Case visual: atendimento inteligente ponta a ponta
- ⬜🗺️ Catálogo de cases por setor: quem faz o quê, com qual padrão(AWS Bedrock — GenAI em Produção)
Recomendamos completar os pré-requisitos antes de seguir, mas nada te impede de continuar.
Atendimento é o primeiro caso de uso de IA de praticamente toda empresa — e o que mais morre no piloto. O motivo é quase sempre o mesmo: o projeto foi desenhado para substituir o atendente quando deveria ter sido desenhado para resolver as vinte perguntas que representam 70% do volume. Este módulo desenha o arquétipo front-office camada a camada: o que medir antes, como fica a arquitetura, as três decisões que definem o resultado, o que costuma dar errado e a conta que prova o retorno.
Os dois cases públicos que ancoram o padrão
Dois casos divulgados publicamente cobrem as duas pontas do espectro — um automatiza a conversa com o cliente, o outro coloca a IA ao lado do atendente humano. Vale estudar os dois juntos porque a arquitetura é quase a mesma; o que muda é quem recebe a resposta do modelo.
| Empresa | Desenho | Número divulgado |
|---|---|---|
| DoorDash (EUA) | Contact center por voz com RAG sobre a base de suporte, integrado à telefonia | Latência de resposta na casa de ~2,5s; redução relevante no tempo de desenvolvimento |
| C6 Bank (Brasil) | Human-in-the-loop: o modelo sugere a resposta e o atendente decide se envia | Ganho de velocidade no atendimento com a decisão permanecendo humana |
Como ler um número de case
Os dois números acima vêm de comunicação pública das empresas e dos parceiros — são divulgação, não auditoria independente. Isso não os invalida: serve para calibrar ordem de grandeza e para provar que o padrão roda em produção. O que você NÃO deve fazer é levar esses números para o seu business case como se fossem sua previsão. Seu número sai do seu baseline, medido na sua operação.
O baseline: o que medir antes de ligar qualquer coisa
Esta é a etapa que os projetos pulam e depois não conseguem recuperar. Antes da primeira linha de código, você precisa destes números escritos em algum lugar com data. Eles são o denominador de todo cálculo de retorno que virá depois — e ninguém consegue reconstruí-los seis meses depois.
Sem baseline, o ROI é narrativa
Um projeto sem baseline entrega, todo mundo sente que melhorou, e a pergunta "quanto economizamos?" fica sem resposta defensável. Na revisão de orçamento, sensação perde para planilha. Se a operação não tem os números, gaste duas semanas medindo antes — é o investimento com maior retorno do projeto inteiro.
A arquitetura, camada a camada
O passo 3 é o que separa um assistente que funciona de um que alucina com confiança. Pergunta informacional ("como cancelo minha assinatura?") tem resposta em documento e é caso de RAG. Pergunta transacional ("minha fatura de março foi paga?") tem resposta em sistema e nunca deve sair do modelo — sai de uma tool que consulta a fonte. Misturar os dois caminhos é a origem da maioria das respostas erradas que viram print no Twitter.
- → campo com formato conhecido não gasta modelo
- → classificação barata antes de tudo
- → informacional: RAG com citação
- → transacional: o modelo NUNCA inventa o dado
- → confiança baixa ou emoção: sobe para humano
- Fora da AWS
- Integração de apps
- Rede e entrega
- IA e machine learning
- Compute
- Banco de dados
- Gestão e governança
O passo 3 é o que separa um assistente que funciona de um que alucina com confiança: pergunta informacional vai para RAG, pergunta sobre dado do cliente vira tool call no sistema de origem.
- Entrada e identificação. Canal entrega a mensagem, o cliente é identificado e o histórico da sessão é carregado.
- Coletar o estruturado sem modelo. Número de pedido, CPF e data têm formato conhecido: Lex coleta e valida sem gastar chamada de LLM.
- Classificar a intenção. Modelo do tier de volume rotula em poucas dezenas de tokens. É o que evita mandar tudo para o modelo caro.
- Rota informacional ou transacional. Política e prazo vêm da base de conhecimento. Saldo, fatura e status vêm de tool call — o modelo só redige em volta do dado.
- Guardrail antes de entregar. Grounding contra alucinação e redação de PII. Em voz não existe chance de corrigir depois.
