A liderança quer IA no apoio ao cliente, e agora é preciso descobrir como fazê-la funcionar com o sistema de help desk que já tem.
Isto pode ser mais difícil do que adicionar outra ferramenta de IA ao seu conjunto de soluções. A sua plataforma atual pode conter anos de tickets, artigos desatualizados na base de conhecimento, tags inconsistentes e campos personalizados remanescentes de fluxos de trabalho antigos. A IA dependerá destes dados, pelo que a sua qualidade e estrutura podem rapidamente tornar-se um problema maior do que a própria tecnologia.
Por isso, antes de investir noutra ferramenta, recomendamos que verifique o que o seu sistema de suporte oferece. Neste artigo, analisaremos o que torna uma plataforma de suporte adequada para IA, onde os sistemas antigos podem causar problemas e como decidir se deve adicionar IA à sua configuração atual ou migrar para uma plataforma que se adeque melhor aos seus planos.
A adoção da IA é uma prioridade, mas a integração completa ainda é limitada
Os números sobre a adoção da IA no apoio ao cliente podem ser enganadores. Dependendo do que um inquérito mede, a "adoção" pode significar desde a utilização de uma ferramenta de IA até à sua integração nas operações de suporte. Analisar as expectativas da administração e os níveis reais de integração em separado proporciona uma visão mais clara.
91% dos líderes de suporte enfrentam pressão para implementar a IA
a Gartner entrevistou 321 líderes de serviços e suporte. 91% afirmaram estar sob pressão da gestão de topo para implementar a IA.
Esta pressão também afeta a forma como as equipas de suporte planeiam a sua força de trabalho.
Quase 80% dos inquiridos disseram esperar que os agentes assumam novas funções à medida que a IA assume tarefas rotineiras.
84% dos inquiridos planeia adquirir novas competências ou alterar os perfis de contratação para se adaptarem a esta mudança.
Mas estes planos dependem do que o ambiente de suporte existente pode acomodar. O sistema de suporte atual e os dados nele armazenados podem limitar os casos de utilização de IA viáveis.
A adoção da IA varia consoante a aplicação
O uso da IA numa central de atendimento pode ter significados muito diferentes. O relatório Contact Center Technologies da COPC Inc. constatou que 42% dos centros de atendimento utilizam IA para atendimento e apoio ao cliente, mas as taxas de adoção variam de acordo com a aplicação. Os chatbots foram os mais comuns, com 59%, seguidos pela automatização robótica de processos (RPA), com 48%, análise de sentimento do cliente, com 44%, e análise de texto, com 42%. A análise de voz atingiu os 32%, enquanto 23% utilizam assistentes de voz (voicebots).
A integração completa depende da qualidade e acessibilidade dos seus dados de suporte:
- Campos do ticket: categorias, etiquetas e valores consistentes nos tickets atuais e históricos.
- Histórico do chamado: contexto suficiente para compreender o problema, as ações tomadas e a resolução.
- Base de conhecimento: conteúdo atualizado com uma estrutura clara e sem respostas contraditórias.
As ferramentas de IA também precisam de ter acesso a estes dados, o que depende do que o seu sistema de suporte técnico expõe através das suas APIs e integrações.
Porque é que a adoção da IA está estagnada no atendimento ao cliente?
Ao introduzir a IA numa operação de suporte já estabelecida, está a trabalhar com processos que foram desenvolvidos ao longo de anos. Os agentes já seguem regras de escalonamento e aprovação, enquanto os processos de controlo de qualidade, as integrações e a base de conhecimento da IA podem exigir alterações, dependendo do que se pretende que a IA faça.
As competências, a governação e a adoção de agentes podem atrasar os projetos de IA
É necessário que alguém avalie as respostas geradas pela IA, identifique erros e defina quando é que um agente deve assumir o controlo. Os casos de utilização orientados para o cliente também exigem regras claras para o tratamento da informação do cliente e a revisão das respostas geradas pela IA.
