Como posso ajudar: a nova era de atendimento

O Desafio

O setor de atendimento ao cliente ainda é muito dependente de agentes humanos. Cada solicitação carrega nuances, exceções e mais contexto do que manuais convencionais costumam cobrir. Na B3, o cenário não era diferente.

Já havia uma solução implementada: um menu de triagem de auto atendimento. As opções eram poucas e inflexíveis. Chamados eram abertos para o mesmo setor, congestionando a fila de resolução, sem criticidade. E o processo, solucionado apenas por especialistas durante horário comercial, criava gargalos que comprometiam a velocidade da operação.

O Contexto

Clientes que procuram atendimento frequentemente não sabem qual processo solicitar para resolver seus problemas. Sabem, apenas, que possuem um problema e desejam o mesmo prazo: o quanto antes. Quando as opções são pouco descritivas ou inexistentes, o cliente de imediato prefere contato com um especialista.

Horários de pico demandavam alocação muito superior ao disponível, causando filas. A maioria dos casos poderia ser solucionada em primeiro nível, dispensando atendimento humano.

A Ideia

A hipótese era direta: se meu atendente efetivamente lesse a solicitação inicial, conversasse com um vocabulário mais amigável e respondesse conforme o contexto do meu usuário, minha triagem seria bem mais efetiva e acionável.

O material base já era disponibilizado aos operadores. O que faltava era integrá-lo ao agente, fornecendo o necessário para um atendimento flexível e embasado.

As Barreiras Reais

Construir um agente conversacional foi desafiador, mesmo com os insumos já existentes.

A B3 compôs uma base de conhecimento extensa para ajudar seus operadores na miríade de procedimentos. Conforme os fluxos foram se ajustando e aglutinando, todavia, nem sempre os manuais acompanhavam na mesma velocidade, compando informações por vezes contraditórias, outras incompletas.

A velocidade de resposta também era um fator essencial para garantir uma experiência viável ao usuário. Mas velocidade e assertividade caminham em direções opostas, quanto mais tempo curando materiais, mais demorada a resposta.

Por fim, o agente, para ser efetivo, precisava executar ações básicas: abrir um chamado, consultar protocolos em aberto e escalar a um operador quando os materiais não fossem suficientes ou demandassem etapas mais complexas.

A experiência do usuário era a premissa mais importante.

A Solução: Chatbot UIF

O agente conversacional do portal UIF é um assistente de auto atendimento para solicitações diversas. Funciona 24h mesmo na área pública do portal (com restrições de consultas), garantindo atendimento mesmo fora do horário comercial.

Busca semântica em segundos. Operadores e gestores criam, editam e atualizam pílulas de conhecimento sobre cada processo, detalhando ao máximo as etapas, tudo dentro do ambiente B3. Cada pílula de conhecimento é transformada em vetor e compilada em um índice (mesma tecnologia usada pelo Facebook). Mensagens enviadas pelo usuário são vetorizadas pelo mesmo algoritmo e comparadas matematicamente, devolvendo uma resposta em segundos.

Atendimento customizado. O motor de IA responde de forma customizada, repassando o sentimento de zelo que o cliente procura quando solicita atendimento via operador. O agente tem protocolos em aberto, APIs de consulta e mais materiais para compor o contexto de cada interação.

Filosofia de abstenção. O motor de regras é composto por modelos encadeados com divisão de responsabilidades. Antes de devolver cada resposta ao usuário, a mesma é auditada e formatada, priorizando abstenções em caso de dúvidas. Mantém o atendimento com operador somente quando necessário.

Mais do que uma conversa. A solução é integrada nativamente aos fluxos reais na ServiceNow. Tickets são abertos para os times responsáveis pelo atendimento final, protocolos previamente abertos são usados como contexto e a interface é acessada somente pelo portal oficial. Essas integrações diminuem a quantidade de etapas realizadas pelo operador.

O que Mudou de Verdade

O impacto imediato foi a compreensão da importância de uma curadoria constante nos manuais disponibilizados aos operadores.

Ao estruturar os casos mais comuns em fluxogramas bem definidos, analistas perceberam que apenas duas pílulas a cada dez (sobre o tema) continham informações acionáveis e atualizadas.

A retenção em primeiro nível aumentou, sem queda de NPS. Os clientes procuraram mais a interface conversacional, mas agora sem riscos de falta de atendimento por oferta de operadores.

O que Ficou de Aprendizado

Dados são a base de tudo. Não adianta ter uma base extensa de conhecimento sem o cuidado de manutenção necessário. Soluções inteligentes precisam de referência para decidir o próximo passo, e referências mudam ao longo do tempo.

Visibilidade move o atendimento. Adaptar as respostas ao contexto do usuário por meios que já estavam à disposição garantiu que o cliente se sentisse ouvido. A retenção aumenta conforme menus genéricos são substituídos por uma conversa.

Agente, não chat. Ações em tempo real é o que diferenciam uma boa experiência de um padrão de mercado. Solicitações nem sempre são resolvidas apenas com conversação, frequentemente demandam ao menos um registro do que foi tratado na interação.

Case AutoU + B3 — Chatbot UIF: Assistente de Auto atendimento