O cliente explica o problema para a Inteligência Artificial (IA). A tecnologia não consegue resolver e transfere o atendimento para uma pessoa. Então vem a pergunta que ninguém gostaria de ouvir: “Pode me contar novamente o que aconteceu?”.
A cena resume um dos desafios da adoção de IA no atendimento. Automatizar etapas pode reduzir tempo, ampliar produtividade e resolver demandas simples em segundos. Mas, quando a tecnologia falha e obriga o consumidor a começar tudo outra vez, a eficiência conquistada pela empresa se transforma em esforço para o cliente.
Foi a partir dessa fronteira entre tecnologia e sensibilidade humana que o painel “Algoritmos e consumidores: como garantir uma experiência mais justa, humana e relevante” encerrou as discussões da Arena A Era do Diálogo, no CONAREC 2026.
Mediado por Angélica Urze Mendes, especialista em CX, o encontro reuniu Carmen Duarte, diretora de Operações do Banco BMG; Guilherme Soares, diretor de Customer Service da Samsung Brasil; Camila Ceccarelli, superintendente de Atendimento da Zurich Santander; e Lilian Lopes, diretora de Ouvidoria e Relacionamento da TIM Brasil.
Ao abrir a discussão, Angélica colocou no centro do debate o desafio de tornar o atendimento “mais justo e relevante usando a IA e também não perdendo esse calor humano”.
A resposta construída ao longo do painel mostrou que não se trata de escolher entre pessoas e algoritmos. O desafio está em entender qual deles deve atuar, em que momento e com quanto contexto.
Não transfira o cliente. Transfira o contexto
Demandas simples e transacionais são terreno fértil para automação. Consultar uma informação, obter um código de barras ou realizar uma operação rotineira não precisa necessariamente envolver uma pessoa. A equação muda quando aparecem complexidade, vulnerabilidade ou emoção.
É nesse momento que o transbordo para o atendimento humano deixa de ser uma falha da automação e passa a fazer parte do próprio desenho da jornada.
Carmen Duarte resumiu o princípio adotado pelo BMG. “O cliente não pode pagar o preço de alguma coisa que a gente não conseguiu resolver com a tecnologia. […] Não é transferir o cliente, é transferir o contexto”, afirmou.
No banco, a transcrição do que foi conversado anteriormente acompanha o atendimento. Assim, quando ocorre o transbordo, o profissional consegue acessar o histórico e dar continuidade à conversa, em vez de obrigar o consumidor a reconstruir toda a situação.
Lilian Lopes, por sua vez, reforçou que esse contexto precisa ir além da demanda objetiva. Histórico, impacto do problema e até o sentimento do consumidor ajudam o atendente a compreender o que aconteceu antes de assumir a interação.
Quando a IA chega ao limite, o humano recebe o que ela definiu como um “pacote pronto” e acrescenta justamente aquilo que a tecnologia não conseguiu entregar: acolhimento, compreensão do contexto e, quando necessário, um pedido de desculpas.
O transbordo, portanto, precisa ser transparente e fluido. O consumidor pode até mudar de camada de atendimento, mas sua jornada não deveria voltar ao ponto inicial.
Personalização precisa gerar valor
A mesma lógica vale para os dados. Ter informações sobre o consumidor não significa que qualquer uso delas será percebido como personalização. Para Lilian, o primeiro passo é mais básico: chamar o cliente pelo nome, conhecer seu histórico e evitar perguntas repetidas já são formas de demonstrar que a empresa ouviu o que ele disse.
A Inteligência Artificial amplia essa capacidade, mas também aumenta o risco de errar na dose. “Não basta você pegar uma mensagem de WhatsApp e falar ‘Olá, Lilian’ e me oferecer algo que não faz o menor sentido para o meu contexto”, exemplificou.
Uma oferta de pacote internacional para alguém que costuma viajar pode ser útil. Por outro lado, enviar 20 ou 30 mensagens insistindo na mesma oferta depois que o consumidor demonstrou não querer contratar transforma personalização em incômodo.
A diferença está no valor percebido. Quando a empresa utiliza os dados para reduzir uma barreira ou resolver uma necessidade, o consumidor pode perceber cuidado. Quando apenas multiplica contatos, a sensação pode ser de invasão.
Dados que ignoram o problema
Camila Ceccarelli levou ao painel uma experiência pessoal que mostrou o tamanho dessa contradição. Cliente frequente de um marketplace de moda, ela recebia descontos e promoções baseados em seu histórico de consumo. A personalização funcionava enquanto a jornada de compra também funcionava.
Até que um pedido chegou incompleto. Ao procurar o pós-venda, Camila encontrou um bot que não resolvia o problema e teve dificuldade para chegar ao atendimento humano. Depois de diferentes tentativas, abriu reclamações e continuou buscando uma solução.
A empresa, portanto, já possuía diversos sinais de que aquela cliente estava em uma jornada de atrito.
Mesmo assim, no auge da insatisfação, ela recebeu uma notificação convidando-a a voltar ao aplicativo para comprar com desconto. “Eu ali no meu auge do estresse recebo um push de desconto: ‘Camila, vem aqui comprar’”, contou.
O mesmo conjunto de dados que permitia reconhecer seu histórico de compras não conseguiu impedir uma oferta comercial incompatível com o momento da cliente. O resultado pode aparecer justamente em um dos indicadores que as áreas de CX tentam evitar: churn.
O algoritmo foi justo com o cliente?
A discussão avançou da personalização para outra questão: algoritmos não operam em um ambiente neutro. Eles trabalham com informações, classificações e decisões construídas anteriormente por pessoas. Sem testes e monitoramento, um problema pode não apenas permanecer, mas ganhar escala.
