Assistentes de IA conversacionais para a experiência do cliente (CX) corporativa: precisão, governança e FCR

A demonstração do seu assistente de IA foi excelente. Na produção, ele responde com fluência, mas não resolve quase nada, e a fila de escalonamento voltou ao ponto de partida.

Um assistente de IA conversacional é um software que compreende a linguagem natural, seja falada ou digitada, interpreta o que o cliente deseja e fornece uma resposta adequada, baseada em uma fonte de conhecimento controlada, seja por chat, voz ou pesquisa.

Três fatores diferenciam um assistente de nível empresarial de um de nível de consumidor: precisão, governança e resolução no primeiro contato. Se houver falha em qualquer um desses aspectos em uma conta regulamentada, um assistente fluente se torna um risco.

Pontos principais

• Um assistente de IA conversacional compreende a linguagem natural e resolve os problemas dos clientes por meio de chat, voz e pesquisa, em vez de apenas encaminhá-los ou desviá-los.
• O Enterprise CX eleva o padrão em três eixos ao mesmo tempo: precisão, governança e resolução no primeiro contato.
• A precisão decorre do fato de cada resposta se basear em uma fonte de conhecimento regulamentada; é assim que a plataforma alcança uma precisão superior a 98% desde o primeiro dia, com praticamente nenhuma resposta inventada.
• Governança significa ser auditável, não apenas seguro. Cada resposta deve ser rastreável e justificável, o que é de suma importância nos setores de serviços financeiros, viagens e hotelaria, jogos de azar e jogos online, e SaaS B2B com clientes sujeitos a regulamentação.
• Pronto para testar isso em seus próprios casos de uso? Agende uma demonstração.

O que são assistentes de IA conversacionais?

Um assistente de IA conversacional interpreta a intenção a partir da linguagem natural, seja falada ou digitada, e retorna uma resposta validada; em seguida, ele conclui a tarefa ou a encaminha a uma pessoa, fornecendo todo o contexto.

Essa é uma categoria diferente de duas coisas que os compradores costumam associar a ela. A primeira é o chatbot com roteiro pré-definido ou o IVR baseado em menus, que associa palavras-chave a uma árvore de decisão e deixa de funcionar assim que o cliente formula uma solicitação de maneira inesperada.

O segundo é o bot generativo não regulamentado, que parece fluente, mas produz respostas de forma probabilística, sem garantia de ligação a uma fonte aprovada e sem registro do motivo pelo qual disse o que disse.

Um assistente de nível empresarial não se enquadra em nenhuma dessas duas categorias. Trata-se de um sistema de resposta inteligente baseado em IA com capacidade de ação: ele compreende a solicitação, recupera uma resposta regulamentada e resolve o problema, em vez de simplesmente responder. Também não é um script de automação.

Ferramentas de RPA, como o UiPath ou o Automation Anywhere, e plataformas de desenvolvimento com pouco código, como o Zapier ou o Make, transferem dados entre sistemas com base em regras fixas, mas não compreendem a pergunta de um cliente nem a resolvem por meio de uma conversa.

Uma conversa natural é o mínimo esperado. O verdadeiro teste é saber se podemos confiar no assistente para lidar com uma disputa sobre taxas, uma dúvida sobre políticas ou uma ação relacionada à conta, e essa confiança vem da forma como a resposta é elaborada, não da fluidez com que ela é apresentada.

Por que a experiência do cliente (CX) no setor empresarial representa um desafio maior do que a IA voltada para o consumidor

Os assistentes de atendimento ao consumidor são programados para parecerem convincentes. A experiência do cliente (CX) corporativa em setores regulamentados exige que todas as respostas sejam corretas, consistentes e comprováveis, pois o custo de um erro não é uma avaliação negativa, e sim um risco de não conformidade.

Uma resposta incorreta sobre uma taxa, uma informação inconsistente entre dois canais ou uma alteração na conta que o cliente não autorizou pode dar origem a uma reclamação, uma fiscalização ou uma multa.

É por isso que a barra se move em três eixos ao mesmo tempo. O assistente precisa ser preciso o suficiente para resolver o problema, controlado o suficiente para comprovar o que aconteceu e eficaz o suficiente para encerrar a interação logo no primeiro contato.

A maioria das ferramentas se concentra em otimizar um aspecto e, sem dar na vista, deixa os outros dois de lado.

À medida que os clientes cada vez mais iniciam sua jornada de atendimento por meio de uma interface conversacional, o assistente passa a ser a porta de entrada para a marca, em vez de um canal secundário, e essa porta de entrada precisa estar à altura do escrutínio.

Precisão: Por que a IA conversacional deve resolver problemas, e não apenas responder

A maior parte do conteúdo de IA conversacional se limita ao desvio e à contenção. Essas métricas medem se foi possível evitar o contato com um ser humano, e não se o problema do cliente foi resolvido.

Esses números podem aumentar à medida que o número de contatos repetidos também cresce, o que significa que você está afastando os clientes sem resolver nada. A resolução no primeiro contato é o indicador mais preciso: o cliente obteve a resposta correta e concluiu a tarefa logo na primeira vez?

