
O teto de automação não é número de mercado, é uma conta feita com os teus tickets: soma o que a base de conhecimento resolve com o que depende de consultar ou alterar um dado num sistema que a IA alcança por API. O resto fica com uma pessoa por um bom motivo. Na base de clientes da Cloud Humans a média hoje é 65%, e quem promete 90% sem ver teus tickets está chutando.
Por que "90% de automação" é uma métrica sem dono?
Se alguém já te prometeu automatizar 90% do teu atendimento, a pergunta que faltou na reunião foi: 90% de quê? Pode ser de conversas encerradas sem humano, dos temas que o bot reconhece ou de uma operação de outro setor com outro mix de pedido. Número sem denominador declarado fica sem dono, porque ninguém responde por ele quando a fila não cai.
No Raio-X da IA no Atendimento Brasil 2026, metade dos líderes de CX, CS e Operações que já usam IA diz que ela resolve no máximo 40% dos atendimentos sem ninguém do time tocar. Entre esse número e o 90% do slide tem uns 50 pontos, e eles moram no denominador que ninguém mostrou.
A gente cobra por ticket que a IA de fato resolve, então errar essa conta pra cima custa pra gente antes de custar pro cliente. É por isso que o nosso número sai de um diagnóstico com os tickets da operação, e não de benchmark.
Como classificar teus tickets nos 5 baldes do diagnóstico?
Antes de começar com qualquer cliente, a gente roda o diagnóstico de potencial de automação: pega uma amostra de atendimentos reais, agrupa por tema e encaixa cada tema numa de cinco classes, de acordo com o que a IA precisaria ter pra resolver aquele pedido sozinha.
Conteúdo é a dúvida que a base de conhecimento responde, como prazo de entrega, regra do plano ou política de troca. Visualização é consulta a um dado do cliente que mora num sistema, tipo status do pedido, rastreio ou segunda via, e Edição é ação, como cancelar, alterar cadastro ou remarcar entrega, que exige escrever no sistema via API.
Ruído é o "obrigado", a figurinha, a resposta de NPS e o clique de menu sem pergunta nenhuma. Escalonado N3 é o que precisa de pessoa sempre, como negociação, caso jurídico ou cliente que precisa mais de empatia do que de resposta.
Nos nossos diagnósticos, a distribuição média dos atendimentos úteis fica em 44% de conteúdo, 27% de consulta, 22% de ação e 7% que precisa mesmo de uma pessoa. O ruído sai da conta antes, do numerador e do denominador, porque figurinha e resposta de NPS não são atendimento e, se entrarem, inflam qualquer porcentagem.

