Todo projeto de IA tem um momento de glória: o dashboard. Os números sobem, a reunião de diretoria aplaude, e a decisão parece ter sido acertada. Adriana Saluceste viveu esse momento e depois o seu avesso. A lição que tirou daí deveria estar na mesa de todo conselho que aprova um investimento em inteligência artificial: o indicador que mede a máquina não é o mesmo que mede o cliente.
Qual decisão tecnológica você tomou rápido demais, e o que ela custou?
Em um dos projetos que liderei ao longo da carreira, a entrada da IA no chat de atendimento ao cliente. Fomos para produção sem a estrutura necessária para sustentar essa operação. O painel mostrava 80% de contenção. Quando olhamos o que acontecia com o cliente depois da conversa, só 3% dos atendimentos tinham de fato resolvido o problema.
Tínhamos acelerado porque o volume de atendimento crescia e as metas eram agressivas. Os testes tinham ido bem. A IA tinha acesso à base de conhecimento, mas ninguém tinha definido quais assuntos ela deveria tratar, quando encerrar uma interação ou em que momento passar o cliente para uma pessoa.
A maioria dos clientes desistia e voltava por outro canal, com a mesma demanda e mais insatisfeita. Pagávamos o processamento da IA e depois o atendimento humano, e o atendente muitas vezes retomava a conversa sem o contexto anterior. Havia cliente usando o canal para retomar reclamação antiga ou trazer assunto fora do escopo. Alguns chegavam a compartilhar questões pessoais, e a IA tentava conduzir essas conversas sem ter sido preparada para isso.
O que mais nos prejudicou, porém, foi a inconsistência. A mesma pergunta recebia respostas diferentes dependendo de como o cliente a formulava. Ele recebia uma orientação, voltava no dia seguinte e recebia outra. O canal perdeu credibilidade, e o cliente passou a confirmar com um atendente qualquer resposta que vinha da IA.
Quando redesenhamos a solução, entraram escopo delimitado e regras claras de transferência para o atendimento humano. E, além dos indicadores, passamos a acompanhar as conversas reais.
O que mais nos prejudicou não foi o erro isolado, foi a inconsistência. A mesma pergunta recebia respostas diferentes dependendo de como o cliente a formulava
Que sinal faz você desconfiar de um projeto de IA antes de ele ir ao ar?
Quando a conversa sobre o projeto gira em torno da tecnologia e pouco se fala do problema que ela vai resolver. É muito comum a iniciativa já nascer com a solução praticamente escolhida. As equipes discutem integração e arquitetura, depois prazo, e em algum momento alguém tenta encaixar o processo de negócio naquela tecnologia.
Hoje, antes de aprovar uma iniciativa, quero entender o problema e conhecer os indicadores atuais. Quero saber exatamente o que esperamos melhorar, quais dados vão ser usados, quais são os riscos e quem vai ser responsável por acompanhar os resultados. Governança e segurança não podem ficar de fora.
Também me preocupa quando ninguém sabe explicar o que acontece quando a IA errar. Quero saber quem identifica, quem corrige e como evitar que esse erro chegue a muitos clientes.
Depois do projeto que era sucesso no painel e fracasso para o cliente,
O que um fornecedor de IA promete que você já aprendeu a não acreditar?
Desconfio quando o fornecedor trata a implantação de IA como a instalação de mais um software. A apresentação costuma ser excelente, a demonstração funciona perfeitamente, tudo parece muito simples.
Mas eu quero saber o que acontece depois da demonstração. Como a solução se comporta diante de uma informação incompleta? Como as exceções vão ser tratadas? Quem vai acompanhar a qualidade das respostas? O que acontece quando um cliente faz uma pergunta que não deveria ser respondida pela IA? Depois daquela experiência, também pergunto como o fornecedor garante que a mesma pergunta receba a mesma resposta. Nem sempre essas questões aparecem na apresentação comercial, e são elas que fazem diferença quando a solução entra em produção.
Quero saber quem identifica, quem corrige e como evitar que esse erro chegue a muitos clientes.
DO ERRO AO CRITÉRIO
Também observo se o fornecedor tem interesse genuíno em compreender a operação. Nessa discussão entram segurança, privacidade, governança e custos. Uma solução de IA precisa ter critérios claros sobre quais informações pode acessar, como as interações vão ser acompanhadas e quais controles vão estar disponíveis.
A previsibilidade financeira é outro ponto importante. O custo apresentado na contratação nem sempre representa o custo real da operação, principalmente quando o volume cresce, o consumo é por interação e a solução precisa evoluir continuamente.
Não acredito em solução de IA que chega pronta para resolver qualquer problema. Acredito em tecnologia bem aplicada, com objetivos claros, responsabilidades definidas e capacidade de evoluir de forma segura e sustentável.
