Como desenhamos IA no atendimento: a IA lê e a pessoa decide

Por que o desenho importa mais do que o modelo

Nos textos anteriores desta série, defendemos que o risco da IA no atendimento está no que ela pode fazer, que isso vem em três níveis, que subir de nível tem preço e que quatro travas mantêm o sistema no Nível 1 mesmo em assunto de Nível 3. Falta mostrar como isso funciona por dentro.

Este texto descreve o desenho que usamos. Ele não depende de um modelo ou fornecedor específico, e o sotaque dos exemplos é o de um serviço contínuo, como um provedor de internet. Em outro setor mudam as fontes de dados, não a estrutura. O texto percorre as peças, o fluxo, o que acontece quando algo falha, como cada peça é medida, como o dado pessoal é protegido e como o desenho cresce sem ser reescrito.

Três tipos de IA, cada uma com um trabalho só

A primeira decisão é não ter uma IA que faz tudo. Se perguntarem por quê: porque uma IA que faz tudo também erra em tudo ao mesmo tempo, e não dá para auditar qual parte falhou. No nosso desenho, cada IA responde a uma pergunta só, de um de três tipos.

A que classifica. Escolhe um item de uma lista que nós definimos. "De que assunto se trata?", e a resposta é um entre os motivos do nosso catálogo. Ela nunca inventa um motivo novo. Se nenhum item serve, a resposta é "não classificado", que também está na lista.

A que verifica. Responde sim ou não, com grau de certeza. "Isto é um pedido de cancelamento?" "É uma reclamação de cobrança indevida?" Quando a certeza é baixa, isso vira informação para o sistema, não palpite.

A que gradua. Coloca o caso numa escala que nós descrevemos. "Quão urgente?" "Quão completa está a evidência para decidir?"

Nenhuma delas decide nada sozinha e nenhuma conversa com as outras. Cada uma responde à sua pergunta e devolve ao sistema, que é quem junta tudo. Isso torna cada resposta isolada e rastreável: dá para medir a taxa de erro de cada IA, trocar uma sem mexer nas outras e saber exatamente de onde veio um erro.

E uma regra que vale para todas: nada de cálculo vai para a IA. Juros, multa, proporcionalidade e regra de desconto são conta, e conta é trabalho do sistema. A regra de negócio fica escrita e versionada em código, não dentro de uma instrução. Como disse o CEO da Olos no CONAREC, "não entregue para a IA fazer uma conta de um mais um". Um modelo de linguagem acerta contas quase sempre. Um sistema acerta sempre, e "quase" é o que separa os dois em três mil conversas por dia.

Seis especialistas, nenhum altera nada

Sobre essa base, montamos IAs especialistas por fonte de informação. Num serviço contínuo, são seis.

Três regras valem para os seis.

Cada um tem acesso próprio. Só ao que precisa ver, com validade curta, sem herdar o acesso do atendente. O especialista financeiro não enxerga a rede; o de rede não enxerga a cobrança. Se alguém conseguir manipular um deles, o estrago fica confinado à fonte dele.

Nenhum altera nada. E aqui está o detalhe que mais importa em auditoria: "só leitura" é permissão configurada no banco de dados, não frase escrita na instrução da IA. Pedir para a IA não alterar nada não é controle. É pedido. O controle é a permissão do banco e o acesso limitado.

Um não conversa com o outro. Cada um responde ao sistema. Nenhum lê a resposta do outro. Isso evita que um erro de leitura em uma fonte contamine a interpretação das demais, e evita o efeito de dois modelos "concordando" entre si sobre algo que nenhum leu.

O que cada especialista devolve

A resposta de um especialista não é texto livre. É um registro com cinco campos, sempre os mesmos.

O formato fixo tem três efeitos. O atendente aprende a ler o dossiê em segundos, porque ele é sempre igual. O sistema consegue conferir automaticamente se todo fato tem fonte. E a amostra semanal consegue comparar a resposta do especialista com a fonte, campo a campo.

