Agentes de IA no atendimento: do chatbot engessado à resolução real

Durante anos, “automatizar o atendimento” significou montar um chatbot com menus e respostas prontas. Ele resolvia o básico, mas travava quando a pergunta saía do roteiro, e o cidadão ou cliente terminava repetindo tudo para um atendente.

A geração atual de IA muda esse quadro. Modelos de linguagem passaram a entender pedidos escritos de forma livre, e as plataformas de atendimento começaram a conectá-los a sistemas internos. O resultado são agentes: assistentes que não só respondem, mas consultam, decidem dentro de regras e executam tarefas. A promessa é grande. Os riscos também.

O que diferencia um agente de um chatbot

O chatbot tradicional segue uma árvore de decisão: cada resposta foi escrita antes por alguém. O agente trabalha com objetivos. Ele interpreta a intenção, busca informação em fontes autorizadas, chama ferramentas (APIs de cadastro, protocolo, cobrança ou agenda) e verifica se a tarefa foi concluída.

Na prática, a diferença aparece em pedidos como “quero mudar a data da minha consulta” ou “não recebi o boleto deste mês”. O chatbot devolve um link genérico. O agente identifica a pessoa, confere a situação no sistema, oferece opções e conclui a alteração, ou explica por que não pode fazê-la.

O que os números indicam (e o que não indicam)

As projeções de mercado são otimistas, mas vêm acompanhadas de alertas. A Gartner prevê que, até 2029, a IA agêntica resolverá de forma autônoma 80% dos problemas comuns de atendimento. A mesma consultoria estima que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controles de risco inadequados.

O terceiro dado é o mais útil para quem planeja. Na mesma pesquisa, a principal preocupação dos clientes era ficar mais difícil falar com uma pessoa. Ou seja: o agente precisa ser percebido como atalho, não como barreira. E a palavra “comuns” na previsão de 2029 não é detalhe. Ela se refere a demandas recorrentes e bem delimitadas, não a todo e qualquer contato.

Onde os agentes funcionam melhor

Os melhores candidatos são demandas de alto volume, regras claras e baixo risco de dano em caso de erro:

• Consultas com dados do próprio usuário: situação de protocolo, status de pedido, saldo, prazos.
• Transações simples e reversíveis: segunda via, atualização de cadastro, reagendamento, cancelamento.
• Triagem qualificada: entender o problema, coletar documentos e abrir o chamado já classificado para a equipe certa.
• Apoio ao atendente humano: resumo do histórico, sugestão de resposta e busca na base de conhecimento durante a conversa.

Pedidos que envolvem exceções, conflitos, valores altos, saúde, direitos ou pessoas em situação de vulnerabilidade devem ter caminho rápido para uma pessoa. O agente pode preparar o caso, mas a decisão fica com quem responde por ela.

Requisitos técnicos que fazem a diferença

Base de conhecimento confiável

Um agente é tão bom quanto as fontes que consulta. A técnica mais usada, chamada RAG (geração aumentada por recuperação), faz o modelo buscar trechos de documentos aprovados antes de responder. Isso reduz invenções, mas não as elimina: se a base estiver desatualizada, a resposta também estará. Defina um responsável por cada conteúdo e prazos de revisão.

Ferramentas com permissões mínimas

Cada ação que o agente pode executar deve ser uma ferramenta específica, com parâmetros validados e escopo restrito. “Reagendar a consulta do próprio usuário” é aceitável; “acesso de escrita ao banco de agendamentos” não é. Ações sensíveis ou irreversíveis exigem confirmação explícita do usuário.

Rastreabilidade

Registre cada conversa, cada consulta e cada ação, com data, usuário e resultado. Esse histórico serve para auditoria, para tratar reclamações e para melhorar o agente.

Proteção de dados

Atendimento envolve dados pessoais. Aplique a LGPD (Lei 13.709/2018): colete só o necessário, autentique antes de exibir informações, informe que há IA na conversa e avalie onde o provedor do modelo processa e armazena os dados.

Regras do atendimento também valem para a IA

Automatizar não suspende obrigações. Para fornecedores de setores regulados pelo governo federal, o Decreto nº 13.135/2026, publicado em 13 de outubro de 2026 em substituição ao Decreto nº 11.034/2022, permite usar sistemas automatizados e IA para triagem, distribuição e resolução de demandas. Mas proíbe que eles impeçam ou afastem o atendimento em tempo real por uma pessoa, garantido das 8h às 20h, todos os dias. No setor público, a Lei 13.460/2017 assegura os direitos dos usuários de serviços públicos, e a transparência sobre o uso de IA ganha ainda mais peso.

Como medir e melhorar continuamente

A taxa de contenção (conversas que não chegaram a um atendente) engana quando usada sozinha: o usuário pode simplesmente ter desistido. Combine-a com resolução no primeiro contato, recontato em até 7 dias sobre o mesmo tema, satisfação após o atendimento, transferências com contexto e erros de ação, como operações desfeitas ou contestadas.

Esse ciclo precisa de dono. Em geral, funciona melhor com uma pequena equipe que reúne quem conhece o serviço, quem cuida da base de conhecimento e quem mantém as integrações.

Próximos passos

Comece pequeno: escolha de duas a cinco demandas frequentes, mapeie as regras, organize a base de conhecimento e implante o agente com escopo restrito e saída humana visível. Meça por algumas semanas antes de ampliar. Com essa disciplina, a IA deixa de ser um chatbot mais simpático e passa, de fato, a resolver.

A Midnal atua desde 2013 com tecnologia, governança e educação para órgãos públicos, empresas e organizações do terceiro setor, e pode apoiar desde o diagnóstico das demandas até a integração e a governança dos agentes. Conheça a frente de inteligência artificial e automação.