De 39% para 66% em apenas um ano. Essa foi a evolução do uso de agentes de Inteligência Artificial nas organizações de atendimento ouvidas pelo State of Service: AI Agents Edition, da Salesforce. O levantamento global, de 2026, realizado com 3.075 profissionais, mostra ainda que 70% das empresas que adotaram a tecnologia identificaram valor mensurável em até 60 dias. Curiosamente, satisfação do cliente aparece como o indicador que mais melhorou, à frente da produtividade dos atendentes.
Os números ajudam a deslocar uma discussão que, durante muito tempo, esteve concentrada na automação e na redução de custos. Se a tecnologia passa a participar do atendimento, o que muda no trabalho de quem continua do outro lado da conversa?
Para João Francisco Santana Oliveira, vice-presidente de Inovação da NeoHype, uma das vencedoras do Prêmio CONAREC 2026, a resposta passa por uma mudança na própria monitoria. Em vez de apenas fiscalizar scripts, tempo e aderência a processos, a tecnologia pode oferecer contexto ao profissional enquanto a interação acontece. “É copiloto, não fiscal”, resume.
Da teoria à prática
E a aplicação já aparece em operações reais. A NeoHype relata um projeto que reúne mais de 350 lojas e 500 mil atendimentos. Por outro lado, em outro case, a substituição da ligação pelo WhatsApp Business elevou em mais de 70% a efetividade da reconexão com clientes de uma montadora premium.
No CM Entrevista, Oliveira discute o que acontece quando a monitoria deixa de olhar apenas para o desempenho individual. Ademais, ele também explica como integrar os aprendizados do atendimento ao restante do negócio e por que melhorar um indicador isoladamente pode apenas transferir custos.
Da fiscalização à inteligência
Consumidor Moderno: A monitoria de agentes esteve tradicionalmente ligada à produtividade e à eficiência. Como essa tecnologia evoluiu para contribuir também para a experiência e para vínculos mais duradouros com os clientes?
João Francisco Santana Oliveira: A monitoria de agentes nasceu como ferramenta de controle, com script, tempo de atendimento e aderência a processos. Isso resolve custo, mas não resolve relação.
A virada que estamos liderando na NeoHype é sair de uma lógica de fiscalização para uma lógica de inteligência. Passamos a tratar cada interação como dado de jornada, e não como um evento isolado a ser auditado.
Não basta entender como o atendimento aconteceu. O que importa é entender por que aconteceu daquela forma e qual foi o impacto para o cliente.
O grande salto é transformar milhões de interações em sinais que orientam decisões. Quais jornadas geram mais fricção? E quais são os processos que provocam contato recorrente? Quais comportamentos dos agentes aumentam a chance de resolução? Onde a empresa precisa atuar estruturalmente?
Produtividade continua importando como pré-condição, não como objetivo final. Precisamos aprender mais rápido com cada interação e usar esse aprendizado para tornar a próxima experiência melhor.
Apoio em tempo real
CM: Como a monitoria pode ajudar a melhorar a atuação dos agentes e gerar valor para o consumidor, em vez de apenas avaliar o desempenho?
Oliveira: O ganho real está em transformar a monitoria de auditoria retrospectiva em inteligência, em tempo real. Não se trata apenas de pontuar o agente depois que o atendimento acabou.
Hoje, a tecnologia consegue identificar sinais de insatisfação durante a interação. Também pode encontrar oportunidades para resolver algo que o cliente nem verbalizou como pedido ou identificar risco de churn em um tom de voz ou frase específica.
A ideia é usar isso como um grande trunfo. O agente deixa de ser apenas avaliado e passa a ser apoiado. Assim, o cliente sente a diferença na hora, e não somente em uma pesquisa de satisfação alguns dias depois.
“É copiloto, não fiscal”
CM: O que a IA generativa muda nesse cenário? Até onde ela já consegue ajudar o profissional a tomar decisões durante uma interação?
