Como implementar IA em um contact center regulamentado: um caminho controlado até a produção

Para implementar IA em um contact center regulamentado, decida o que a IA tem permissão para dizer antes de decidir qual ferramenta irá dizer isso. Defina primeiro as diretrizes de governança, comece com perguntas informativas de alto volume, valide as respostas antes de colocá-las em operação, mantenha um registro de auditoria que rastreie as respostas até sua fonte aprovada e amplie a autonomia em etapas. Essa é a sequência que a Inbenta recomenda para contact centers regulamentados que implementam o Inbenta Encore, nossa plataforma de IA voltada para o conhecimento para a experiência do cliente.

A implantação de IA é paralisada em uma reunião sobre riscos, e não em uma demonstração

Uma das perguntas que mais gostamos de fazer logo no início é: por que suas implantações de IA estão estagnadas? O que constatamos é que as implantações de IA ficam paralisadas durante uma reunião sobre riscos, e não durante uma demonstração. O projeto-piloto funciona, o caso de negócios é aprovado e, então, o departamento de conformidade faz uma pergunta que o fornecedor não consegue responder: o que exatamente esse sistema dirá a um cliente, e quem aprovou isso?

A pressão para superar essa reunião é real. A Gartner informou, em fevereiro de 2026, que 91% dos líderes de atendimento ao cliente estão sob pressão para implementar a IA. Em junho de 2025, a Gartner previu que mais de 40% dos projetos de IA autônoma seriam cancelados até o final de 2027. Um call center regulamentado que já passou por um projeto-piloto malsucedido tem bons motivos para ser cauteloso.

A questão é de natureza arquitetônica. A maioria dos sistemas de IA no atendimento ao cliente redige a resposta enquanto o cliente espera. Essa resposta não existe até o momento em que é gerada; portanto, ninguém pode aprová-la com antecedência, e uma equipe de risco não pode autorizar um texto que ainda não viu. Prompts mais bem elaborados reduzem a frequência com que isso dá errado. Eles não alteram quem redigiu a resposta.

Governança precisa significar algo específico

Pergunte a um fornecedor o que significa “governança” para a IA em centrais de atendimento e preste atenção aos detalhes. Governança significa que, para qualquer resposta dada pela IA, é possível identificar de onde ela veio, quem a aprovou e quando. Se um fornecedor usar a palavra “governança” sem identificar esses três mecanismos, considere isso uma alegação, e não uma capacidade.

Para um contact center regulamentado, a governança resume-se a três componentes:

• Respostas com links para as fontes. Cada resposta remete ao conteúdo de referência por trás dela: a página da política, a tabela de taxas, os termos do produto.
• Aprovação humana no momento da criação. Um especialista no assunto autoriza o conteúdo antes que o cliente o veja. Essa aprovação constitui o registro.
• Uma trilha de auditoria. As equipes de risco e conformidade podem rastrear qualquer resposta dada pelo assistente até o conteúdo regulamentado e a aprovação por trás dela.

A Estrutura de Gestão de Riscos de IA do NIST, publicada em janeiro de 2023, organiza o trabalho relacionado aos riscos da IA em quatro funções: Governar, Mapear, Medir e Gerenciar. O NIST descreve a função “Governar” como algo que permeia as outras três, e é por isso que ela vem em primeiro lugar. A mesma ordem se aplica a um centro de atendimento. Decida quem é o responsável pelo conhecimento, quem o aprova e quais evidências de conformidade são necessárias antes de configurar qualquer coisa.

Defina quatro pontos antes de qualquer demonstração de fornecedor

Antes de escolher uma ferramenta de IA, o que deve estar definido? Quatro respostas, acordadas internamente, antes de qualquer demonstração do fornecedor:

1. Fontes. Qual conteúdo deve ser publicado primeiro? Normalmente, as páginas de políticas, os termos dos produtos e o conteúdo de ajuda, que já geram o maior número de contatos.
2. Caso de uso. Qual é o benefício imediato: um autoatendimento controlado, um fluxo de trabalho automatizado ou um agente que toma decisões dentro dos limites definidos por você?
3. Responsável. Quem, na equipe de CX, aprova o conteúdo e se responsabiliza pelo assistente após o lançamento? Se a resposta sincera for “a equipe de TI, em nome da equipe de CX”, uma resposta incorreta pode permanecer ativa durante um sprint.
4. Padrão. O que os departamentos de conformidade, jurídico ou de auditoria precisariam ver para dar o aval? Anote isso. Isso se tornará seu teste de aceitação.

