Equilíbrio Entre Automação e Humanização no Atendimento: Como Não Perder Eficiência

Uma cena comum em muitas operações: o cliente digita “quero falar com uma pessoa” pela terceira vez, o assistente virtual responde com o mesmo menu de opções e, quando finalmente aparece um atendente, a primeira pergunta é “como posso ajudar?”. O cliente precisa contar tudo de novo. A automação economizou dois minutos de agente e custou a paciência inteira do cliente.
Comecei como operadora de atendimento em 1998, e a discussão sobre “automatizar ou não” me acompanha desde a época da URA. A tecnologia mudou; o dilema, nem tanto. Quem automatiza tudo perde o cliente nos momentos que importam. Quem não automatiza nada afoga o time em demanda repetitiva e perde eficiência. A resposta não está em escolher um lado, e sim em decidir, caso a caso, quem atende o quê.
Neste artigo, apresento a ferramenta que uso para tomar essa decisão, a Matriz das Quatro Portas, que cruza a complexidade da demanda com o risco emocional do momento. Depois, mostro como fazer a transição entre IA e humano sem que o cliente sinta a costura e como medir se o equilíbrio está funcionando.
Por que o equilíbrio virou uma decisão de negócio
A pressão para automatizar é real e vem de cima. O que muitas vezes fica fora da conversa é o que o cliente pensa sobre isso. Uma pesquisa do Gartner com 5.728 clientes, divulgada em julho de 2024, mostrou que 64% prefeririam que as empresas não usassem IA no atendimento, e que 53% considerariam trocar de fornecedor se soubessem que a empresa passaria a usar IA no serviço. A principal preocupação apontada não era a tecnologia em si: era ficar mais difícil falar com uma pessoa.
Dois anos depois, o quadro ficou mais nuançado, e mais útil para quem desenha operação. Em agosto de 2026, o Gartner divulgou outra pesquisa, com 3.566 clientes B2B e B2C, em que 50% dizem que as interações ficam mais fáceis quando a empresa usa IA generativa. Na mesma pesquisa, 87% consideram essencial que haja a opção de chegar a um atendente humano. A recomendação dos analistas foi direta: não usar a IA generativa como etapa obrigatória para todo e qualquer assunto.
Ou seja, o cliente não é contra a automação. Ele é contra ficar preso nela. E a paciência é curta: segundo outro levantamento do Gartner, de setembro de 2026, apenas 27% dos clientes dizem que tentariam usar um chatbot de novo depois de uma experiência negativa. Cada atendimento automatizado mal resolvido não custa só aquele contato. Ele queima o canal para os próximos.
No Brasil, essa discussão ganhou também um contorno regulatório. O Decreto nº 13.135, de 9 de outubro de 2026, que substitui o Decreto nº 11.034/2022 e passa a reger o SAC, permite expressamente o uso de procedimentos automatizados, inclusive inteligência artificial, para triagem, distribuição e resolução de demandas, desde que o consumidor tenha a opção de atendimento em tempo real por uma pessoa. Nos canais eletrônicos, essa opção precisa estar disponível das 8h às 20h, sete dias por semana, em qualquer nível do atendimento, inclusive no primeiro. O decreto também proíbe pedir ao consumidor que repita a demanda depois de registrada, salvo razão técnica fundamentada, e exige que o atendente tenha acesso ao histórico das demandas. O texto vale para setores regulados pelo Executivo federal e serviços financeiros supervisionados pelo Banco Central, mas é uma boa régua para qualquer empresa.
A Matriz das Quatro Portas: complexidade × risco emocional
A maior parte das operações decide o que automatizar olhando para um único eixo: volume. “Esse motivo é um dos que mais geram contatos, vamos automatizar.” Volume diz onde está a oportunidade de eficiência. Não diz onde está o risco de perder o cliente.
Por isso, proponho olhar cada motivo de contato por dois eixos:
- Complexidade: quantas variáveis, sistemas, exceções e decisões a demanda envolve. Segunda via de boleto é baixa complexidade. Contestação de cobrança com três contratos ativos é alta.
- Risco emocional: quanto o cliente tem a perder, como ele chega e o que acontece com a relação se a resposta for ruim. Consultar o status de uma entrega comum é baixo risco emocional. Comunicar a perda de um familiar para encerrar uma conta é altíssimo, mesmo sendo um procedimento simples.