Como montar a planilha de cálculo do teto, passo a passo?
O primeiro passo é exportar uma amostra do helpdesk, seja Zendesk, Intercom, Freshdesk, HubSpot ou o WhatsApp da operação. Com 500 conversas os temas principais já se firmam, e abaixo de 200 eles ficam instáveis demais pra confiar no resultado.
Depois agrupa por tema e ordena por volume, que é a curva ABC. Os temas que somam 70% do volume formam a classe A e decidem o teu teto, porque a classe C inteira, a cauda, pesa 10% do volume: errar a classificação ali mexe pouco, e errar um tema A muda a conta.
Cada tema recebe uma classe e uma retenção, que é quanto daquele tema a IA resolve sem passar pra ninguém do time. A gente usa a mesma régua por classe em todo diagnóstico, pra que o número não oscile conforme quem classifica. Aplicada à distribuição média, a conta fica assim:
Balde | Peso na base média | Sem sistema conectado | Com sistema conectado |
|---|---|---|---|
Conteúdo | 44% | 80% de retenção, 35,2 pontos | 80% de retenção, 35,2 pontos |
Visualização (consulta) | 27% | 0 | 65% de retenção, 17,6 pontos |
Edição (ação) | 22% | 0 | 65% de retenção, 14,3 pontos |
Escalonado N3 | 7% | 0 | 0 |
Ruído | fora da conta | fora da conta | fora da conta |
Teto | cerca de 35% | cerca de 67% |
Na coluna do meio, consulta e ação contribuem zero, porque sem acesso ao sistema a IA não tem como dizer onde está o pedido nem como cancelar, e o ticket continua existindo, só que vai pro humano. O teto sem sistema dá cerca de 35%, e a resolução que a gente observa quando a IA não acessa sistema nenhum fica perto de 30%, como o Bruno mostrou no texto sobre por que a IA de atendimento trava perto dos 40%. Pra mim, é isso que a metade do mercado parada nos 40% do Raio-X está medindo: operação que automatizou a base de conhecimento e parou ali. Os cerca de 67% da última coluna são a régua aplicada à base média, e o teto que a gente já observou em operação com sistemas conectados chega a 85%.
Pra fazer a conta da tua operação, basta montar essas quatro colunas numa planilha, colar a contagem de tickets por tema e aplicar a mesma régua.
O que faz o teto da operação subir?
Consulta e ação somam 49% da base média de atendimentos, e é esse pedaço do teto que depende de integração: sem sistema conectado ele contribui zero, conectado entra na régua com 65%, que é o teto com as integrações validadas. Nos testes A/B com agentes recém-colocados no ar, a mediana ficou entre 50% e 60%, com melhor caso de 89%. A vantagem de fazer a conta antes de construir é saber quanto cada integração vale. O diagnóstico sai com um mapa, tema por tema, dizendo quantos pontos de teto cada sistema destrava, e a fila de integrações vira uma conta de retorno em vez de uma lista de APIs disponíveis.
A segunda alavanca é política de exceção. Uma parte do que cai em N3 cai lá por falta de regra escrita, como o estorno que "depende" ou a troca fora do prazo que o supervisor às vezes aprova, e enquanto a regra mora só na cabeça de alguém, a IA não tem o que seguir.
Na conta do teto, escrever a regra de uma exceção leva aquele volume de zero pra até 65%, porque ele sai do balde N3 e entra no de ação, sem trocar de ferramenta. O Bruno já mostrou o mesmo mecanismo na Bow-e, num fluxo que tinha API e só passou a resolver quando o critério do atendente foi escrito. O que continua sem regra continua com uma pessoa, e tá certo que continue.
Qual a diferença entre retenção e deflexão?
Retenção é o ticket que chegou com uma pergunta real e foi resolvido pela IA sem passar pra ninguém do time. Deflexão é a conversa que terminou sem humano por qualquer motivo, o que inclui o cliente que desistiu, o que mandou "obrigado" e o que clicou no menu e sumiu.
É na deflexão que o 90% costuma nascer. A régua do diagnóstico trata o ruído como auto-fechável, porque ali não tinha pergunta nenhuma, então quando ele entra no numerador e no denominador a porcentagem sobe sem nenhum cliente a mais atendido, e quem abandonou a conversa ainda conta como resolvido. A gente detalhou essa armadilha no texto sobre métricas de CX com IA, e é por isso que a gente tira o ruído das duas pontas e mede retenção, que é a métrica dos nossos cases: a Lia, por exemplo, saiu de 4% pra 70% de retenção nos tickets de suporte.
Se um fornecedor te mostrar 90%, faz duas perguntas antes de qualquer outra: o ruído está no denominador? E quem abandonou a conversa conta como resolvido? Se ele não souber responder, o número não fala da tua operação.
Perguntas frequentes
Preciso de quantos tickets pra calcular o teto?
Uma amostra de 500 conversas reais já firma os temas principais. Com menos de 200, a curva ABC fica instável e o teto oscila de uma amostra pra outra.
O teto é o mesmo pra qualquer setor?
A régua por balde é a mesma, o que muda é o peso de cada balde na tua base. Por isso a distribuição média de 44% / 27% / 22% / 7% serve de referência, mas não substitui a conta feita com os teus tickets.
O cálculo funciona com Zendesk, Intercom ou WhatsApp?
Funciona com exportação ou API dos principais helpdesks, incluindo Zendesk, Intercom, Freshdesk, HubSpot, Front e CloudChat, e com conversas de WhatsApp.
Teto é a mesma coisa que meta?
Não. O teto é o máximo que a operação comporta com os sistemas que ela tem. A meta depende de quanto desse teto o time constrói e põe no ar, e de quais integrações entram primeiro.
Quer saber em uma semana qual é o teto da tua operação? Peça um diagnóstico gratuito: tu recebe os temas em curva ABC, a classe de cada um, o teto sem e com sistema conectado e o mapa de qual integração destrava qual volume.
Encuentra otros contenidos

Por que a IA de atendimento trava perto dos 40% e como passar disso
Leer contenido

¿Cuánto cuesta un agente de IA en la atención al cliente en 2026? Comparativa real: Zendesk, Intercom, Freshdesk y Cloud Humans
Leer contenido

Cómo demostrar el valor de la IA en la atención al cliente a escala
Leer contenido