- Escalar é sucesso, não falha. Confiança baixa, sinal de irritação ou menção a órgão regulador: sobe para humano com o contexto já resumido.
Decisão 1: deflexão total ou copiloto do atendente?
📋 Primeira entrega de IA numa operação de atendimento com marca exposta, regulação no setor e um time de atendentes que já desconfia do projeto.
O ganho de tempo aparece já na primeira semana, o risco de resposta errada chegar ao cliente é praticamente zero porque um humano aprova cada envio, e cada aprovação ou correção do atendente vira dado rotulado de graça para calibrar a fase seguinte. Também resolve o problema político: o time deixa de ver a IA como ameaça e passa a vê-la como atalho.
Alt: Deflexão total desde o dia 1 — Máximo de economia no slide e máximo de risco na prática: a primeira resposta errada em canal público define a política da empresa na base do susto.
Alt: Só FAQ estático melhorado — Baixo risco e baixo retorno; não resolve pergunta que depende do dado do cliente, que é onde está o tempo do atendente.
Alt: Automação apenas de voz — O canal mais difícil primeiro — transcrição, latência e barge-in somam problemas antes de você ter aprendido o domínio.
A sequência que costuma funcionar
Onda 1: copiloto do atendente em todos os canais. Onda 2: deflexão automática só nas intenções de baixo risco que o histórico mostra que o modelo acerta acima do limiar definido. Onda 3: voz. Cada onda usa os dados da anterior para decidir o que promover — e a promoção é por intenção, nunca por canal inteiro de uma vez.
Decisão 2: onde mora a verdade de cada resposta
Antes de escrever prompt, classifique as vinte intenções principais nesta tabela. Cada linha tem um mecanismo diferente, e a decisão de qual mecanismo usar é arquitetura, não prompt engineering.
| Tipo de pergunta | Fonte da verdade | Mecanismo |
|---|---|---|
| Como funciona / política / prazo | Base de conhecimento | RAG com citação obrigatória da fonte |
| Dado do cliente (saldo, status, fatura) | Sistema transacional | Tool call — o modelo nunca inventa o valor |
| Ação (segunda via, cancelamento, reenvio) | Sistema transacional | Tool call com confirmação explícita do usuário antes de executar |
| Reclamação e insatisfação | Nenhuma — é encaminhamento | Detecta, resume o contexto e escala para humano imediatamente |
| Fora de escopo ou tema sensível | Nenhuma | Tópico negado no guardrail; responde com o encaminhamento correto |
| Pergunta ambígua | Nenhuma ainda | Faz uma pergunta de esclarecimento antes de assumir a intenção |
A regra que evita o print no Twitter
Nenhum número que o cliente possa conferir extrato afora deve ser gerado pelo modelo. Valor de fatura, data de entrega, saldo e prazo contratual saem de tool call, sempre. O modelo redige a frase em volta do dado — ele não produz o dado. Essa única regra elimina a categoria mais grave e mais viral de erro em atendimento.
Decisão 3: o que fazer quando o modelo não sabe
Um assistente de atendimento é julgado menos pelo que acerta e mais pelo que faz quando não tem a resposta. Insistir é o pior comportamento possível. A escada de escalonamento precisa ser explícita no desenho, com critério objetivo em cada degrau.
Meça o handoff como sucesso, não como falha
Um escalonamento rápido e bem contextualizado é um bom desfecho — muito melhor que uma resposta inventada. Se a métrica do time for só taxa de deflexão, o incentivo empurra o sistema a insistir onde deveria transferir. Acompanhe deflexão e qualidade do handoff lado a lado, e trate reabertura de contato como o alarme real.
O assistente respondeu ao cliente que a fatura de março estava em aberto quando ela havia sido paga. A informação estava correta no sistema de cobrança. Qual foi o erro de arquitetura?
O que costuma dar errado
- Base de conhecimento desatualizada: o projeto descobre na semana 3 que os documentos de suporte estão dois anos atrás do processo real. Curadoria de conteúdo vira o caminho crítico — e ninguém orçou isso.
- Prompt gigante repetido sem cache point: system prompt de milhares de tokens em toda mensagem, com cacheReadInputTokens sempre em zero. A conta cresce no prefixo, não nas perguntas.
