Atendimento é a frente onde a inteligência artificial mostra resultado mais rápido em e-commerce, e também onde o erro fica mais visível para o cliente. A diferença entre os dois cenários está quase toda na definição de escopo, não na qualidade do modelo.
O dado que deveria assustar
No Brasil, 86% dos consumidores já foram atendidos por automação, mas apenas 22% avaliam a experiência como positiva. Fonte: Octadesk e Opinion Box, E-commerce Trends 2026, base de mais de 2.000 consumidores.
Esses dois números juntos dizem o seguinte: a tecnologia já chegou em quase todo lugar, e na maior parte dos lugares ela foi mal implantada. Quem acertar o escopo não está competindo com o estado da arte, está competindo com uma experiência que a maioria dos clientes já considera ruim.
Vale somar a isso a expectativa de transparência. Na CX Trends 2026 da Zendesk, com mais de 11.000 consumidores e líderes em 22 países, 95% esperam explicação clara quando a IA toma decisões que os afetam. Fonte: Zendesk, CX Trends 2026. Na prática, isso significa dizer ao cliente que ele está falando com um atendimento automatizado, e deixar o caminho para uma pessoa visível.
Classifique antes de automatizar
Antes de escolher ferramenta, pegue uma amostra de 200 a 300 conversas reais e classifique por tipo. Praticamente toda loja descobre a mesma coisa: uma minoria de tipos responde pela maioria do volume.
A classificação típica em e-commerce fica assim.
| Tipo | Característica | Quem deve responder |
|---|---|---|
| Status do pedido | Resposta existe num sistema, é objetiva | IA |
| Prazo e frete | Resposta vem de regra ou tabela | IA |
| Política de troca e devolução | Resposta está escrita na política | IA |
| Segunda via e comprovante | Ação simples e reversível | IA |
| Dúvida técnica de produto | Depende da ficha estar correta | IA com revisão |
| Troca fora da política | Exceção, exige critério | Pessoa |
| Negociação e desconto | Tem custo direto na margem | Pessoa |
| Reclamação grave e ameaça de ação | Risco jurídico e de reputação | Pessoa, imediatamente |
As três regras que evitam o desastre
A maior parte dos casos ruins de atendimento com IA em varejo cai em uma destas três falhas.
- A IA inventou política. Quando não tem a informação, um modelo tende a produzir uma resposta plausível. Em atendimento, resposta plausível e errada sobre prazo de troca vira obrigação na prática e desgaste garantido. A IA precisa ter permissão explícita de dizer que não sabe.
- A IA prometeu prazo. Prazo depende de transportadora e estoque em tempo real. Se a IA não consulta a fonte, ela não deve falar número.
- A IA não soube sair. Cliente irritado repetindo a mesma pergunta é sinal de escalar, não de tentar de novo. Sem gatilho de transferência, a conversa azeda em três mensagens.
Os três números que provam que funciona
Evite medir por volume de mensagens respondidas, que sobe sozinho. Meça três coisas, sempre comparando com o período anterior à mudança.
- Resolução sem intervenção humana. Percentual de conversas encerradas sem transferência e sem reabertura em 72 horas. A segunda parte é essencial: conversa encerrada que reabre no dia seguinte não foi resolvida.
- Tempo até a primeira resposta. É onde o ganho aparece primeiro, especialmente fora do horário comercial.
- Satisfação depois do atendimento. Pergunta única, logo após o encerramento, separando o que foi resolvido pela IA do que passou por pessoa.
Se a resolução sem humano subiu mas a satisfação caiu, a IA não está resolvendo. Está cansando o cliente até ele desistir de perguntar.
Qual patamar é realista
O benchmark público da Fin, da Intercom, construído sobre mais de 110 milhões de conversas e mais de 12.000 clientes, mostra 85% de resolução automática entre os dez clientes de melhor desempenho. Fonte: Fin (Intercom), benchmark atualizado em maio de 2026, janela móvel de três meses.
Repare na frase exata: são os dez melhores, não a média do mercado. Esse número circula muito como se fosse o resultado esperado de qualquer implantação, e não é. Ele mostra o teto alcançável quando escopo, base de conhecimento e escalonamento estão bem feitos, em operações que normalmente têm muita pergunta repetida e documentação organizada. Use como meta de longo prazo, nunca como premissa de projeção de economia no primeiro mês.
Treinar com a política real, não com texto genérico
O desempenho depende muito mais da qualidade do material que a IA consulta do que da escolha do modelo. O material mínimo é a política de troca e devolução, a tabela de prazo por região, a ficha técnica dos produtos e o histórico de perguntas frequentes com as respostas que o time já dá hoje.
Esse material precisa ter dono e data de revisão. Política desatualizada alimentando a IA produz erro em escala, e a escala é justamente o que você foi buscar.
Implantação sem risco desnecessário
Um caminho de baixo risco que dá para seguir em poucas semanas.
- Comece em modo copiloto: a IA sugere, uma pessoa aprova e envia. Você mede a taxa de aprovação sem expor o cliente.
- Quando a taxa de aprovação estiver alta e estável, libere a resposta automática só para os tipos mais objetivos, começando por status de pedido.
- Amplie um tipo por vez, sempre olhando reabertura e satisfação.
- Mantenha, em qualquer estágio, um caminho visível para falar com pessoa. Esconder esse caminho aumenta reclamação em canal público, que custa mais caro do que o atendimento que você economizou.