A IA de atendimento costuma travar perto dos 40% de resolução quando só consulta a base de conhecimento, porque a maior parte do que o cliente pergunta depende de um dado da conta dele, e não de uma política. A Bow-e saiu de 15% de retenção com um bot de regras para 62,1% sem intervenção humana conectando a IA aos sistemas em três assuntos de alto volume. Se a sua IA estacionou, olhe a volumetria por assunto antes de trocar de ferramenta: o teto sobe um fluxo conectado por vez.
Direto ao ponto
Se a IA responde bem e a fila não diminui, conecte a IA ao sistema do assunto de maior volume, porque é ali que o cliente pergunta "e o meu caso?".
Se o assunto de maior volume depende de um dado que só existe em planilha, arrume o dado antes da IA, porque a IA não passa do dado que alcança.
Se você tem dez assuntos candidatos, comece pelo que aparece todo dia e já tem API, porque ele mostra resultado rápido e ajuda a pagar a próxima integração.
Se o atendente aplica um critério que ninguém escreveu, escreva o critério antes de entregar o fluxo para a IA, porque ela só segue o que estiver no processo.
Se o projeto nasceu em TI, coloque alguém de CX como dono, porque quem sabe como o cliente pergunta é quem atende.
O que quer dizer a IA travar nos 40%?
Travar nos 40% quer dizer que, de cada dez conversas que chegam, a IA encerra umas quatro sem passar para um humano, e o número para de subir por mais que a base de conhecimento cresça. A Natália Mota, AI Product Lead do Grupo Bolt, descreve esse patamar como a média de mercado, e o motivo fica claro numa fila de pós-venda: quem já é cliente raramente pergunta qual é a política. Pergunta onde está o pedido dele, por que a fatura dele veio maior, quando a energia dele vai chegar.
A base de conhecimento responde a primeira pergunta e trava na segunda. Na nossa base, quando a IA não acessa sistema nenhum, a resolução fica perto de 30%, número que detalhamos no texto sobre agente de IA para WhatsApp. Ele varia por segmento, mas o desenho se repete: a IA conversa bem e resolve pouco.
O que a Bow-e fez para sair de 15% e chegar a 62%?
A Bow-e, marca de energia solar do Grupo Bolt, recebe de 18 a 19 mil conversas de pós-venda por mês. No começo de 2025, o atendimento rodava com um bot de árvore de regras e uma base de três perguntas, e a retenção era de 15%. Em dia ruim, eram mil tickets parados por mais de seis horas, com cliente sem energia em casa.
A Cloud Humans entrou no fim de 2025, e a retenção foi para 31% já na implementação. O primeiro fluxo conectado a uma API foi o de status do onboarding, o assunto que mais gera contato de quem espera a energia chegar, e ele ensinou a regra que guiou o resto. O dado existia no banco, a API foi plugada, e a IA passou a responder "o seu rateio está em homologação". O cliente dizia que não tinha entendido, e a IA repetia a mesma frase.
O atendente humano nunca respondia só isso. Ele consultava o status, traduzia para a língua do cliente e estimava um prazo com um critério que ninguém tinha escrito. Foi preciso escrever esse critério e reescrever o fluxo para a IA explicar, e não só buscar.
Depois disso, o time leu a volumetria por assunto e achou três oportunidades que ninguém tinha visto, e quem achou foi o próprio time de atendimento. Dois fluxos novos com API depois, a retenção subiu mais 12 pontos. A curva foi de 31% na implementação para 50% em três meses, e chegou a 62,1% com os três assuntos de maior volume conectados: status do onboarding, consulta de valores em aberto e envio das faturas em atraso. O CSAT da IA subiu de 49,4% para 66,9%, recorde da série.
"Por melhor que a IA seja, ela não passa do dado que ela consegue alcançar", resume a Natália.
E o time não encolheu. Eram 10 pessoas internas mais uma BPO, e hoje são 15 pessoas internas, sem BPO, com quatro canais novos trazidos para dentro e nenhuma vaga aberta por causa de volume.
Quando conectar sistemas faz sentido, e quando não faz?
Conectar a IA aos sistemas faz sentido quando o assunto aparece todo dia, a resposta depende de um dado do cliente e esse dado já está em algum sistema com API. Status de pedido, segunda via, saldo e prazo de ativação entram nessa conta. Foi o caso dos três fluxos da Bow-e, e é onde a curva anda mais rápido.
Ainda não faz sentido quando o dado está espalhado em planilha atualizada à mão. Na Bow-e, o dado de que a IA precisava estava dividido entre o sistema de onboarding, o faturamento, o cadastro e uma planilha, e foi preciso sentar CX, tecnologia e produto na mesma mesa para remodelar o processo. Dali nasceu o projeto de data warehouse da empresa. Conectar a IA antes disso só automatiza a confusão.