O que descobrimos é que a quarta pergunta é aquela que as equipes costumam pular, e é justamente ela que acaba com os negócios na reta final. Peça à equipe de risco que defina o padrão logo no início e avalie cada ferramenta com base nele, em vez de se basear em uma lista de recursos.

Automatize as perguntas, começando com uma resposta por escrito

A pergunta mais prática que um call center regulamentado pode fazer é: quais casos de uso devem ser automatizados primeiro? Comece pelas perguntas informativas de alto volume que têm uma resposta correta registrada em algum lugar: taxas, acesso a extratos, ativação de cartões, status de pagamentos, requisitos de documentos e configurações de conta. Elas representam a maior parte do volume de contatos, e a resposta pode ser aprovada com antecedência.

Não divulgue nada que exija uma avaliação sobre um cliente específico, como casos de dificuldades financeiras, disputas ou reclamações que possam ter implicações regulatórias. Essas informações devem permanecer com a pessoa em questão até que se comprove a base regulatória.

A maioria dos compradores regulamentados precisa, em primeiro lugar, de um autoatendimento controlado: respostas verificadas em grande escala na web, em aplicativos, em assistentes virtuais e por comando de voz. As respostas vinculadas à fonte, a aprovação humana e a trilha de auditoria levam o serviço a um novo patamar quando você chegar lá.

Barreiras que alteram a origem da resposta

Os compradores perguntam quais são os limites necessários para a IA em centrais de atendimento. São dois tipos, e eles não são equivalentes.

Os mecanismos de proteção de saída funcionam como uma camada sobre um modelo generativo: filtros, regras de prompt e limites de confiança que tentam detectar uma resposta incorreta depois que ela já foi gerada. Eles reduzem a taxa de erros. No entanto, não conseguem eliminar o comportamento subjacente, pois o modelo continua criando fatos durante a execução.

As barreiras de segurança arquitetônicas alteram a origem da resposta. A resposta já existe antes mesmo da pergunta ser feita. O processamento ocorre na fase de ingestão, de modo que a resposta que é fornecida no final já foi aprovada. É isso que a Inbenta entende por “alucinação evitada pela arquitetura”, e não por uma barreira de segurança adicionada posteriormente. Abordamos o argumento completo no artigo “Como evitar alucinações da IA no atendimento ao cliente: corrija a arquitetura, não o prompt”.

A terceira medida de segurança diz respeito ao comportamento do assistente de IA quando há uma lacuna de conhecimento. Quando nenhuma resposta aprovada se encaixa, o assistente não deve forçar uma correspondência inadequada. Ele deve encaminhar a consulta a um especialista no assunto ou a um atendente ao vivo, anexando o histórico completo da conversa, para que o cliente não precise repetir o que já disse.

Valide o conhecimento, não as conversas

Como vocês validam as respostas da IA antes que elas cheguem aos clientes? Valide o conteúdo, não as conversas. Analisar as respostas em tempo real, uma a uma, simplesmente não é viável em grande escala e faz com que respostas erradas sejam identificadas somente depois que o cliente já as viu. Aprovar o conteúdo antes de ele ser apresentado resolve ambos os problemas.

A sequência que funciona melhor é a seguinte: coletar o que a empresa já sabe, estruturar essas informações de acordo com as diversas formas como um cliente pode fazer uma pergunta, validar cada resposta e fazer com que um especialista no assunto aprove o conteúdo no momento da criação, antes que o cliente o veja.

O especialista aprova o que o sistema irá dizer, e não cada conversa à medida que ela ocorre. É assim que o sistema se adapta à escala.

Suponha que um órgão regulador pergunte por que a IA disse o que disse

Como garantir a conformidade da IA de um centro de atendimento depois que ela estiver em operação? Tudo se resume a uma pergunta. Suponha que, um dia, um órgão regulador, um auditor ou o advogado de um cliente pergunte por que a IA disse o que disse. Sua situação de conformidade é definida pela qualidade da sua resposta a essa pergunta.

