60% de resolução automática: o que esse número significa (e quando ele mente).

Quase todo fornecedor de IA para atendimento promete 60%, 70%, às vezes 80% de resolução automática. A maioria não chega perto disso.

Não porque a tecnologia seja ruim. Porque resolução e deflexão são coisas diferentes, e a maioria dos contratos mede a segunda enquanto vende a primeira.

Deflexão: o cliente enviou uma mensagem, a IA respondeu alguma coisa, o cliente não respondeu mais. Encerrado.

Resolução: o cliente tinha um problema. O problema foi resolvido.

Um cliente que pergunta por que minha fatura veio o dobro? e recebe como resposta acesse o portal para consultar sua fatura não foi resolvido. Foi deflectado. Se ele não responder mais, muitos sistemas marcam isso como sucesso.

Essa distinção explica por que operações de atendimento que têm IA continuam cheias de reclamações no Reclame Aqui.

A primeira fase de qualquer implementação de IA para atendimento é rápida e animadora. FAQs, rastreamento de pedidos, segunda via de boleto: esses casos são fáceis. A IA resolve de verdade, o cliente fica satisfeito, os números sobem.

Aí vem o platô.

Os casos que ficaram são os difíceis: perguntas fora da base de conhecimento, situações que exigem consulta a sistemas externos, clientes que já estão frustrados antes de começar. Esses casos não são 5% ou 10% do volume. São 30% a 50%. E eles não melhoram sozinhos.

A diferença entre uma operação que fica em 30% e uma que chega em 60% não é a qualidade da IA. É o que foi construído para lidar com os casos difíceis.

A IA precisa saber quando não sabe. Isso parece óbvio. Não é. Um agente de IA mal calibrado tenta responder tudo, mesmo sem ter a resposta certa. O cliente fica em loop. A conversa encerra sem resolução, mas o sistema conta como atendimento concluído.

Uma IA bem construída detecta seus próprios limites. Identifica quando o caso está fora do escopo e encaminha para um humano com o histórico completo da conversa preservado. O cliente não repete nada.

A base de conhecimento precisa ser mantida. A maioria das implementações parte de uma base boa no dia da virada. Três meses depois, produtos mudaram, políticas mudaram, novas perguntas apareceram e a base não acompanhou. A IA começa a dar respostas desatualizadas. Os scores caem. Ninguém percebe porque ninguém está medindo 100% das conversas.

O que a IA não resolve precisa ir para algum lugar. Se não existe operação humana integrada para absorver os 40% restantes, esses casos simplesmente caem. O cliente fica sem resposta. A experiência que mais importava, justamente porque era o caso difícil, foi destruída.

A percepção de qualidade de uma operação de atendimento é determinada de forma desproporcional pelos casos difíceis, não pelos fáceis.

Um cliente que rastreou o pedido em 30 segundos não vai falar sobre isso. Um cliente que ficou em loop com a IA tentando cancelar um serviço vai falar bastante.

Como sua operação trata os 40% que a IA não consegue resolver define muito mais a percepção do cliente do que o que a IA faz com os 60% que ela consegue.

Se esses casos vão para um atendente humano com o histórico completo da conversa, que sabe qual foi a intenção detectada e recebe sugestões em tempo real, a experiência é boa. Se vão para uma fila genérica sem contexto, a experiência é ruim independente de quantas estrelas sua IA tem no G2.

A maioria das operações faz QA manual em 2% a 5% das conversas. Foi aceitável quando monitoramento manual era o único método disponível.

Não é mais.

Com 3% de cobertura, você descobre os problemas depois que já viraram reclamação. Com 100%, score automático de clareza, esforço percebido pelo cliente e intenção detectada em cada conversa, você descobre antes.

O ciclo entre identificar que um tipo de pergunta está gerando respostas ruins e corrigir isso cai de semanas para dias. A taxa de resolução real sobe porque os pontos de falha ficam visíveis rapidamente, não no relatório do mês seguinte.

Quando um fornecedor mostrar 60% de resolução automática, vale fazer duas perguntas:

Como vocês definem resolvido: o cliente confirmou a resolução, ou a conversa simplesmente encerrou?

E o que acontece com os outros 40%?

As respostas dizem mais sobre a operação do que qualquer slide de benchmark.