O fluxo em cinco passos

1. Entrada. A mensagem do cliente chega com o dado pessoal mascarado. O texto entra junto com o contexto de contrato e conexão já carregado dos sistemas, não da conversa anterior. Cada conversa começa limpa.

2. Triagem. As IAs que classificam, verificam e graduam catalogam o caso: motivo, intenção, urgência, nível de maturidade do assunto. Com isso o sistema decide o roteiro, ou seja, quais especialistas acionar. Uma pergunta sobre horário de loja não aciona o especialista financeiro.

3. Especialistas em paralelo. Cada especialista acionado consulta a sua fonte e devolve o registro de cinco campos. Nenhum escreve em lugar nenhum. Como trabalham em paralelo, o tempo total é o do mais lento, não a soma.

4. Dossiê. O sistema junta tudo num dossiê: fatos com fonte, lacunas do que não foi possível verificar e um texto sugerido. Nenhum valor, nenhuma concessão. Se o especialista financeiro não conseguiu confirmar o pagamento, o dossiê diz isso, em vez de a IA supor.

5. Pessoa. O atendente recebe o caso já lido, com todas as informações para agir, e assume o protagonismo do atendimento. Ele decide o que vale, corrige o que precisa e envia. Toda alteração no ERP continua pelo caminho oficial, com registro de quem fez, e sem apagar nada em definitivo.

Quando uma fonte está fora do ar

Sistemas caem. O que separa um desenho sério de um frágil é o que acontece nesse momento.

No nosso desenho, um especialista que não consegue ler a fonte devolve uma lacuna, não uma resposta. O dossiê mostra "cobrança indisponível às 14h12; pagamento de outubro não confirmado", e o rascunho é escrito sem afirmar nada sobre pagamento. O atendente vê a lacuna e decide: espera alguns minutos, confirma por outro caminho ou avisa o cliente que a informação será confirmada.

O que nunca acontece é o especialista preencher a lacuna com o que a fonte "provavelmente diria", com base no histórico. É assim que nascem as afirmações do tipo "sua fatura está paga" em dias em que o sistema de cobrança estava fora. E, pelo artigo 14 do CDC, como vimos no texto sobre as regras, uma afirmação errada é defeito de serviço, independentemente de a fonte estar fora do ar.

Como medimos cada IA

Porque cada IA responde a uma pergunta fechada, com formato definido, cada uma tem a própria taxa de erro. Toda semana, uma amostra de respostas de cada especialista e de cada IA de triagem é conferida contra a fonte ou contra o julgamento de uma pessoa da área.

Os números vão para uma planilha semanal, comparados com a semana anterior. Quando a taxa de erro de uma IA sobe, sabe-se qual, e só ela é revisada: a instrução, o catálogo, a fonte ou o modelo. Isso é o oposto de uma IA única, em que a única informação disponível é "a resposta estava errada" e a única correção possível é mexer em tudo.

Privacidade por desenho

Um desenho que lê contrato, cobrança e histórico de milhares de pessoas precisa proteger o dado pessoal por estrutura, não por promessa.

• Mascaramento antes do modelo. CPF, telefone, endereço e nome são substituídos por marcadores antes de qualquer texto chegar a um modelo de linguagem. O modelo raciocina sobre "o cliente" e "o endereço de instalação", não sobre a pessoa.
• Acesso por especialista. Cada IA vê só a fonte dela. Não existe uma IA com visão do cliente inteiro.
• Registros sem dado pessoal em claro. O que a IA leu e respondeu fica registrado com os marcadores, não com os dados. A reconstituição, quando necessária, é feita por pessoa autorizada, com registro de quem acessou.
• Conversa sem memória de outro cliente. O contexto vem dos sistemas, carregado para esta conversa. Nada do atendimento anterior sobra para o seguinte.
• Nada se apaga em definitivo. Registros são desativados, não destruídos, para que a trilha de auditoria exista quando o cliente exercer um direito ou quando o regulador perguntar.