Os agentes precisam da mesma clareza. A formação pode abordar quando uma resposta requer revisão, como relatar sugestões inadequadas e quais os casos que devem ser encaminhados diretamente para um assistente humano. Isto define o papel dos agentes quando a IA se torna parte do seu fluxo de trabalho.
A integração pode ser mais difícil com sistemas de suporte técnico mais antigos
Os problemas de integração vão para além da IA. O inquérito Global State of CX 2025 revelou que 31% dos inquiridos consideram a integração com as ferramentas existentes um obstáculo para concretizar os seus investimentos em CX. Apenas demonstrar o ROI (39%) e encontrar orçamento (35%) foram considerados obstáculos maiores.
Os projetos de IA podem expor limitações nas integrações existentes. Um sistema de suporte técnico antigo pode dar aos agentes acesso à informação através da sua interface, mas oferecer menos opções para recuperar a mesma informação de forma programática. Uma API pode omitir alguns campos personalizados, uma exportação pode exigir trabalho adicional para reconstruir os registos de conversas ou uma integração existente pode recuperar apenas parte de um ticket.
(QA) é um bom exemplo de como estes requisitos mudam com a IA. De acordo com a COPC Inc., a maioria das equipas tradicionalmente revia apenas 2 a 5% das interações com os clientes e utilizava esta amostra para formação de agentes, acompanhamento da conformidade e estimativa do desempenho do programa. A monitorização da qualidade com suporte de IA pode abranger uma parte muito maior das interações, o que significa recuperar e processar muito mais dados de conversas.
Verifique as informações que pode obter através da API, das exportações e das integrações do help desk em relação ao caso de utilização de IA que planeia implementar. Uma ferramenta de resumo de tickets, por exemplo, requer acesso ao conteúdo da conversa, enquanto a classificação automatizada também depende dos campos e categorias utilizados para formação ou dados de referência.
Verificar dados históricos em relação ao caso de utilização de IA
Uma base de conhecimento eficaz para a IA necessita de respostas atuais e consistentes. Se dois artigos apresentarem instruções conflituantes para o mesmo problema, a clareza da formatação por si só terá um valor limitado. Analise artigos duplicados, versões anteriores do produto e orientações que se referem a políticas de suporte desatualizadas antes de decidir qual o conteúdo que a IA deve utilizar.
Aplique a mesma lógica ao histórico de chamadas. Digamos que a sua categoria atual "Faturação" substituiu três categorias antigas após uma migração do help desk. Se quiser utilizar estes chamados antigos para classificação, primeiro precisa de mapear as categorias anteriores para a taxonomia atual. Se o seu caso de utilização depender apenas dos chamados recentemente resolvidos, este trabalho poderá ter pouco valor. Comece com os dados necessários para o caso de utilização, em vez de limpar todo o histórico de suporte por defeito.
Um modelo prático de adoção de IA para equipas de suporte
Depois de definir quais as características de IA que pretende implementar, avalie-as em comparação com o seu sistema de suporte atual. Teste primeiro com os seus próprios dados de suporte. Os resultados fornecerão uma base concreta para comparar com o custo e o esforço de migrar para outra plataforma.
Analise o que a sua plataforma atual pode suportar
Selecione uma amostra representativa dos tickets que o recurso irá utilizar. Inclua pedidos comuns, bem como casos que os agentes considerem mais difíceis de classificar ou resolver.
Teste as informações necessárias para a funcionalidade. Ao avaliar a classificação dos tickets, compare os resultados com as categorias atribuídas por agentes experientes. Para o resumo, verifique se a funcionalidade recebe a conversa completa e os campos relevantes do ticket. A geração de respostas requer outra verificação: forneça artigos da base de conhecimento que os seus agentes utilizam atualmente e verifique a precisão das respostas.
Documente os problemas encontrados e acompanhe-os até à sua origem. Classificações inconsistentes podem apontar para a taxonomia, enquanto resumos incompletos podem revelar campos em falta ou dados de conversação incompletos. Respostas inadequadas baseadas em artigos irrelevantes da base de conhecimento podem exigir uma revisão mais detalhada do conteúdo.
