Por que os clientes estão abandonando seus bots de atendimento

Há anos, as equipes de atendimento ao cliente tratam o pedido imediato para falar com um atendente como um problema de design. Quando as pessoas rejeitam uma experiência automatizada antes mesmo de ela realmente começar, o instinto natural é fazer o sistema soar mais acolhedor ou mais humano. Reformular a saudação. Reconhecer a frustração. Dizer às pessoas que podem falar naturalmente. Parte-se do pressuposto de que, se a experiência parecer menos robótica, as pessoas estarão mais dispostas a interagir com o sistema.

Recentemente, vimos indícios de que outro fator importa muito mais.

Em uma grande seguradora que usa IA para responder a perguntas sobre benefícios de aluguel de carros, um agente de voz inicialmente cumprimentava as pessoas dizendo que elas podiam “falar comigo como se eu fosse uma pessoa de verdade”. Mesmo assim, mais de quatro em cada dez pediam para falar com um atendente antes de ter uma interação substancial com o sistema. Mudamos a saudação para algo mais simples e direto, mas o resultado praticamente não mudou. Quarenta e quatro por cento das pessoas ainda pediam imediatamente para falar com um atendente.

O que finalmente mudou o comportamento das pessoas teve pouco a ver com a forma como a IA soava. Mudamos o que ela podia demonstrar que sabia. Em vez de começar com uma saudação genérica, a IA fazia uma suposição razoável sobre o motivo da ligação e fornecia informações para resolver a questão de forma proativa — por exemplo, descrevia o veículo associado à solicitação da pessoa, informava o status da solicitação e verificava se ela precisava de um carro alugado.

Os pedidos para falar com atendentes caíram 23%. A interação substancial com a IA aumentou de 54% para 66%.

Há aqui uma lição que vai muito além dos centros de atendimento. Na corrida para tornar a IA mais conversacional, pessoal e intuitiva, as empresas podem estar investindo menos do que deveriam em algo mais fundamental: dar à IA contexto suficiente para demonstrar que ela entende a situação em questão.

A IA está herdando um déficit de confiança

As pessoas não se deparam com um novo sistema de IA sem ideias preconcebidas. Elas trazem anos de experiência com sistemas telefônicos com menus que não entendiam solicitações simples, chatbots que forneciam respostas irrelevantes e sistemas automatizados que as faziam repetir informações já fornecidas. Com o tempo, aprenderam que pedir para falar com uma pessoa pode ser o caminho mais rápido para resolver alguma coisa.

Esse comportamento pode parecer resistência à IA, mas há uma maneira mais útil de entendê-lo. Antes de confiar uma tarefa a um sistema automatizado, as pessoas querem ter provas de que ele entende suficientemente bem a situação específica delas para ser útil. Pesquisadores descreveram um dos aspectos dessa resistência como “desconsideração da singularidade”: a percepção de que um sistema automatizado não consegue levar adequadamente em conta as circunstâncias de cada pessoa.

Isso se torna cada vez mais importante à medida que a IA passa a fazer parte de áreas mais decisivas da nossa vida e do nosso trabalho. Uma pessoa que liga após um acidente de carro não vê seu problema como uma consulta genérica sobre seguros. Um funcionário que usa um assistente corporativo espera que ele entenda sua função, suas permissões e o trabalho que está realizando. Um desenvolvedor que usa uma ferramenta de programação com IA precisa de respostas que levem em conta a arquitetura em torno do código.

Em cada caso, o sistema de IA precisa demonstrar que entende as circunstâncias relacionadas à solicitação antes que o usuário tenha motivos suficientes para confiar na resposta.

O contexto está se tornando parte da interface de IA

Tradicionalmente, personalização significava saber o nome de alguém, lembrar uma preferência ou recomendar algo com base no comportamento anterior. A IA nos dá a oportunidade de tornar a personalização muito mais contextual. Um sistema útil deve entender o que alguém está tentando fazer, o que já aconteceu, quais informações são relevantes naquele momento e quais ações estão realmente disponíveis.

Essa diferença ajuda a explicar por que o experimento da seguradora funcionou. A IA não se limitou a cumprimentar as pessoas de maneira mais agradável. Ela eliminou etapas da interação. Quem ligava para saber se tinha direito aos benefícios de aluguel de carro não precisava mais explicar sua solicitação, identificar o veículo e esperar que o sistema recuperasse as informações relevantes. Ao apresentar esse contexto de imediato, o sistema demonstrava competência antes de pedir que a pessoa confiasse nele para qualquer outra coisa.

Esse princípio se aplica a toda a IA corporativa. Sempre que um usuário precisa repetir informações que o sistema já deveria conhecer, corrigir uma suposição que ele jamais deveria ter feito ou reconstruir um contexto que já existe em outra parte da organização, a confiança diminui. Para as empresas, isso significa que o contexto deve ser tratado como parte da experiência do usuário, não apenas como uma questão técnica de bastidores.

A IA pode mudar a forma como medimos o sucesso

Nosso experimento revelou outro comportamento que era fácil ignorar. Depois que a saudação contextual foi introduzida, algumas pessoas ouviam a mensagem inicial e simplesmente desligavam.

As métricas tradicionais dos centros de atendimento poderiam classificar essas ligações como abandono. Mas algumas dessas pessoas tinham acabado de receber exatamente o que pareciam precisar. Se alguém liga para saber se uma solicitação foi aprovada e a IA informa imediatamente que ela foi autorizada e que os benefícios de aluguel de carro estão disponíveis, talvez não haja mais nada a discutir.

Cerca de 3% das chamadas que usaram a saudação dinâmica pareciam seguir esse padrão: os clientes desligavam depois de receber as informações e não ligavam de volta nas duas horas seguintes. É uma porcentagem pequena, mas levanta uma questão maior: o que acontece quando as métricas que usamos historicamente para medir o engajamento deixam de medir o valor com precisão?

À medida que a IA se torna mais capaz, podemos ver mais situações em que interações mais curtas são melhores. Se um sistema consegue antecipar uma necessidade e apresentar as informações certas de forma proativa, a duração da conversa, o número de etapas concluídas e até as taxas tradicionais de abandono podem se tornar medidas de sucesso menos significativas.

Cada interação com IA é uma avaliação

À medida que a IA é incorporada a mais fluxos de trabalho, os usuários ficarão mais aptos a decidir quais sistemas merecem seu tempo. Os primeiros momentos de uma interação têm grande importância, pois as pessoas avaliam rapidamente se o sistema entende a situação delas, se as informações parecem confiáveis e se vale a pena continuar.

As melhores experiências com IA serão aquelas capazes de demonstrar, desde o início e com precisão, que dispõem de contexto útil. No atendimento ao cliente, isso pode significar entender o status de uma solicitação antes que a pessoa que ligou o explique. Em um assistente corporativo, pode significar entender a função e as permissões de um funcionário, além do trabalho que ele está realizando. No desenvolvimento de software, pode significar raciocinar sobre a arquitetura em torno de um trecho de código.

À medida que investem na próxima geração de experiências com IA, vale a pena tornar esses sistemas mais naturais de usar. Mas a conversa natural tem seus limites. As pessoas darão uma chance à IA quando ela lhes der motivos para acreditar que pode ajudar; cada vez mais, esse motivo é o contexto.