HUBSPOT
Entenda como a Linus preparou o atendimento para os meses de maior demanda, ganhou escala com qualidade e transformou uma operação reativa em uma estrutura mais estável com a ajuda da IA.
Sobre a Linus
A Linus é uma marca brasileira de lifestyle sustentável, com produtos veganos e recicláveis, e trata o CX como uma área central para a reputação da marca e a fidelização de clientes.
Internamente, o atendimento é visto como parte crítica da experiência, com impacto direto sobre o resultado de marketing, logística e das demais áreas.
Em períodos promocionais, o volume de contatos chegava a triplicar, pressionando uma estrutura pequena em um ponto sensível para a experiência do cliente.
Quando o pico virava gargalo para a experiência
Com uma estrutura enxuta e um pico previsível de demanda no calendário, a Linus precisava lidar com um atendimento que ficava mais pressionado justamente no momento em que a experiência do cliente se tornava mais sensível.
À medida que a demanda aumentava, a operação acumulava gargalos que afetavam o ritmo do time, a fluidez entre canais e a capacidade de resposta ao cliente.
Nesse cenário, o desafio da Linus era criar uma operação mais estável, com menos atrito no atendimento e mais capacidade de resposta nos momentos de maior pressão. A empresa precisava encontrar uma forma de absorver o aumento de demanda sem deixar que filas, retrabalho e gargalos entre canais comprometessem a experiência do cliente.
Ao mesmo tempo, essa mudança precisava devolver mais controle para o time. O objetivo não era apenas ganhar velocidade, mas estruturar uma operação capaz de responder com mais consistência, reduzir a sobrecarga da equipe e abrir espaço para uma atuação menos reativa no dia a dia.
IA como resposta para reduzir atrito e ganhar escala
Para enfrentar os picos com mais estabilidade, a Linus implementou a IA da Cloud Humans em sua operação de CX e deu a ela um nome próprio: Lina. A proposta era reduzir o peso das demandas repetitivas, diminuir o retrabalho entre canais e preparar a área para responder melhor nos períodos de maior pressão.
Principais mudanças:
Parte relevante das dúvidas recorrentes passou a ser absorvida pela IA.
O time ganhou mais espaço para atuar nos casos críticos.
A operação ficou menos dependente de esforço manual para lidar com volume básico.
O atendimento passou a ter uma base mais estável para os períodos de pico.
A equipe ganhou mais condição de acompanhar, ajustar e evoluir a experiência ao longo do tempo.
A solução criou uma nova base para o atendimento, com mais potencial de escala e menos dependência de esforço manual nas demandas recorrentes. Para capturar esse ganho, a implementação precisaria ser rápida, próxima da operação e orientada por ajustes constantes.
Como a nova operação ganhou forma na prática
A implementação da Lina aconteceu com uma certa urgência e dentro de uma janela estratégica. Em vez de esperar o pico principal do fim do ano, a Linus usou setembro como laboratório para colocar a IA em operação, medir sua eficiência e chegar a novembro com uma base mais preparada.
Esse processo exigiu uma migração rápida, habilitação de canais e uma rotina próxima de acompanhamento. Mais do que colocar a IA no ar, a prioridade era fazê-la evoluir rápido dentro da operação.
A implementação não foi tratada como um projeto isolado de tecnologia. Ela foi conduzida como parte da rotina da operação, com acompanhamento próximo, ajustes constantes e um senso claro de prioridade. Esse modelo fez a Lina evoluir mais rápido e permitiu que a Linus transformasse uma implantação urgente em uma base mais sólida para os meses de maior pressão.
Também há um detalhe importante aqui: a evolução da IA dependeu menos de uma estrutura técnica robusta e mais de clareza operacional, auditoria e repertório de atendimento. Foi essa combinação que ajudou a Lina a falar cada vez mais a língua da Linus.
O que mudou com a Lina em operação
Com a Lina em operação e uma rotina próxima de auditoria, a Linus começou a capturar ganhos concretos tanto nos indicadores quanto na dinâmica do time. A evolução apareceu na retenção, na satisfação do cliente e na capacidade da operação de atravessar períodos de maior pressão com mais estabilidade.
Os números ajudam a dimensionar o resultado, mas o efeito da implementação ficou visível também na rotina da operação. A Lina começou com cerca de 39% de retenção em setembro, evoluiu para 41% em outubro e chegou a 60% em novembro, mostrando que a combinação entre tecnologia, auditoria e ajustes finos gerou ganho progressivo ao longo dos meses.
Ao mesmo tempo, a Linus passou a operar com menos atrito em momentos de alta demanda, com redução dos protocolos duplicados, o fim dos sinais vermelhos no Reclame Aqui por demora e uma percepção mais positiva do time sobre a rotina da área. Em vez de apenas absorver volume, a operação ganhou mais previsibilidade e mais espaço para atuar onde a intervenção humana gerava mais valor.
O que a Linus aprendeu ao colocar IA na operação
Cloud Humans responde
A Linus já usava automação antes da Lina?
Sim. A empresa já tinha experiência com bot, mas ainda buscava uma operação mais fluida, com respostas mais naturais e mais capacidade de acompanhar os períodos de pico sem aumentar o atrito no atendimento.
O que motivou a mudança na operação?
O principal gatilho foi a combinação entre uma estrutura enxuta e picos previsíveis de demanda, como quando o volume aumentava, a operação acumulava filas, surgiam protocolos duplicados e o time perdia espaço para atuar com mais controle sobre a rotina.
A IA substituiu pessoas no time?
Não. O papel da IA foi absorver parte relevante das demandas repetitivas e abrir espaço para o time atuar nos casos mais críticos, na melhoria da operação e na evolução da própria experiência.
O que esse case mostra para outras operações de CX?
Que IA em atendimento funciona melhor quando entra como parte de uma mudança operacional. O resultado depende de timing, acompanhamento próximo e da capacidade do time de ensinar a IA com base na rotina real.