A precisão depende da exatidão, e a exatidão depende da fonte. Um assistente que gera respostas na hora estará, com certeza, errado em uma determinada porcentagem das vezes, e, em um ambiente de atendimento ao cliente regulamentado, uma resposta errada dada com convicção é do tipo que sai caro.

Um assistente que busca informações em uma fonte de conhecimento controlada retorna a resposta validada ou nada.

Na prática, essa diferença se traduz em uma melhoria de +35% na resolução no primeiro contato e de +30% na satisfação do cliente (CSAT), pois os clientes deixam de ser transferidos entre uma ferramenta que faz suposições e um atendente que precisa recomeçar do zero.

Governança: Por que uma IA conversacional “segura” não é suficiente

“Seguro” e “auditável” são padrões diferentes, e a diferença entre eles determina se é possível fazer a implantação em uma conta regulamentada. “Seguro” significa que a IA não dirá nada prejudicial. “Auditável” significa que é possível comprovar o que a IA disse e por quê.

Um fornecedor pode incluir o ocultamento de informações de identificação pessoal (PII) e um registro de auditoria e considerar o resultado em conformidade, mas simplesmente adicionar uma camada de registro a uma “caixa preta” não torna o caminho da decisão reconstruível. O modelo ainda gerou a resposta de forma probabilística.

O registro apenas indica que isso ocorreu.

Essa é a diferença entre a “caixa de vidro” e a “caixa preta”. Uma caixa preta produz uma resposta e, em seguida, apresenta uma explicação aproximada a posteriori.

Uma caixa de vidro é auditável por meio da arquitetura, pois o caminho da decisão é a própria arquitetura; assim, é possível mostrar exatamente qual fonte controlada produziu qual resposta.

Para o diretor de riscos, o diretor de conformidade e o CISO, que detêm poder de veto sobre o uso de IA em contas regulamentadas, essa capacidade de reconstrução é o critério de aquisição.

Além disso, está passando de uma questão de preferência para uma obrigação: a Lei da IA da UE classifica usos como a pontuação de crédito como de alto risco, o que acarreta obrigações de documentação e transparência.

As medidas de segurança não são opcionais na hora de escolher um fornecedor de IA, e elas precisam estar integradas desde o início, não ser adicionadas posteriormente.

A arquitetura por trás de assistentes precisos e controláveis

A precisão e a auditabilidade têm a mesma origem: a forma como o assistente gera uma resposta.

Em uma arquitetura que prioriza o conhecimento e na qual o uso de LLM é opcional, o conteúdo é pré-processado em intenções regulamentadas, que são vinculadas à sua fonte por meio da Engenharia do Conhecimento e da Inteligência Programada.

Quando um cliente faz uma pergunta, o assistente identifica a intenção e retorna a resposta validada. O modelo de linguagem de grande escala é usado para formular essa resposta em linguagem natural. Ele não inventa o conteúdo.

Compare isso com a geração aprimorada por recuperação, aplicada sobre uma caixa preta, em que o modelo ainda elabora a resposta e uma sobreposição posterior tenta explicá-la depois.

Essa abordagem tem suas utilidades, mas inverte o modelo de confiança: primeiro você gera, depois explica. Uma abordagem que prioriza o conhecimento inverte esse processo de volta.

A resposta é gerada antes mesmo de o cliente fazer a pergunta, e é assim que o Inbenta Encore mantém uma precisão de mais de 98% desde o primeiro dia, com quase nenhuma resposta inventada.

Essa é a diferença entre uma plataforma empresarial e um modelo de uso geral envolto em uma interface de experiência do cliente (CX).

Assistentes de IA conversacionais na prática, por setor

A mesma arquitetura se apresenta de maneira diferente dependendo do setor em que for implementada. O objetivo é traduzir a auditabilidade para o contexto regulatório específico, e não reivindicá-la de forma abstrata.

Serviços financeiros

Divulgações consistentes em chat, chamadas de voz e pesquisa; registros de interação que possam ser comprovados em caso de investigação; e consultas sobre contas e atendimento tratadas dentro dos limites de conformidade.

Veja como o BBVA aprimorou seu atendimento ao cliente com a Inbenta, servindo de referência.

Viagens e hotelaria

Processamento multilíngue de grande volume em mais de 90 idiomas, registro de atividades em conformidade com o GDPR para operações na UE, além de remarcação e resolução de status que encerram o processo, em vez de abrir um ticket.

A GOL Airlines lida com mais de 10 milhões de consultas por ano nesse contexto.

Jogos de azar e jogos online, e SaaS B2B com clientes sujeitos a regulamentação

Resolução de nível 1 em grande escala, transferência com contexto completo para um atendente humano quando necessário e capacidade de auditoria que seus próprios clientes podem aproveitar para garantir sua conformidade.

Em todos esses casos, o Encore mantém a resposta baseada em uma única camada de conhecimento padronizada, de modo que o assistente se comporte de maneira consistente, independentemente de o cliente estar digitando, ligando ou fazendo uma busca.

Essa consistência é, por si só, uma característica de governança: a mesma pergunta recebe sempre a mesma resposta aprovada. Apresente suas dúvidas mais complexas na avaliação, em vez das mais fáceis, pois é nos casos extremos que fica evidente a diferença entre os fornecedores.