As autoridades financeiras e os órgãos normativos dos EUA têm sido bem específicos quanto a esse risco. A edição de junho de 2023 do “Spotlight” do Departamento de Proteção Financeira do Consumidor (CFPB), intitulada “Chatbots no setor de crédito ao consumidor”, alertou que o atendimento automatizado ao cliente pode fornecer informações imprecisas e não reconhecer quando um cliente está fazendo valer seus direitos. O relatório do Tesouro dos EUA de dezembro de 2024 sobre IA em serviços financeiros apontou a explicabilidade e o risco de terceiros como preocupações para as instituições que adotam IA. O Perfil de IA Generativa do NIST (NIST AI 600-1, julho de 2024) cita a confabulação — um modelo que produz conteúdo falso com aparência de veracidade — como um risco específico da IA generativa.

A solução prática é tornar o sistema auditável, o que representa uma posição mais sólida do que simplesmente afirmá-lo como seguro. Isso significa que as respostas devem estar vinculadas à fonte e registradas em um log de auditoria, de modo que as equipes de risco e conformidade possam rastrear qualquer resposta até o conteúdo regulamentado por trás dela e até a aprovação que a colocou em produção.

A precisão diminui após o lançamento; portanto, fique atento a correções

Como monitorar a precisão da IA após o lançamento? Comece analisando por que ela se desvia. A precisão diminui após o lançamento porque o negócio muda: uma taxa é alterada, uma política é reformulada, um produto é descontinuado. O que nossos clientes observam é que essa queda pós-lançamento é um ponto comum de falha no atendimento ao cliente por IA, e é o menos visível em um projeto-piloto.

O monitoramento deve gerar soluções, não apenas relatórios. O sistema deve aprender com interações reais, identificar as lacunas (perguntas que o conhecimento não abrange, fontes ausentes, siglas não definidas, escalações que apontam para uma solução), elaborar a atualização e submetê-la à equipe de CX para aprovação. Quando uma fonte é alterada, as respostas afetadas devem ser sinalizadas e atualizadas. A etapa de aprovação continua a cargo da equipe de CX, de modo que a governança seja mantida após a entrada em operação.

Avalie o sucesso com base nos resultados. A taxa de resolução, a resolução no primeiro contato e o índice de satisfação do cliente (CSAT) são as métricas de sucesso. A contenção e o desvio são métricas de eficiência: são úteis, mas um cliente abandonado conta da mesma forma que um cliente cujo caso foi resolvido no que diz respeito ao índice de contenção.

Um percurso de 90 dias com evidências em cada etapa

As equipes querem saber como é um plano de 90 dias para a entrada em produção. Uma implementação controlada amplia a autonomia em etapas, comprovando os resultados em cada etapa antes de avançar para a seguinte. Chamamos isso de autonomia em etapas: primeiro, analisar; depois, recomendar; e, por fim, agir.

Dias 1 a 30: definição do escopo e desenvolvimento. Chegar a um acordo sobre as quatro respostas acima, incluindo a norma de conformidade por escrito. Importar as primeiras fontes. Os especialistas no assunto revisam e aprovam o conteúdo dos primeiros tópicos.

Dias 31 a 60: lançamento limitado. Coloque o assistente em operação em um canal e com um conjunto restrito de tópicos. Acompanhe a resolução, os motivos de escalonamento e as lacunas identificadas pelo monitoramento. Compartilhe o registro de auditoria com a equipe de conformidade antecipadamente, antes mesmo que eles solicitem.

Dias 61 a 90: expandir. Adicione tópicos e canais assim que o primeiro conjunto estiver consolidado. Considere um primeiro fluxo de trabalho automatizado para uma transação de caminho fixo. Trate a voz como uma linha do tempo independente, pois a integração de telefonia e a migração do fluxo de chamadas aumentam o tempo necessário.

O objetivo do plano é que cada etapa deixe um registro. No 90º dia, a equipe de risco deve aprovar um registro, e não uma promessa.