Também não é o caminho para assunto sem caminho único, como negociação de fatura em atraso, em que cada cliente responde uma coisa e a proposta muda junto. Um fluxo desenhado vira uma árvore sem fim, e a Bow-e está levando esse assunto para uma arquitetura com agentes especialistas: um faz a triagem da intenção de pagamento, outro monta a proposta contra as regras internas e um terceiro gera o link e o Pix.
Como conectar a IA aos sistemas do jeito certo?
Tabule os contatos por assunto. Saída esperada: os dez assuntos de maior volume e, ao lado de cada um, o dado que a resposta exige e onde ele mora. Na Bow-e, essa leitura também mostrou o pico previsível perto do vencimento da fatura.
Escolha o primeiro fluxo pelo volume, não pela irritação. O assunto que aparece todo dia vale mais que o que dá mais raiva. Saída esperada: um assunto, com o sistema e a API que ele usa.
Escreva o critério que hoje mora na cabeça do atendente. Na Bow-e, "status em homologação" precisou virar uma explicação em linguagem de gente e uma estimativa de prazo. Saída esperada: a regra escrita, que o fluxo segue.
Conecte, publique e leia toda semana as conversas que falharam. Saída esperada: uma lista curta de ajustes no fluxo, na base ou no dado.
Só então vá para o próximo assunto da lista. Cada degrau da curva da Bow-e corresponde a um fluxo novo, e não a um modelo novo.
Na Bow-e, quem tocou isso foi uma PM que tinha sido líder de vendas e de suporte na própria casa, com a engenharia construindo as APIs em paralelo. Não precisou de um time de tecnologia dedicado. Precisou de alguém de CX que fosse dono do processo.
O que medir para saber se funcionou?
Retenção sem humano por assunto, a métrica principal. Mede quantas conversas de cada assunto a IA encerra sem transferir. Sinal de alerta: um assunto conectado que não sobe depois do primeiro ciclo de ajustes.
CSAT da IA. Mostra se a retenção é resolução ou desistência. O bot de regras da Bow-e retinha gente presa no fluxo, e o CSAT só subiu quando a IA passou a resolver.
Tickets parados por mais de seis horas nos dias de pico. Era o sintoma mais visível na Bow-e antes da mudança.
Recontato do mesmo cliente sobre o mesmo assunto. Se ele sobe junto com a retenção, a IA está empurrando o problema em vez de resolver.
Quais erros fazem a IA travar de novo?
Pedir para a IA imitar o atendente. O atendente cruza três telas e aplica um critério que nunca foi escrito. O que funciona é desenhar o fluxo para a máquina, mesmo que o caminho fique diferente.
Trocar de ferramenta antes de olhar a volumetria. Se o teto é o dado, a próxima ferramenta bate no mesmo teto.
Deixar o projeto em TI. Ele vira catálogo de API e base de conhecimento, sem ninguém que saiba como o cliente pergunta.
Perguntas frequentes
Por que a IA de atendimento para perto de 40% de resolução?
A IA de atendimento para perto de 40% quando só consulta a base de conhecimento, porque a maior parte das perguntas de quem já é cliente depende de um dado da conta, como status, saldo ou prazo, e esse dado está nos sistemas da empresa.
Preciso de um time de tecnologia dedicado para conectar a IA aos sistemas?
Não necessariamente. Na Bow-e, a frente foi liderada por uma pessoa de CX, e a engenharia construiu as APIs em paralelo. O que não dá para terceirizar é o desenho do processo.
Em quanto tempo a retenção da IA sobe depois de conectar os sistemas?
Na Bow-e, a retenção foi de 31% na implementação para 50% em três meses, e chegou a 62,1% com os três assuntos de maior volume conectados.
Conectar a IA aos sistemas significa reduzir o time de atendimento?
Na Bow-e, não. O time foi de 10 para 15 pessoas internas, encerrou a BPO e trouxe quatro canais novos para dentro sem abrir vaga por causa de volume.
Fluxo desenhado ou agentes de IA: por onde começar?
Por fluxo desenhado nos assuntos com resposta previsível, como status e segunda via. Assuntos sem caminho único, como negociação, pedem agentes especialistas, que é o passo seguinte da Bow-e.
Quer saber quais dos seus assuntos de maior volume já dá para conectar aos sistemas? Agende uma demonstração e traga a lista de assuntos da sua operação: a gente olha com você onde está o dado de cada um.