Oliveira: A IA generativa mudou o patamar do que era possível. Já não falamos apenas de transcrição e análise de sentimento. Falamos de sistemas que sugerem a próxima melhor ação para o agente durante a chamada.
Qual objeção está sendo levantada? Qual argumento historicamente resolve aquele tipo de caso? Quando é melhor escalar antes que o cliente peça?
É copiloto, não fiscal. O agente toma a decisão final, mas passa a contar com um contexto que antes somente um supervisor sênior teria. Isso reduz a variação de qualidade entre o melhor agente do time e o mediano e permite enxergar o ganho de experiência em escala.
Existe, porém, uma diferença importante. Não acreditamos em uma IA que simplesmente diga ao agente o que fazer. Acreditamos em uma IA que aumente a capacidade de decisão do profissional.
Isso também muda o papel da liderança. Em vez de gastar energia identificando problemas individualmente, ela pode usar a IA para encontrar padrões, antecipar riscos e atuar de forma mais direcionada.
Além do atendimento
CM: Como fazer o aprendizado obtido nas interações chegar a outras áreas e contribuir para a evolução da jornada?
Oliveira: Monitoria isolada é maximizar um ponto e ignorar o sistema. O valor aparece quando aquilo que aprendemos em uma interação de voz retroalimenta o chatbot, o time de produto e o próprio processo que gerou o atrito.
O maior desafio não é técnico, é organizacional. CX, dados e produto precisam compartilhar um único modelo de jornada, e não três dashboards que não conversam entre si.
Tecnicamente, a barreira costuma estar na fragmentação dos dados entre canais e sistemas legados. No aspecto organizacional, precisamos integrar atendimento, produto e growth para tratar esse dado como um ativo comum.
A monitoria conectada vira inteligência de negócio. Ela usa padrões do passado para prever o futuro, antecipar churn e entender qual pode ser o próximo passo do cliente.
Eficiência sem transferir custos
CM: Como equilibrar produtividade com satisfação, fidelização e recorrência? Quais indicadores mostram que a tecnologia também gera valor para o consumidor?
Oliveira: Produtividade e experiência não deveriam ser tratadas como objetivos opostos. O verdadeiro desafio é encontrar os pontos nos quais eficiência operacional e valor para o cliente se encontram.
Reduzir TMA, por exemplo, pode parecer positivo isoladamente. Porém, se essa redução aumentar a reincidência, diminuir o FCR ou provocar queda de CSAT, estamos apenas transferindo custo de um indicador para outro.
Por isso, precisamos analisar em conjunto TMA, FCR, CSAT, NPS, CES, reincidência, transferências, reclamações e custo por interação. Além disso, precisamos conectar esses indicadores ao resultado financeiro.
A pergunta mais importante deixa de ser “quanto a tecnologia reduziu o custo?” e passa a ser “quanto valor adicional conseguimos gerar para o negócio e para o consumidor?”.
Resultados na prática
CM: E o que essa abordagem já produziu na prática? Pode compartilhar resultados de aplicações da NeoHype?
Oliveira: Dois exemplos recentes mostram esse padrão. No varejo, estruturamos uma jornada omnichannel via WhatsApp, combinando autosserviço por chatbot e atendimento humano.
Atualmente, a operação roda em mais de 350 lojas e já realizou mais de 500 mil atendimentos. O ganho não foi apenas de escala. O agente passou a ter mais contexto para atuar, enquanto o cliente ganhou uma experiência contínua, sem repetir informações a cada contato.
Em uma montadora premium, trocamos a ligação telefônica pelo WhatsApp Business para reconectar clientes que não atendiam ao telefone. O resultado foi um aumento superior a 70% na efetividade da reconexão.
Além disso, reduzimos o esforço improdutivo da operação e respeitamos mais a preferência de canal do consumidor. Tecnologia não está aí para medir o agente. Está para tornar o trabalho dele mais inteligente e a experiência do cliente mais simples e resolutiva