Manter a precisão dos assistentes após o lançamento

A precisão não é algo que se garante no dia do lançamento; é uma questão de manutenção. O conhecimento evolui, os produtos mudam e as perguntas que os clientes fazem variam de semana para semana.

Um assistente que funcionou com precisão na fase piloto vai perdendo eficácia gradualmente, a menos que algo mantenha atualizada a camada de conhecimento controlada.

A camada de manutenção autônoma do Encore realiza esse trabalho continuamente, atualizando e reconciliando a base de conhecimento após o lançamento, de modo que a precisão seja mantida mesmo sem uma equipe de conteúdo permanente.

Essa é uma promessa muito diferente daquela de um modelo que afirma aprender com o tempo por meio de ajustes automáticos, que é exatamente o comportamento que um comprador regulamentado não pode auditar.

O que se deve exigir de uma plataforma empresarial de IA conversacional

Use essas perguntas para testar a capacidade de qualquer fornecedor, inclusive este:

• Isso resolve o problema ou apenas desvia o contato?
• Todas as respostas podem ser rastreadas até uma fonte regulamentada e são defensáveis em uma auditoria?
• Qual é o nível de precisão no primeiro dia, e o que garante que ele continue preciso após o lançamento?
• Quantos canais, idiomas e sistemas ele abrange? O Encore oferece suporte a mais de 90 idiomas e mais de 850 integrações.
• A implantação ocorre em semanas, em vez de após meses de trabalho de desenvolvimento personalizado?

Leve para a avaliação suas consultas mais complexas, em vez das fáceis, pois é nos casos extremos que fica evidente a diferença entre os fornecedores.

Como a Encore oferece uma IA conversacional precisa e regulamentada

O Encore é uma plataforma unificada de IA agênica, e não um conjunto de produtos separados.

Conhecimento, chat, pesquisa e suporte são casos de uso que se baseiam na mesma estrutura regulamentada; é por isso que a resposta permanece consistente , independentemente de o cliente entrar em contato por chat, por telefone ou por meio da pesquisa de autoatendimento.

A plataforma combina elementos comprovados em termos de precisão, resolução e velocidade, em uma arquitetura que é auditável por natureza, em vez de ser explicada a posteriori:

• +98% de precisão desde o primeiro dia
• +35% de melhoria na resolução no primeiro contato
• Melhoria de +30% no CSAT
• Custo indireto 50% menor
• Implantação +75% mais rápida
• Pesquisa 2,5 vezes mais rápida

Essa combinação foi o motivo pelo qual a Inbenta ganhou o Prêmio TSIA Star para o Inbenta Encore na categoria “Inovador do Ano em Sucesso Digital do Cliente”.

Para os líderes de experiência do cliente (CX) e de risco que já passaram pela experiência de um projeto-piloto que parecia promissor, mas não resistiu a uma auditoria, a diferença está na arquitetura: uma “caixa de vidro”, com foco no conhecimento e projetada para resolver problemas. Agende uma demonstração para ver como o Encore lida com seus casos de uso reais.

Perguntas frequentes

Em que a IA conversacional difere de um chatbot?

Um chatbot associa palavras-chave a um menu pré-definido e interrompe a conversa quando se depara com expressões inesperadas. Um assistente de IA conversacional interpreta a intenção a partir da linguagem natural, fornece uma resposta adequada e resolve a tarefa ou repassa o caso com todo o contexto. A diferença está na resolução, não apenas na resposta.

Qual é o nível de precisão dos assistentes de IA conversacional corporativos?

Isso depende inteiramente da fonte. Assistentes que geram respostas de forma probabilística, às vezes, erram com toda a certeza. Um assistente que prioriza o conhecimento e se baseia em uma fonte controlada atinge +98% de precisão desde o primeiro dia, com quase zero de respostas inventadas.

A IA conversacional é capaz de atender aos requisitos de conformidade em setores regulamentados?

Sim, quando a segurança é garantida pela arquitetura, e não por complementos. Compradores sujeitos a regulamentação precisam comprovar o que o assistente disse e por quê. Um projeto do tipo “caixa de vidro” vincula cada resposta à sua fonte regulamentada, de modo que o caminho da decisão possa ser reconstruído para uma auditoria.

O que é a resolução no primeiro contato e por que ela é mais importante do que o desvio?

A resolução no primeiro contato mede se o problema do cliente foi realmente resolvido na primeira interação. O desvio mede apenas se foi possível evitar o contato com um atendente humano; portanto, esse indicador pode aumentar mesmo que o número de contatos repetidos também aumente. A resolução é a métrica mais confiável para a experiência do cliente (CX) e as operações.

De que forma a arquitetura que prioriza o conhecimento melhora a precisão do assistente?

O conteúdo é pré-processado em intenções regulamentadas vinculadas à sua fonte, de modo que o assistente retorna uma resposta validada em vez de gerá-la na hora. O modelo de linguagem formula a resposta, mas não a inventa. É isso que mantém a precisão em alto nível e garante que ela seja auditável.