Existe um abismo entre o que as empresas esperam da IA no atendimento e o que os clientes aceitam: segundo o Digital Trends Report da Adobe, 49% das empresas acreditam que os clientes vão querer usar IA como principal forma de interação, mas apenas 19% dos clientes concordam. O mesmo relatório mostra que 78% das organizações esperam que agentes de IA gerenciem pelo menos metade das interações de suporte nos próximos 18 meses. A leitura correta desse desencontro não é que o cliente rejeita IA: é que ele rejeita IA que não resolve. Este post mostra onde a automação é aceita, onde ela derruba a satisfação e como decidir o ponto de passagem para o humano.
O que os dados dizem sobre o cliente querer (ou não) falar com IA?
O cliente aceita IA quando ela é útil, rápida e transparente, e recusa quando o assunto exige julgamento. Os números da Adobe delimitam bem a fronteira:
- 49% das empresas acreditam que clientes desejarão usar IA como principal forma de interação.
- Apenas 19% dos clientes concordam com essa ideia.
- Somente 43% demonstram disposição para interagir com um agente ou concierge de IA de uma marca.
A aceitação cai justamente quando entram em cena:
- Dados pessoais.
- Decisões de compra.
- Situações sensíveis.
- Problemas complexos.
- Necessidade de negociação.
Ou seja: o consumidor não pediu para o contato humano desaparecer. Ele pediu para não perder tempo. São coisas diferentes, e confundir as duas é o erro que transforma automação em atrito.
Por que o cliente não rejeita IA, e sim atendimento que não resolve?
Porque a régua do consumidor não é "humano ou máquina", é "resolveu ou não resolveu". A 5ª edição do State of Customer Experience, da Genesys, mostra o tamanho da exigência:
- 92% dos consumidores esperam que toda empresa ofereça uma experiência tão boa quanto a melhor que já tiveram.
- 91% consideram que uma empresa é tão boa quanto seu atendimento.
- 85% já reduziram gastos ou deixaram de comprar de uma marca após uma experiência ruim.
- Mais da metade prefere realizar outra atividade desagradável a precisar entrar em contato com o atendimento.
Esse último dado explica o mal-entendido inteiro. Quando mais da metade das pessoas adia o contato com o suporte, o problema nunca foi o canal: foi a expectativa de não ser resolvido. Um bot que não resolve só adiciona uma camada a mais nesse caminho. Um bot que resolve elimina uma.
A pergunta certa não é "quanto automatizar"
É "o que a automação consegue concluir sozinha". Um chatbot que responde e encerra sem resolver não reduz contato, ele empurra o contato para o próximo canal, geralmente o telefone, com o cliente mais irritado do que estava. Vale entender antes como funciona um chatbot para WhatsApp e o que ele consegue de fato concluir.
O que separa a IA que resolve da IA que só responde?
A diferença é que a IA que resolve executa ações em sistemas, e a que só responde devolve texto. Um agente de atendimento capaz de resolver consulta sistemas, atualiza cadastros, agenda compromissos, recupera históricos e conclui processos. Um chatbot de respostas apenas devolve a informação mais provável e encerra.
E o desempenho não vem do prompt. Um estudo sobre agentes de atendimento em produção, ligado ao Nubank, avaliou agentes em cinco áreas (entrega de cartão, renegociação de dívidas, limite de crédito, gestão de cartões e outras jornadas de suporte). Em um teste de grande escala, o novo agente apresentou:
| Indicador | Resultado |
|---|---|
| NPS transacional da IA | +37 pontos percentuais |
| Taxa de autosserviço | +29 pontos percentuais |
| Satisfação | Próxima à de atendentes humanos especialistas em boa parte dos casos |
O aprendizado central do estudo é o mais útil para quem opera: o resultado dependeu menos de um prompt isolado e mais de um processo contínuo de testes, avaliação humana, simulações, acompanhamento das conversas reais e correção do agente. A vantagem competitiva não é "ter IA". É ter estrutura para avaliar, corrigir e evoluir a IA.
Quando o atendimento deve passar para um humano?