O cruzamento gera quatro portas, e cada uma tem um modelo de atendimento diferente:
| Porta | Complexidade | Risco emocional | Modelo de atendimento | Exemplos |
|---|---|---|---|---|
| Porta 1: Automatize | Baixa | Baixo | IA resolve de ponta a ponta, com saída para humano sempre visível | Segunda via, status de pedido, alteração de endereço, horário de funcionamento |
| Porta 2: IA apoia o humano | Alta | Baixo | Humano atende; IA resume, busca informação, sugere resposta e preenche sistemas | Dúvida técnica com várias causas, revisão de contrato, configuração de produto |
| Porta 3: Mesmo simples, transfira | Baixa | Alto | IA identifica, acolhe em uma frase e transfere com contexto; humano conduz | Cancelamento por luto, cobrança após falecimento, cliente que relata estar sem dinheiro para a conta do mês |
| Porta 4: Handoff imediato | Alta | Alto | Humano experiente assume na hora, com prioridade na fila e alçada para decidir | Fraude em andamento, serviço essencial interrompido, reclamação reincidente com ameaça de órgão de defesa |
A porta que mais surpreende as equipes é a 3. É tentador automatizar um cancelamento, porque o procedimento é simples. Mas, quando o motivo é luto, doença ou desemprego, a eficiência do processo vira frieza da marca. Nesses casos, o ganho de alguns minutos de agente não compensa o que o cliente leva da conversa.
Como aplicar a matriz, passo a passo
A matriz só vira ferramenta quando sai do quadro branco e entra na lista de motivos de contato. O roteiro que recomendo:
- Liste os 30 a 50 principais motivos de contato, com volume mensal e canal. Use a tabulação de atendimento, mas confira com uma amostra de conversas reais, porque a tabulação costuma esconder motivos misturados.
- Dê uma nota de 0 a 3 para a complexidade de cada motivo, com base em quatro perguntas: exige consultar mais de um sistema? Tem exceção frequente? Exige decisão com alçada? A resposta muda conforme o histórico do cliente? Cada “sim” soma um ponto, com teto de 3.
- Dê uma nota de 0 a 3 para o risco emocional, também com quatro perguntas: envolve dinheiro que faz falta ao cliente, saúde, segurança ou família? O cliente costuma chegar irritado ou fragilizado? É um contato reincidente sobre o mesmo problema? Um erro aqui leva o cliente a reclamar em canal formal ou a cancelar? Cada “sim” soma um ponto, com teto de 3.
- Posicione cada motivo na porta. Nota de 0 a 1 é baixa; de 2 a 3 é alta. Na dúvida sobre o risco emocional, arredonde para cima.
- Defina os gatilhos de mudança de porta. Um motivo da porta 1 pode virar porta 3 no meio da conversa. Escreva os sinais que forçam a troca: palavras como “falecimento”, “hospital”, “golpe”, “não tenho como pagar”; segundo contato sobre o mesmo assunto em sete dias; pedido explícito de pessoa; duas respostas da IA sem avanço.
- Valide com quem atende. Leve a matriz para supervisores e operadores experientes. Eles sabem quais motivos “simples” escondem histórias difíceis.
- Revise a cada trimestre, com os indicadores por porta que descrevo mais adiante. A matriz muda quando o produto, a base de conhecimento ou o perfil do cliente mudam.
Um exemplo ilustrativo de pontuação: “segunda via de boleto” costuma ficar com complexidade 0 e risco emocional 1, porta 1. Já “segunda via de boleto de cliente que avisa estar desempregado e pede para negociar” sobe para complexidade 2 e risco emocional 3, porta 4. O motivo tabulado é o mesmo; a porta é outra. É por isso que os gatilhos do passo 5 importam tanto quanto a classificação inicial.
Como fazer a transição sem o cliente sentir a costura
Classificar bem é metade do trabalho. A outra metade é a passagem entre IA e humano. Já escrevi sobre os detalhes técnicos em o desenho do handoff de bot para humano. Aqui, quero focar em três elementos que definem se o cliente percebe a transição como continuidade ou como recomeço.
1. O histórico vai junto, sempre
O atendente precisa receber, antes de dizer a primeira palavra, um resumo de três linhas: quem é o cliente, o que ele quer e o que já foi tentado. A primeira frase do humano deve provar que ele leu: “Vi que o senhor já tentou atualizar o cadastro pelo aplicativo e não conseguiu. Vou resolver isso agora.” Pedir para o cliente repetir o que já contou é o sinal mais claro de que a empresa não conversa com ela mesma, e, nos setores alcançados pelo novo decreto do SAC, é também algo que a regra proíbe.
A memória entre contatos ajuda muito aqui. Quando a IA lembra do que aconteceu na semana passada, o cliente sente que está falando com a mesma empresa. Tratei esse efeito em IA com memória e NPS.