- Vector store dimensionado para o pico e nunca revisado: a capacidade mínima do índice cobra 24/7 mesmo com o piloto atendendo cem conversas por dia.
- Deflexão medida errada: conta como resolvida a conversa em que o cliente desistiu. O número sobe, a satisfação cai, e a contradição só aparece no trimestre seguinte.
- Sem limite de turnos: conversa em loop consumindo tokens e paciência. Um teto de turnos com escalonamento automático resolve em uma linha.
- PII no log: o time liga o model invocation logging e esquece que a conversa inteira, com dado pessoal, vai para um bucket sem CMK e sem política de retenção.
- Atendente sem treinamento no copiloto: a sugestão aparece, ninguém sabe se pode confiar, e metade do time simplesmente ignora. Adoção morre por falta de 40 minutos de treinamento.
A conta que prova o retorno
A métrica que convence a diretoria não é custo por token nem por request — é custo por contato resolvido, porque é a única comparável com o processo atual. A fórmula abaixo é a que você leva para a reunião.
| Indicador | Antes | Depois — o que perguntar |
|---|---|---|
| Custo por contato | Baseline medido da operação | Caiu? E o custo total, incluindo a curadoria de conteúdo que passou a ser contínua? |
| Tempo médio de atendimento | Baseline por intenção | Caiu nas intenções alvo, ou a média melhorou só porque mudou o mix de chamados? |
| Resolução no primeiro contato | Baseline por canal | Subiu? Reabertura em 48h é o alarme que desmente qualquer ganho aparente |
| Satisfação | CSAT/NPS por canal | Ficou estável ou melhor? Velocidade que piora a experiência não é ganho |
| Adoção do copiloto | Não existia | Que % das sugestões o atendente usa? Abaixo de 30% é problema de qualidade ou de treinamento |
Não esqueça o custo que não é AWS
A fatura de nuvem é a parte visível. O custo real do projeto inclui a curadoria contínua da base de conhecimento, o tempo do time de atendimento revisando amostras e a manutenção das evals. Business case que ignora essas três linhas envelhece mal no segundo trimestre — e é o tipo de omissão que o financeiro encontra.
Linha do tempo de uma implantação realista
Checklist para replicar
- Meça os sete números do baseline e registre com data. Sem isso, não comece.
- Extraia as 20 intenções principais e classifique cada uma como informacional, transacional, ação ou encaminhamento.
- Escolha 5 intenções de alto volume e baixo risco para a primeira onda.
- Audite os documentos dessas 5 intenções antes de indexar — conteúdo errado indexado vira resposta errada com citação, que é pior que não responder.
- Comece como copiloto do atendente, não como deflexão.
- Todo dado do cliente vem de tool call; o modelo só redige em volta do dado.
- Ligue guardrail com redação de PII e contextual grounding desde o primeiro dia.
- Ligue model invocation logging com CMK e retenção definida — depois não recupera.
- Crie o application inference profile antes do primeiro request, para o custo já nascer atribuído.
- Implemente a escada de escalonamento com teto de turnos e gatilho de emoção.
- Marque o cache point no prefixo estável e monitore o cache hit — se estiver em zero, algo invalida o prefixo.
- Defina a amostragem manual diária de conversas e quem é o dono dela. Eval automática não substitui olhar humano no começo.
No piloto, a taxa de deflexão subiu para 62% e a diretoria comemorou. Qual verificação você faz antes de escalar o projeto?
Por que a primeira onda de um projeto de atendimento com IA costuma ser copiloto do atendente em vez de deflexão automática?
Próximo passo
Esse foi o arquétipo front-office, onde o cliente vê a saída. O próximo é o espelho dele: back-office documental em setor regulado, onde ninguém vê a saída — mas o auditor pergunta, o erro custa multa e o volume é o que paga a conta.
Perguntas frequentes
❓ Como desenhar atendimento com IA sem piorar a experiência?
❓ O que medir num atendimento com IA?
❓ Humano no circuito atrasa o atendimento?
Terminou de ler?
Marcar como concluído registra o XP, mantém sua sequência e coloca 3 cartas deste módulo na fila de revisão espaçada.
Próximos passos sugeridos
Temas deste módulo
Discussão
Carregando comentários…