Carmen deu um exemplo simples: um consumidor que precisa de empréstimo e recebe uma oferta de investimento. O sistema pode estar funcionando tecnicamente e, ainda assim, produzir uma experiência inadequada para aquele perfil.
“Os algoritmos não são neutros. Eles estão fazendo alguma coisa baseada no que algum humano deu de informação no passado”, afirmou.
Por isso, a avaliação não pode se limitar à produtividade ou à redução de custos. “No final, não é perguntar: o algoritmo acertou ou não acertou? É: o algoritmo foi justo com o cliente?”, provocou Carmen.
Indicadores de satisfação, NPS, CSAT e reclamações ajudam a revelar efeitos que métricas puramente operacionais podem esconder.
Equidade exige canais e monitoramento
Guilherme Soares acrescentou outra dimensão à discussão: garantir equidade também significa preservar possibilidades de acesso. Para o executivo da Samsung, empresas precisam acompanhar continuamente a reação dos consumidores à introdução de novas soluções e observar mudanças em indicadores de satisfação e experiência.
Ao mesmo tempo, a adoção da IA não deve significar o fechamento de outros canais. Diferentes opções precisam permanecer disponíveis para que perfis distintos consigam chegar à empresa, seja por WhatsApp, e-mail, atendimento presencial ou outros meios.
“Se a gente não tiver esse olhar ou essa escuta dele reportando para a gente, ou sinalizando o que está acontecendo com o nosso NPS, por exemplo, o que está acontecendo com aquele nível de satisfação e de experiência que o cliente tinha”, alertou.
O risco é conquistar ganhos operacionais e, paralelamente, deteriorar a experiência.
Por isso, Guilherme defendeu implementação gradual e monitoramento das etapas. Uma avalanche de novas soluções sem acompanhamento pode produzir justamente o efeito contrário ao esperado.
A voz do cliente enxerga antes do dashboard
Lilian acrescentou que monitorar algoritmos e jornadas não significa apenas acompanhar indicadores. Dados consolidados são importantes, mas uma reclamação individual pode revelar um problema antes que ele ganhe volume suficiente para aparecer em um dashboard.
“O monitoramento precisa passar por várias camadas, desde o dashboard, o dado frio. Mas também passar pela voz do cliente, porque a voz do cliente vai, muitas vezes, antecipar um problema”, afirmou.
Ou seja, segundo ela, essa escuta pode reunir manifestações dos canais internos, da Ouvidoria e de ambientes externos, como Procons e plataformas de reclamação. A combinação ajuda a identificar não apenas se a tecnologia funciona, mas como o consumidor está experimentando aquilo que funciona.
Governança começa dentro da empresa
Quando Angélica levou o debate para governança, as quatro empresas apresentaram modelos diferentes, mas com pontos de convergência: capacitar pessoas, envolver áreas distintas e testar antes de ampliar o uso da tecnologia.
Na TIM, Lilian explicou que o processo começou pelo letramento das equipes em IA. Colaboradores passaram a utilizar ferramentas e copilotos antes que determinadas aplicações alcançassem diretamente os consumidores.
A estratégia ajuda as equipes a compreenderem possibilidades, limitações e impactos da tecnologia na prática. CX e Ouvidoria também participam das discussões como guardiãs da voz do cliente, levando para as decisões informações obtidas nos diferentes pontos de contato.
Na Zurich, Camila destacou a necessidade de olhar especialmente para o que chamou de “caminho infeliz” da jornada. “É mais fácil pensar no caminho feliz sempre”, observou.
O problema é que justamente o caminho que não funciona concentra estresse, esforço e demora. Por isso, a governança acompanha indicadores do canal, abandono, repetição, esforço, sentimento e reclamações.
Antes do consumidor, validação humana
Já na Samsung, Guilherme apresentou outra camada de proteção: introduzir a Inteligência Artificial gradualmente e manter validação humana em determinadas etapas antes de permitir que a tecnologia responda diretamente ao consumidor.
“Quanto mais a gente exercitar dentro da Samsung, com projetos nossos ou entre parceiros, ainda no nosso ambiente, sem encostar ou chegar no consumidor, melhor, mais seguro a gente vai estar”, afirmou.
Essa escolha pode significar abrir mão temporariamente de parte do ganho de produtividade. Em contrapartida, permite testar respostas e corrigir problemas antes de colocá-los em escala. A lógica é desenvolver a transformação de dentro para fora.
Decisão pode ser do algoritmo
No BMG, Carmen explicou que a governança reúne diferentes estruturas. O banco mantém um laboratório de IA no qual as equipes podem experimentar ferramentas antes de levá-las às áreas. Novas iniciativas também passam por um fórum que reúne diferentes especialidades, incluindo Jurídico e Segurança da Informação.
Além disso, um grupo semanal dedicado aos clientes reúne diferentes diretorias para discutir experiência e indicadores.
A estrutura desemboca em um princípio que sintetizou não apenas o modelo do banco, mas boa parte da discussão que encerrou A Era do Diálogo no CONAREC 2026. “A gente pode até delegar as decisões para o algoritmo, mas a gente não pode delegar a responsabilidade que aquele algoritmo vai fazer”, afirmou Carmen.
No fim, o consumidor não precisa conhecer a arquitetura tecnológica por trás de cada interação. Ele percebe se resolveu sua demanda, se precisou repetir informações, se recebeu uma oferta no pior momento possível ou se encontrou acolhimento quando estava vulnerável.
Para questões simples, a melhor experiência pode ser uma IA capaz de resolver tudo em segundos. Em situações complexas ou emocionalmente sensíveis, pode ser uma pessoa preparada para ouvir, compreender e decidir.