Nenhum desses pontos é funcionalidade que se liga depois. Todos são decisões tomadas antes de a primeira conversa passar pelo sistema.

O que o atendente ganha

No CONAREC 2026, a diretora de Operações do Banco BMG, Carmen Duarte, resumiu o que o desenho persegue: "Não é transferir o cliente, é transferir o contexto." O atendente que recebe um dossiê não começa do zero. Ele começa com o histórico resumido, a situação financeira lida da fonte, o estado da conexão e o procedimento que se aplica, e com um rascunho que costuma estar certo.

O ganho é tempo por atendimento e consistência entre atendentes. Dois atendentes com o mesmo dossiê dão respostas parecidas, com as mesmas fontes, porque o trabalho de leitura foi feito uma vez, do mesmo jeito. O que não muda é quem decide.

Há um ganho menos visível. A gerente-executiva do banco BV, Paula Gomes, disse no mesmo evento que "o humano precisa intervir, não necessariamente o humano tem que ser pedido". No desenho de dossiê, a pessoa não intervém só quando o cliente grita por ela. Ela está no fluxo desde o início, em todo caso, e é o sistema que a traz, não o cliente.

O que esse desenho não promete

A pergunta que sempre vem é "então não reduz a equipe?". A resposta honesta: reduz o tempo por atendimento e a variação entre atendentes. Não elimina o atendente. Quem prometeu eliminação está operando no Nível 3 sem saber, com a IA decidindo sozinha sobre contrato e dinheiro, e sem as oito condições que isso exige.

O desenho também não promete que a IA nunca erra. Promete que o erro dela é isolado, rastreável e para antes de chegar ao cliente. Quando a IA que verifica erra, o dossiê traz uma afirmação errada com fonte, e a pessoa confere a fonte. Quando a IA que classifica erra, o caso vai para a fila errada e volta. Nenhum desses erros altera um dado nem promete um valor.

E não promete substituir o trabalho de arrumar a casa. Um especialista de procedimento que lê uma base de conhecimento desatualizada entrega procedimento desatualizado, mais rápido. O desenho torna visível o que está errado nas fontes; não conserta as fontes.

Como o desenho cresce sem ser reescrito

Três coisas mudam ao longo do tempo numa operação, e o desenho foi pensado para absorver cada uma sem reconstrução.

Uma fonte nova. Surge um sistema de agendamento, ou a empresa passa a ter uma base de equipamentos. Adiciona-se um especialista, com acesso próprio, só de leitura, devolvendo o mesmo registro de cinco campos. O resto não muda.

Um modelo novo. Os modelos de linguagem mudam com frequência, de preço e de qualidade. Como cada IA responde a uma pergunta fechada, trocar o modelo por trás dela é trocar uma peça, e a amostra da semana seguinte diz se a taxa de erro melhorou ou piorou. As regras de negócio não estão no modelo; estão em código.

Uma ação autônoma. Quando as condições de maturidade ficam prontas, uma ação de baixo impacto e reversível pode passar a sair sem aprovação prévia. Por exemplo, enviar ao cliente o link da segunda via quando o dossiê tem fato com fonte, certeza alta e nenhuma lacuna. A estrutura é a mesma; o que muda é o que o sistema está autorizado a fazer com o dossiê, uma ação por vez, com amostragem apertada e o botão de desligar à mão.

Como isso se encaixa nos níveis e nas travas

Esse desenho é o Nível 1 em forma de arquitetura. As quatro travas não são regras adicionadas; são propriedades da estrutura. Não executa, porque nenhum especialista tem permissão de escrita. Não negocia, porque não existe ferramenta de concessão ao alcance de nenhuma IA e o cálculo é do sistema. Não envia sem aprovação, porque o fluxo termina no painel do atendente. Não decide sozinha, porque a lacuna é um campo do dossiê.

Resta a última pergunta da série, e ela não é sobre tecnologia. É sobre se o gargalo que a IA veio resolver é mesmo o que parece.