Decida: Adicione IA ao seu sistema de suporte atual ou migre para ferramentas nativas de IA
Comece pelos problemas que encontrou durante os testes. Alguns podem exigir um projeto de limpeza limitado ou alterações numa integração, enquanto outros podem exigir um desenvolvimento personalizado que terá de manter juntamente com o suporte técnico.
Em seguida, estime o trabalho necessário para os recursos de IA que planeia utilizar. Inclua a preparação inicial dos dados e as alterações de integração, para além da manutenção contínua. Registe também quaisquer limitações da plataforma que terá de aceitar.
Compare este esforço com uma migração para as plataformas que está a considerar. Verifique se fornecem acesso aos dados de tickets necessários e se são compatíveis com as integrações por detrás dos seus recursos de IA planeados. A migração tem o seu próprio custo, especialmente quando já tem anos de histórico de suporte e fluxos de trabalho estabelecidos; portanto, a comparação precisa de ter em conta tanto a implementação como o trabalho contínuo.
Uma migração focada na IA inclui os requisitos dos recursos de IA planeados no âmbito da migração. Por exemplo, se a classificação dos chamados depender de um campo específico, preserve e mapeie esse campo durante a migração. Se a geração de respostas utilizar conversas anteriores, determine que partes deste histórico precisam de chegar ao centro de atendimento de destino e em que formato.
Sequencie a migração para testar a IA com os seus dados
Antes de transferir todo o histórico, mova um conjunto representativo de tickets recentes e conteúdo relevante da base de conhecimento. Em seguida, teste os recursos de IA planeados com os registos migrados.
Não se limite a verificar se os registos chegaram. Isto significa verificar os valores nos campos mapeados, as ligações entre registos relacionados, a ordem das conversas, os anexos necessários para o contexto e as permissões que afetam o acesso ao conteúdo migrado.
Uma categoria pode ser transferida com sucesso para um valor de destino incorreto. Uma conversação pode conter todas as mensagens, enquanto a ausência de um campo personalizado remove o contexto necessário para a classificação. A identificação destes problemas no conjunto de teste permite ajustar o mapeamento antes de o aplicar aos restantes registos.
Após validar o mapeamento com o conjunto de testes, utilize a mesma configuração para o resto da migração.
O que a adoção da IA exige da sua plataforma de suporte
Quando a IA passa a fazer parte do apoio ao cliente, os requisitos vão para além do acesso a dados históricos. Os agentes continuam a criar chamados, os artigos da base de conhecimento são atualizados e os processos de suporte mudam. É necessária uma forma de manter as informações utilizadas pela IA precisas à medida que estas alterações ocorrem.
Prepare a sua base de conhecimento para a IA
Mantenha cada artigo focado numa pergunta clara e inclua a resposta essencial num texto pesquisável. Se as instruções dependerem de anexos, vídeos ou páginas com links, verifique que conteúdo a sua ferramenta de IA consegue extrair dos mesmos.
Também precisa de alguém responsável por manter o conteúdo atualizado. As atualizações de produtos podem tornar as instruções existentes obsoletas, enquanto vários artigos podem acabar por abordar o mesmo assunto ao longo do tempo. As revisões regulares ajudam a identificar estes problemas antes que continuem disponíveis orientações desatualizadas para as respostas geradas pela IA.
Segundo a Gartner , 58% dos líderes de serviços planeiam capacitar os seus agentes de atendimento ao cliente para que se tornem especialistas em gestão do conhecimento. As suas responsabilidades incluiriam rever, selecionar e manter conteúdo para inteligência artificial e self-service do cliente.
Dê prioridade à qualidade dos dados, não à quantidade
O número de registos históricos diz pouco sobre a sua utilidade para um caso de utilização de IA. Um conjunto mais pequeno, com categorias consistentes e campos completos, pode fornecer dados mais úteis do que anos de registos criados sob diversas taxonomias.
Segundo a Gartner, 63% das organizações não têm as práticas de gestão de dados adequadas para a IA ou não têm a certeza se as têm. A empresa prevê ainda que, até 2026, as organizações abandonem 60% dos projetos de IA que não sejam suportados por dados prontos para IA.
