O Problema de Arquitetura de IA no Atendimento ao Cliente

A Klarna recentemente cortou 700 empregos de atendimento ao cliente, apostando que a IA poderia absorver a diferença. Dentro de um ano, a satisfação do cliente havia diminuído e a empresa estava contratando novamente. A Gartner prevê que, até 2027, metade das organizações que planejam cortes semelhantes na força de trabalho abandonará esses planos também.

Isso não é um problema de capacidade de IA. 100% dos agentes de contato interagem com a IA diariamente para lidar com uma ampla variedade de situações complexas.

No entanto, zero por cento dos agentes considera a IA fundamental para seu trabalho. Essa lacuna não é surpreendente. A IA continua sendo adicionada aos mesmos sistemas fragmentados que já estavam falhando nos agentes antes de as ferramentas de IA avançadas explodirem na cena. Hoje, os humanos ainda fazem o trabalho de conexão, o alternar de abas, a cópia e cola, a reconciliação manual que liga um sistema a outro.

A IA foi projetada para substituir esse trabalho. Em vez disso, complicou-o. Até que alguém conserte as conexões entre os sistemas, os agentes continuarão fazendo o trabalho da IA manualmente e perderão a confiança na ferramenta mais importante à sua disposição.

A Lacuna de Confiança que Ninguém Está Corrigindo

Setenta e oito por cento dos agentes dizem que as ferramentas de IA não mudaram significativamente a forma como trabalham. Noventa e três por cento verificam as saídas da IA antes de agir sobre elas. Os agentes veem respostas incompletas ou imprecisas o suficiente para que a verificação seja o padrão. Eles não estão resistindo à tecnologia. Ela ainda não conquistou a confiança deles.

As consequências se tornam visíveis no meio de uma conversa com o cliente. Um cliente liga sobre uma disputa de fatura, e o resumo da conta gerado pela IA está três meses desatualizado. Eles passam os próximos dez minutos verificando em vários sistemas o que a IA deveria ter apresentado instantaneamente, enquanto o cliente permanece em espera.

A maioria das organizações lê essa experiência negativa como um problema de pessoas. Os agentes têm medo de que seu emprego esteja em risco devido à IA assumir tarefas mais complexas, então eles trabalham em volta disso.

Na verdade, é um problema de liderança. A Gartner encontrou que 91% dos líderes de atendimento ao cliente estão sob pressão executiva para implementar a IA.

Sob esse tipo de pressão, é fácil interpretar a resistência como um problema de adoção em vez de um sinal de que a IA não está arquitetada corretamente. Como resultado, o foco permanece na aceleração da implantação nas áreas erradas e no aumento da redução de pessoal sem resolver o problema subjacente.

O que a Implantação Fragmentada Realmente Produz

Os agentes servem como a camada de integração manual entre uma conversa ao vivo com o cliente e 4 a 10 ferramentas empresariais desconectadas. Eles “giram” entre plataformas de faturamento, sistemas ERP e ferramentas de ticket enquanto um cliente espera em espera. Isso ocorre porque a maioria das empresas acoplou a IA à mesma arquitetura fragmentada que já estava retardando os agentes.

Por exemplo, chatbots podem lidar com a parte frontal de uma interação, mas falham quando os agentes precisam acessar o sistema de back-office legado onde a transação real reside, forçando os agentes a concluir a tarefa manualmente de qualquer forma. Ou, ferramentas de resumo de IA podem gerar notas pós-chamada, mas elas escrevem em um sistema separado em vez do CRM de registro. A IA herdou a fragmentação em vez de corrigi-la.

A IA é apenas tão conectada quanto os sistemas abaixo dela. Quando os sistemas não compartilham contexto, a IA não pode fazer o mesmo. Ela puxa de registros históricos do CRM, mas não pode entender o que está acontecendo em uma conversa ao vivo com o cliente. Até que ela apresente uma recomendação, os dados subjacentes podem ter mudado.

Contexto incompleto, dados desatualizados e sistemas desconectados não são problemas separados. São sintomas de uma falha na arquitetura de IA.

Construindo uma Arquitetura de IA que Funciona com Agentes Humanos

Construir uma IA que os agentes realmente confiem e que melhore os resultados do atendimento ao cliente, resume-se a quatro requisitos de infraestrutura:

1. Forneça às ferramentas de IA acesso a dados em tempo real. A maioria das implantações de IA no CX puxa de quaisquer dados do cliente disponíveis. Muitas vezes, estão desatualizados. A IA precisa ser projetada para fornecer acesso em tempo real aos dados do cliente no momento em que um pedido é feito, e não uma visão fragmentada montada a partir de sistemas que mantêm diferentes versões do mesmo cliente.
2. Dê à IA um contexto persistente. Quando a IA é acoplada à infraestrutura existente em vez de ser construída nela, o contexto não viaja. É abandonado a cada transferência. A IA persistente deve ser camada sobre toda a interação, carregando continuamente a intenção do cliente e o contexto conversacional à medida que o trabalho se move entre sistemas, canais e agentes humanos. Quando um agente humano intervém, ele não deve começar do zero.
3. Implemente IA agente para execução autônoma, não apenas recomendações. O próximo salto significativo é a IA que pode executar o trabalho que os agentes exigem de forma autônoma, mantendo o humano no loop para observabilidade e controle. Em vez de dizer aos agentes o que fazer em seguida, a IA agente orquestra fluxos de trabalho em sistemas empresariais, processando reembolsos, atualizando registros e concluindo tarefas, mesmo em aplicações legadas sem APIs. A IA lida com a execução enquanto os agentes humanos se concentram em julgamento, empatia e construção de relacionamentos mais fortes com os clientes.
4. Escolha sistemas de IA que melhoram com base nos resultados, não apenas nas entradas. A maioria da IA empresarial é estática após a implantação. A arquitetura mais impactante é aquela que aprende continuamente com os resultados das interações, otimizando fluxos de trabalho com base no que realmente resolveu o problema, e não apenas no que os dados de treinamento previram que aconteceria. A IA que fecha o loop de feedback entre os resultados e o desempenho futuro é fundamentalmente diferente da IA que implanta e mantém.

A lacuna de confiança que os agentes têm com a IA não é um problema de treinamento ou de adoção. É um problema de arquitetura.

O verdadeiro ROI da IA não está na redução da força de trabalho, mas no valor criado quando os agentes podem finalmente se concentrar nos clientes em vez dos sistemas. Isso só acontece quando a IA é construída na camada de execução, e não jogada em cima dela.

As organizações que ainda estão lutando com a adoção não estão atrasadas em termos de IA. Elas estão atrasadas em termos de infraestrutura. Corrija a arquitetura, e o problema de adoção resolve-se sozinho.