2. Transparência de que é IA
O cliente precisa saber quando está falando com uma máquina. Fingir que o assistente é uma pessoa pode até melhorar a primeira impressão, mas destrói a confiança no momento em que o cliente percebe. A apresentação pode ser simples e calorosa: “Sou a assistente virtual da empresa. Resolvo boa parte dos assuntos por aqui e, se preferir falar com uma pessoa, é só pedir.” E, quando a IA não conseguir resolver, ela deve dizer isso com clareza e informar o que vai acontecer: “Vou te passar para um especialista, que já vai receber o que conversamos. A espera estimada é de quatro minutos.” Informar a espera estimada não é cortesia opcional: o novo decreto exige isso quando o consumidor escolhe o atendimento humano.
3. Time treinado para receber o bastão
O atendente que recebe uma conversa transferida não está começando um atendimento. Ele está continuando uma conversa que, muitas vezes, já deixou o cliente frustrado. Isso pede habilidades específicas: ler o resumo em segundos, reconhecer o que já foi feito, ajustar o tom ao estado emocional do cliente e ter alçada para resolver sem uma nova transferência. Mostrei como preparar o time para trabalhar com IA em como treinar agentes para trabalhar lado a lado com a IA.
A porta 2 depende disso mais do que todas. O estudo de Erik Brynjolfsson, Danielle Li e Lindsey Raymond, publicado pelo NBER, acompanhou 5.179 agentes de suporte e mostrou que o acesso a um assistente de IA aumentou em 14%, em média, o número de problemas resolvidos por hora, e em 34% entre os profissionais menos experientes. O mesmo estudo registrou melhora no sentimento dos clientes e maior retenção dos funcionários. É a melhor evidência que conheço de que “IA apoia o humano” não é um meio-termo morno: é, em muitos casos, o modelo mais eficiente.
Erros mais comuns que vejo
- Medir sucesso da automação por taxa de contenção. Conter o cliente no bot não é o mesmo que resolver. Uma conversa que termina porque o cliente desistiu conta como “contida” e volta amanhã por outro canal.
- Esconder a opção de falar com uma pessoa. O cliente encontra o caminho de qualquer jeito, só que mais irritado. E a cada tentativa frustrada, cai a chance de ele aceitar a automação da próxima vez.
- Classificar por motivo tabulado e ignorar o contexto. O mesmo motivo pode estar na porta 1 ou na porta 4. Sem gatilhos de mudança, a matriz vira enfeite.
- Colocar o atendente mais novo para receber as transferências. As conversas que chegam da IA costumam ser as mais difíceis do dia. Elas pedem os profissionais mais preparados, ou pelo menos os mais bem apoiados.
- Usar o mesmo tom para todos os estados emocionais. Resposta alegre para quem relatou um problema grave soa como deboche.
Como medir se o equilíbrio está funcionando
Os indicadores gerais de atendimento escondem o que acontece em cada porta. A média boa da porta 1, com muito volume, pode encobrir uma experiência ruim na porta 3. Por isso, recomendo medir por porta e por tipo de interação.
CSAT por tipo de interação
Separe a satisfação em quatro grupos: resolvido só pela IA, resolvido pela IA com transferência, resolvido só por humano e resolvido por humano com apoio de IA. Compare cada grupo dentro da mesma porta. Se o CSAT de quem passou pela IA e depois foi transferido estiver muito abaixo do CSAT de quem foi direto para o humano, o problema provavelmente está na transição, e não na IA ou no atendente. Expliquei quando usar CSAT, NPS ou CES em NPS, CSAT e CES: qual usar e quando. Para a porta 1, vale acompanhar também o esforço do cliente.
Reclamações sobre “falar com robô”
Use a análise de texto e de fala para contar, a cada mil contatos atendidos pela IA, quantos contêm expressões como “quero falar com uma pessoa”, “atendente de verdade”, “robô”, “não estou conseguindo”. Acompanhe também a mesma busca nas reclamações formais (ouvidoria, órgãos de defesa do consumidor e plataformas de reputação). Quando esse indicador sobe em um motivo específico, é sinal de que ele está na porta errada.
Tempo de resolução por quadrante
Meça o tempo entre o primeiro contato e a resolução efetiva, não só o tempo médio de atendimento. Em cada porta, a meta é diferente: na porta 1, rapidez; na porta 4, tempo até o humano assumir, que deveria ser de segundos, e resolução sem nova transferência.
Indicadores complementares
- Recontato em sete dias pelo mesmo motivo, por porta. É o melhor detector de falsa resolução.
- Taxa de transferência tardia: conversas em que o humano só entrou depois de três ou mais respostas da IA sem avanço.
- Taxa de mudança de porta: quantas conversas acionaram gatilhos. Se nenhuma aciona, os gatilhos estão mal desenhados.