O mesmo problema se aplica aos tickets criados após a implementação. Quando uma equipa altera uma categoria ou introduz um novo campo, é necessário definir como essa alteração deve ser aplicada aos dados utilizados pelo recurso de IA. Caso contrário, os registos atuais e históricos podem seguir gradualmente estruturas separadas.
Uma migração focada na IA pode estabelecer estas regras de dados como parte do processo. Documente que informação cada recurso de IA utiliza e inclua a sua manutenção nos processos que a sua equipa de suporte segue após a migração.
O que significa para a sua equipa de suporte
Antes de escolher uma ferramenta de IA, verifique se a sua operação de suporte atual consegue satisfazer as necessidades do caso de utilização planeado. No final desta avaliação, deverá saber:
- Que dados de suporte utilizará o recurso de IA, desde o histórico de conversas e campos de tickets até ao conteúdo relevante da base de conhecimento?.
- O nível de preparação necessário para estes dados. Baseie o âmbito nos registos que planeia utilizar, em vez de limpar todo o histórico de suporte.
- Verifique se o seu sistema de suporte técnico atual oferece acesso suficiente. Inclua qualquer trabalho de integração e manutenção contínua necessários para colmatar as lacunas.
- Quando a migração se torna a melhor opção. Compare o trabalho necessário para adaptar o sistema de suporte atual com o custo e a complexidade de migrar para uma plataforma que suporte os seus casos de utilização planeados de forma mais direta.
Não existe um ponto universal em que adicionar IA se torne menos prático do que migrar. A avaliação fornece os números e os requisitos técnicos para que possa fazer esta comparação para a sua própria operação de suporte.
Perguntas frequentes (FAQ)
A pressão da gestão de topo é grande — 91% dos líderes de suporte sentem-se pressionados a adotar a IA — mas a integração está bloqueada porque os ambientes de help desk existentes dependem frequentemente de arquiteturas legadas. Problemas como taxonomia de tickets inconsistente, artigos desatualizados na base de conhecimento, APIs restritas e campos personalizados legados impedem as ferramentas de IA de aceder a dados limpos e estruturados.
Não. Em vez de tentar uma limpeza massiva e padronizada de anos de registos históricos, concentre-se estritamente nos dados específicos necessários para o seu caso de utilização de IA. Por exemplo, se estiver a implementar a classificação de tickets, mapeie e refine apenas as categorias e os campos de tickets recentes que treinam ou alimentam esse modelo específico.
Pode avaliar a sua plataforma atual executando uma auditoria simples:
- Limitações da API e de exportação: verifique se a API do seu sistema omite campos personalizados ou se falha ao reconstruir conversas completas.
- Conflitos na Base de Conhecimentos: Verifique se os artigos antigos contêm informações desatualizadas ou contraditórias sobre o produto.
- Testar os resultados da IA: Introduza uma amostra representativa de tickets complexos e históricos na funcionalidade de IA para testar a ausência de contexto, resumos incorretos ou categorizações inadequadas.
Se a correção destas lacunas exigir um desenvolvimento personalizado intenso e contínuo, talvez seja altura de considerar a migração.
Uma migração focada na IA incorpora os requisitos técnicos de dados das suas ferramentas de IA planeadas diretamente no âmbito do projeto de migração. Em vez de apenas mover registos brutos, uma abordagem focada na IA garante que os campos críticos de tickets, ordem de conversas, contextos de anexos e estruturas da base de conhecimento são limpos, mapeados e preservados especificamente para a funcionalidade de IA na plataforma de destino.
Comece por sequenciar a transferência de dados. Mova primeiro um lote de teste representativo de tickets recentes e conteúdo principal da base de conhecimento e, em seguida, teste as capacidades de IA nesses registos específicos. Verifique a precisão do mapeamento de campos, as ligações entre registos e as permissões de acesso no ambiente de teste antes de executar uma migração completa de dados em todo o seu histórico.
