tinham cara de problema, estavam gerando conversão.

Naquele contexto, o tempo a mais não era ineficiência, pelo contrário. Era negociação bem conduzida, objeção trabalhada com calma, e em muitos casos era a diferença entre o cliente converter ou ir embora com o atendente encerrando conversa na pressa pra bater meta operacional. A meta de tempo, levada ao pé da letra, estava pedindo pro time jogar dinheiro fora.

Ninguém precisa estar fazendo nada errado pra isso acontecer. Num painel que só olha tempo, quem estica a conversa pra contornar uma objeção aparece como o menos eficiente da semana, e quem encerra rápido vira exemplo. Se a meta não muda, a operação acaba premiando quem desliga primeiro e ensinando o resto a fazer igual. Por mais sagaz que seja um atendente, ele quer (e precisa) cumprir meta.

Tempo de atendimento segue valendo. A gente só não olha mais uma métrica sozinha, pra não incentivar o comportamento errado. Isso é o que precisa mudar.

Conversa curta não é necessariamente conversa boa, conversa longa não é necessariamente ineficiente, e o que define mesmo se teve eficiência é o contexto e o resultado, os dois precisam entrar na análise junto com o relógio.

A mudança de cabeça que eu acho mais urgente pra quem gere CX hoje é continuar buscando eficiência, cortando desperdício e melhorando processo, só que ao mesmo tempo em que se pergunta pra que serve essa eficiência.

Se a gente responde mais rápido mas perde oportunidade de retenção, a operação melhorou? Se o tempo de atendimento caiu e a conversão caiu junto, o indicador está medindo sucesso ou só velocidade?

Nenhuma das duas perguntas dá pra responder olhando só pra tempo e volume, e por isso, ao lado das métricas antigas, que continuam lá, passaram a fazer parte do meu painel outras perguntas: quanto de receita a operação reteve ou recuperou no mês, que oportunidades o time achou nas conversas, quais objeções se repetem e se produto e comercial já sabem delas, e que informação chegou pelo atendimento e nunca saiu dele.

Já sabemos quantas horas a IA economiza. Precisamos nos perguntar, agora, o que é estratégico fazer com o tempo e a capacidade que ela devolve.

Dá pra usar esse ganho só pra aumentar volume e reduzir custo, ou dá pra usar em trabalho que exige cérebro de gente: ler as conversas com calma, identificar padrão, trabalhar retenção, alimentar as outras áreas e automatizar o processo interno que ainda roda na mão.

Isso muda o papel de quem gere CX. Não basta a operação estar rodando, a gente precisa traduzir experiência em impacto e mostrar onde o atendimento reduziu trabalho operacional, onde recuperou receita, onde aumentou conversão, onde evitou perda e onde trouxe informação que fez outra área decidir melhor.

A objeção que eu mais escuto é "o meu diretor foca muito em custo por ticket". Eu entendo, e digo que ele vai continuar focando, porque é um número importante também. O problema é ser só isso. Essa objeção pode ser quebrada, aos poucos, com o que você escreve do lado desse número. "O tempo médio subiu no fluxo de renegociação, e a taxa de acordo subiu junto". Mesmo quando ficar mais barato, inclui o outro dado: "o custo por ticket caiu e a receita recuperada pela operação foi tanto". Isso vai educando todo mundo a olhar pro custo (e pra tal da eficiência) sempre considerando o contexto.

Quando o número de negócio aparece ao lado do operacional, a conversa com a diretoria foca menos em quanto custa o atendimento. E fica mais fácil mostrar o quanto o atendimento devolve.

A IA está tirando peso operacional das pessoas. Agora cabe a quem lidera decidir o que fazer com esse espaço. Continuar gerindo CX pra responder mais rápido e fechar mais ticket é desperdiçar a maior oportunidade que essa mudança abriu.

Eficiência continua importando, só não pode mais ser um objetivo cego. Na era da IA, não dá pra continuar gerindo CX como um call center.

Bruno de volta, só pra fechar.

Depois de ouvir o James, fica claro que a métrica de call center, por mais que não esteja errada, se tornou insuficiente.

Retenção de 45% com CSAT de 88% é um número que eu adoro mostrar, mas ele responde quanto a IA resolve, e não o que o time faz com o tempo que ela devolve. É com a segunda pergunta que CX deixa de ser centro de custo na cabeça de quem assina o orçamento, porque apareceu um dado/um número de receita do lado do custo. Isso revela eficiência de verdade.

Me conta qual métrica de negócio você já coloca do lado do TMA no teu painel? Se a resposta for nenhuma: o que tá travando? Responde esse e-mail que eu leio e passo pro James também. Bora aprofundar.

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