A IA ficou mais cara. A falha, mais visível.

Aline Pitondo Monteiro

há 21 minutos

5 min de leitura

Durante os últimos anos, a conversa sobre IA no atendimento partiu de uma premissa que quase ninguém escreveu, mas todo mundo assumiu: automatizar sai mais barato do que atender com gente.

Essa premissa começou a vencer. No mínimo, passou a precisar ser refeita a cada aumento de escala.

No guia de previsões para 2027 em marketing B2C, CX e digital, a Forrester projeta que o custo da IA vai obrigar os líderes de marketing B2C a reduzir cerca de um terço das iniciativas com a tecnologia. O consumo de tokens cresce com o uso, e os fornecedores ampliam a cobrança por consumo. Interação de agente, conteúdo gerado e fluxo automatizado viram linha de fatura. Entre executivos de marketing B2C nos Estados Unidos, 26% apontam o custo da IA acima do esperado como o principal motivo de escrutínio desses investimentos. Outros 37% veem a adaptação à precificação por consumo como a mudança ligada à IA de maior impacto no orçamento dos próximos doze meses.

O dado é americano e é de marketing. A pergunta que ele levanta, porém, vale para qualquer operação que contrate cobrança por conversa, sessão ou resolução: o que faz esse consumo crescer?

A conta expõe o que o volume escondia

Quando a operação era majoritariamente humana, o custo da falha ficava diluído nas posições de atendimento, no preço por minuto do BPO, na hora extra do mês de pico. Sem uma análise específica, o custo de atender uma necessidade legítima podia ficar misturado ao de corrigir algo que a própria empresa tinha feito errado.

Com a cobrança por consumo, cada volta do cliente pode virar mais uma despesa. A fatura fica mais detalhada. A causa do contato, não. Ela continua dependendo de investigação.

John Seddon chamou de demanda de falha aquela criada quando a organização deixa de fazer algo, ou deixa de fazê-lo corretamente, para o cliente. É o status do pedido que ninguém informou, a segunda via que não chegou, o documento pedido pela terceira vez, o processo que segue "em análise" sem explicação.

Esse volume parece feito para a automação, porque é repetitivo, previsível e tem resposta aparentemente simples. Esse é o risco. Automatizar a resposta pode preservar a causa. O cliente recebe a mensagem mais rápido e volta amanhã, porque nada mudou. Com o taxímetro rodando 24 horas.

A pergunta que antecede qualquer caso de uso de IA não é "a IA consegue responder isso?". É "por que o cliente precisa perguntar isso?". Se o contato nasce de uma falha de informação, de processo ou de promessa, parte do investimento precisa ir para a origem.

Automatizar pode reduzir o custo de atender. Eliminar a falha reduz a necessidade de atender.

Do custo por contato ao custo por resolução

A Forrester recomenda acompanhar o consumo, priorizar requisitos e rever contratos para prever as despesas. A recomendação está correta, mas em CX é insuficiente. Cortar o canal de maior volume sem entender o que o alimenta pode apenas deslocar o problema. O contato reaparece no atendimento humano, que é mais caro, ou no Reclame Aqui, que é público, enquanto a causa continua intacta.

O cliente já avalia pelo desfecho. Na quinta edição do State of Customer Experience, da Genesys, 76% dos consumidores dizem não se importar se o problema é resolvido por uma pessoa ou por uma IA, desde que a solução seja rápida e completa. O mesmo estudo mostra que 84% dão a um agente virtual no máximo três tentativas, e que não conseguir falar com um atendente humano continua sendo a principal fonte de frustração. O cliente não está discutindo humano contra máquina. Está discutindo se resolveu.

O indicador que traduz isso para a gestão é o custo por resolução real. Acompanha-se uma coorte de assuntos, soma-se o gasto de todos os atendimentos, transferências e recontatos dentro de uma janela definida, e divide-se esse total pelo número de assuntos efetivamente resolvidos. Os custos dos casos não resolvidos entram na conta e precisam continuar visíveis.

Para funcionar, essa conta exige três definições que muita operação nunca fez: o que conta como resolvido, como identificar o mesmo assunto em canais diferentes e por quanto tempo acompanhar a reincidência. Chamado encerrado pelo sistema não é evidência de resolução.

Com essa régua, a comparação muda. Um fluxo com contato barato e muitos retornos pode custar mais por solução do que um atendimento humano bem executado. A discussão sobre qualidade deixa de ser opinião de CX e vira decisão de negócio.

O quadro de CX volta a crescer. A competência precisa vir junto.

A Forrester também prevê um aumento de 20% no quadro de CX depois de dois anos de cortes. O crescimento se concentra em funções que sustentam a IA, como engenharia de processamento de linguagem natural, ciência de dados e design de experiências com IA. E o guia traz um número que merece atenção: 90% dos decisores de CX dizem que suas empresas adotaram ou desenvolveram ferramentas de IA generativa para os funcionários, mas só 45% relatam uso ativo pelas equipes de CX.

Disponibilizar não é incorporar. A adoção organizacional anda mais rápido do que o uso real. Toda projeção de produtividade construída sobre a primeira, e não sobre o segundo, é uma aposta.

O Gartner chegou a um alerta parecido por outro caminho. Previu que, até 2027, metade das organizações que esperavam reduzir significativamente suas equipes de atendimento vai abandonar esses planos. Um analista da consultoria explicou à imprensa que os projetos que esperavam resolver todas as demandas com IA generativa não estão saindo como planejado, tanto pelos resultados quanto pelos custos inesperados. Resultado e custo: as duas metades deste artigo na mesma frase.

A Klarna mostra por que o caso pede mais cuidado do que a manchete. Em fevereiro de 2024, a empresa declarou que, no primeiro mês, seu assistente havia atendido dois terços dos chats e realizado trabalho equivalente ao de 700 agentes em tempo integral, com satisfação semelhante à do atendimento humano. Eram números da própria companhia. Mais tarde, o CEO admitiu à Bloomberg que o custo tinha pesado demais na avaliação e que o resultado foi uma qualidade menor. A empresa não abandonou a IA: reintroduziu atendentes humanos ao lado do chatbot. A lição não é que a IA falhou. É que a combinação entre IA e pessoas precisa ser calibrada pela qualidade, não só pelo custo.

Contratar especialistas faz a tecnologia funcionar. Mas isso não decide, sozinho, onde ela não deveria estar. Essa decisão exige conhecer a jornada, as exceções, a regulação e o momento em que o cliente está fragilizado. O Teste dos Limites de CX™ existe para isso. Antes de discutir eficiência, ele verifica se a interação envolve exceção, julgamento, risco financeiro ou vulnerabilidade do cliente. Quando envolve, a pergunta deixa de ser "quanto economizamos" e passa a ser "quanto arriscamos".

A IA ficou mais cara. A falha, mais visível.

A cobrança por consumo coloca preço em decisões que antes eram tomadas no escuro. Isso é desconfortável, e é bom. Mas visibilidade não é gestão. Transformar a fatura em decisão continua sendo trabalho da empresa: ligar cada linha ao motivo do contato, acompanhar o assunto até a solução e mostrar quanto da operação existe só para corrigir a própria organização.

A área de CX que fizer isso chega à discussão de orçamento de 2027 com o argumento mais difícil de rebater: quanto custa continuar falhando.

A que continuar medindo custo por contato vai assistir ao corte. E, depois, à recontratação.