- Taxa de contato por cliente, indicador que usamos no diagnóstico CX Maturity Intelligence: com equilíbrio, o cliente volta menos.
Com as quatro portas nas colunas e esses indicadores nas linhas, a pergunta da reunião mensal deixa de ser “quanto automatizamos?” e passa a ser “em qual porta estamos perdendo o cliente?”.
O que fazer a partir de amanhã
- Pegue os 30 principais motivos de contato e pontue cada um nas oito perguntas da Matriz das Quatro Portas. Conte quantos motivos automatizados hoje caem na porta 3 ou 4.
- Escreva cinco gatilhos de mudança de porta e teste se a sua IA atual reconhece cada um.
- Abra dez conversas transferidas da IA para humano e verifique: o atendente recebeu o resumo? A primeira frase dele mostrou que leu? O cliente teve de repetir algo?
- Confira em quantos cliques ou mensagens o cliente consegue pedir uma pessoa, em cada canal. Se a resposta for “depende”, reveja o fluxo.
- Separe o CSAT pelos quatro tipos de interação e coloque o resultado na próxima reunião de resultados.
Automação e humanização não estão em lados opostos. A IA libera o time do que é repetitivo justamente para que as pessoas estejam inteiras nos momentos em que o cliente mais precisa delas. O que define o equilíbrio é a clareza sobre qual porta cada conversa merece.
Referências
Gartner. Gartner Survey Finds 64% of Customers Would Prefer That Companies Didn’t Use AI For Customer Service. Gartner Newsroom, 9 jul. 2024. Disponível em: gartner.com.
Gartner. Gartner Survey Finds 87% of Customers Say Companies Using GenAI for Customer Service Must Provide Access to a Human Agent. Gartner Newsroom, 4 ago. 2026. Disponível em: gartner.com.
Gartner. Gartner Survey Finds Only 27% of Customers Would Try a Chatbot Again After a Negative Experience. Gartner Newsroom, 2 set. 2026. Disponível em: gartner.com.
Presidência da República. Decreto nº 13.135, de 9 de outubro de 2026. Regulamenta a Lei nº 8.078/1990 para estabelecer diretrizes e normas sobre o Serviço de Atendimento ao Consumidor. Diário Oficial da União, 13 out. 2026. Disponível em: planalto.gov.br.
Brynjolfsson, Erik; Li, Danielle; Raymond, Lindsey R. Generative AI at Work. NBER Working Paper 31161, abr. 2023 (rev. nov. 2023). Disponível em: nber.org.
Sobre a autora
Sou Euriale Voidela. Iniciei minha carreira em 1998 como operadora de atendimento e, desde então, construí uma trajetória de mais de 25 anos dedicada à evolução do relacionamento com clientes. Sou especialista em Customer Experience, Customer Success e Customer Centricity, fundadora e CEO da Customer Centric Consulting, editora-chefe do Portal Customer, presidente da AIESC, autora de 5 livros sobre CX e CS e conselheira de empresas.
Já apoiei mais de 100 projetos e operações de atendimento em empresas de diferentes segmentos, atuando na implantação de programas de experiência do cliente, governança, inteligência de dados e transformação organizacional. Uma das minhas principais bandeiras é a valorização dos profissionais que representam as marcas todos os dias na linha de frente do atendimento.
Sobre a Customer Centric Consulting
A Customer Centric Consulting é a consultoria que fundei para ajudar empresas a transformar experiência do cliente em resultado de negócio, da estratégia à execução. Atuamos em diagnóstico de maturidade em CX e CS, redesenho de jornadas e processos, governança e indicadores, tecnologia e Inteligência Artificial aplicada ao atendimento, cultura centrada no cliente e estruturação de operações de contact center.
Nosso principal diferencial é o método CX Maturity Intelligence, um diagnóstico estruturado que combina análise qualitativa (pilares, critérios e regras que evitam avaliações infladas) com análise quantitativa de dados operacionais reais, como taxa de contato, comportamento do cliente único, speech analytics e correlações regulatórias. É esse cruzamento entre percepção e dado que torna possível saber, com precisão, em que estágio de maturidade uma empresa realmente está, e não em qual estágio ela acredita estar.
Saiba mais em customercentric.com.br ou conheça também o Portal Customer, mídia especializada em CX e CS.
Se a sua automação está bem nos números gerais, mas o cliente ainda precisa repetir a história quando chega ao atendente, o desequilíbrio está na escolha das portas e na costura entre IA e humano. A Customer Centric Consulting aplica o diagnóstico CX Maturity Intelligence para mostrar, com dados reais, onde estão os gaps. Fale com a nossa equipe.