Sempre que a conversa envolver julgamento, negociação ou carga emocional, e sempre que a automação já tentou e não concluiu. A tabela abaixo traduz a fronteira de aceitação apontada pela Adobe em regra operacional:
| Situação | Quem atende | Por quê |
|---|---|---|
| Segunda via, status de pedido, agendamento | IA | Alta frequência, resposta objetiva, execução direta |
| Consulta de cadastro, atualização de dados | IA com registro | Resolve na hora, desde que grave a ação |
| Decisão de compra com dúvida aberta | Humano com apoio de IA | Aceitação cai quando envolve decisão de compra |
| Renegociação e cobrança | Humano com apoio de IA | Exige negociação |
| Reclamação com carga emocional | Humano | Situação sensível, aceitação de IA despenca |
| Caso complexo ou exceção | Humano especialista | Exige julgamento |
O movimento de mercado não é o atendente substituído, é o atendente especializado: pessoas passam a atuar em casos críticos, exceções, negociações, situações emocionalmente sensíveis e problemas de alto valor. O trabalho repetitivo sai da mesa delas, o difícil continua.
Como a ERA equilibra automação e atendimento humano?
A ERA, plataforma omnichannel de comunicação corporativa que unifica voz, chat e IA, trata automação e humano como a mesma fila, não como dois mundos. O Era Chat, central de atendimento omnichannel com IA e WhatsApp Business API, opera a camada de mensagem com IA generativa e assistentes virtuais 24/7 treinados por prompts, integrados a CRM e agendamento, e o repasse para uma pessoa acontece dentro da mesma conversa, com o histórico inteiro visível para quem assume.
Os recursos que sustentam o equilíbrio:
- Chatbot com árvores de decisão e integrações via API com CRMs e ERPs, para que a automação execute, e não apenas responda.
- Agentes multi-skill: o mesmo operador atua em várias filas de voz e chat, então o repasse não gera nova fila.
- Análise de atendimento por IA: avaliação automática de cordialidade, agilidade, conhecimento e clareza, que é exatamente a estrutura de avaliação contínua que o estudo do Nubank aponta como determinante.
- Dashboards em tempo real para acompanhar o que a automação concluiu sozinha, e não só quanto volume ela absorveu.
Sobre o que medir depois de automatizar, vale ver as métricas de atendimento no WhatsApp e o SLA e como a IA generativa opera como assistente virtual na prática.
Perguntas frequentes
Os clientes odeiam chatbot? Não. Segundo o Digital Trends Report da Adobe, 43% demonstram disposição para interagir com um agente ou concierge de IA de uma marca. A rejeição se concentra em situações que envolvem dados pessoais, decisão de compra, negociação ou problema complexo, não na tecnologia em si.
Qual a diferença entre chatbot e agente de IA? Chatbot de respostas devolve informação e encerra. Agente de IA executa ações: consulta sistemas, atualiza cadastros, agenda compromissos, recupera históricos e conclui processos. A diferença prática é resolver a solicitação em vez de apenas respondê-la.
Quanto do atendimento dá para automatizar? Não existe percentual universal. O critério correto é o que a automação consegue concluir sozinha, com registro da ação. O estudo ligado ao Nubank mostrou ganho de 29 pontos percentuais em autosserviço, mas o resultado veio de avaliação e correção contínuas, não de um volume automatizado definido de antemão.
Qual métrica mostra se a IA está funcionando? Taxa de resolução e resolução no primeiro contato, não volume absorvido. O foco do mercado deixou de ser apenas reduzir TMA e número de atendentes e passou a incluir resolução, satisfação, esforço do cliente, reincidência, conversão e retenção.
Automatizar o atendimento significa demitir atendentes? O movimento observado é de especialização, não de substituição. As pessoas passam a atuar em casos críticos, exceções, negociações, situações emocionalmente sensíveis e casos que exigem julgamento, enquanto o repetitivo sai da fila delas.
Conclusão
A distância entre 49% das empresas e 19% dos clientes não mede rejeição à IA, mede desconfiança de que ela resolva. O consumidor aceita automação quando ela é útil, rápida e transparente, e recua quando entram dados pessoais, negociação ou carga emocional, o que faz do ponto de passagem para o humano uma decisão de produto, não um detalhe de configuração. E o dado mais acionável de 2026 é o do estudo ligado ao Nubank: 37 pontos percentuais de ganho em NPS transacional vieram de testes, avaliação humana e correção contínua do agente, não de um prompt melhor.
O Era Chat combina IA generativa, chatbot integrado a CRM e repasse para atendimento humano dentro da mesma conversa, com análise automática de qualidade. Conheça em era.com.br.