Quase 1 em cada 5 consumidores que já usaram IA no atendimento ao cliente diz que a experiência não trouxe benefício algum. Esse dado, do Qualtrics 2026 Customer Experience Trends Report, surgiu no mesmo ano em que fornecedores anunciavam taxas de automação de 50%, 60% e até 80%.
Os dois números podem ser verdadeiros ao mesmo tempo. A diferença entre eles se resume a uma palavra: deflexão.
A deflexão conta as interações em que a IA atuou. A resolução autônoma conta os problemas que a IA de fato resolveu. A taxa de resolução do seu atendimento com IA é a distância entre esses dois números – e é nessa distância que os clientes se perdem e que líderes de CX tomam decisões caras com base em dados errados.
O que a deflexão realmente mede
Quando um cliente envia uma pergunta e o sistema responde com um link para um artigo de FAQ, a maioria das plataformas registra isso como uma deflexão bem-sucedida. O ticket nunca chegou a um humano. A taxa de automação sobe. O dashboard parece saudável.
O dashboard não sabe se o cliente encontrou a resposta. Não sabe se ele desistiu, ligou de novo no dia seguinte ou simplesmente foi embora em silêncio. A deflexão mede o que a IA fez. Não diz nada sobre o que o cliente vivenciou.
Esse problema piora à medida que as implementações escalam. Um estudo da NewtonX de 2026 ouviu 2.000 consumidores e 500 tomadores de decisão de CX em empresas de 3 continentes, e a divisão foi clara: as empresas otimizam para redução de custos e deflexão de tickets, enquanto os consumidores valorizam a resolução acima de tudo. A resolução ficou em 7º lugar entre os resultados que as empresas disseram priorizar.
O mesmo estudo constatou que 55% das empresas medem o desempenho da IA e dos agentes humanos em conjunto, o que torna quase impossível isolar como a IA está de fato se saindo. Quando não dá para separar os sinais, não dá para saber se a sua IA está resolvendo problemas ou só absorvendo volume.
A diferença em um número
A leitura mais clara do tamanho dessa diferença vem de uma pesquisa do Gartner hoje citada em todo o setor: a IA faz a deflexão de mais de 45% das solicitações dos clientes, mas apenas cerca de 14% chegam à resolução completa por autoatendimento. São 31 pontos de diferença entre o que o dashboard reporta e o que o cliente realmente recebeu.
A cada 100 perguntas em que a IA atua, cerca de 14 terminam com o problema do cliente resolvido. As outras 31 foram contabilizadas como tratadas sem terem sido solucionadas. São esses os contatos que voltam como recontatos, escalonamentos e churn – e é por isso que uma taxa de automação aparentemente saudável pode esconder uma operação nada saudável.
A matemática que torna a deflexão perigosa
Veja como isso acontece em um único mês.
Sua IA atende 10.000 tickets. O dashboard do fornecedor mostra uma taxa de automação de 60%, ou seja, 6.000 tickets foram tratados sem um humano. No papel, um ótimo resultado.
Mas olhe os dados mais de perto. Dessas 6.000 interações automatizadas, talvez 75% tenham sido de fato resolvidas: o cliente conseguiu o que precisava e não voltou. Os outros 25% foram deflexão: a IA respondeu, mas o problema continuou. Alguns desses clientes tentaram outro canal. Alguns ligaram. Alguns foram embora.
Sua taxa real de resolução autônoma não é de 60%. É de 45%. E os 1.500 tickets que pareciam automatizados, mas não eram, continuam no seu sistema, disfarçados de recontatos, escalonamentos ou churn.
Uma forma de identificar isso é medir a durabilidade da resolução: não apenas se um problema foi marcado como resolvido, mas se o cliente voltou a entrar em contato sobre o mesmo problema em até 72 horas. Uma taxa de deflexão alta combinada com uma taxa de recontato alta não é automação. É custo adiado.
Como é a resolução em produção
Resolução autônoma significa que a IA resolveu totalmente o problema do cliente, sem envolvimento humano, sem ticket de acompanhamento e sem uma segunda tentativa por outro canal. É um padrão mais exigente do que a maioria dos dashboards de fornecedores consegue medir – e é o padrão que se correlaciona com os resultados que importam para os líderes de CX: menor custo por ticket, CSAT mais alto e menos churn.
3 coisas precisam ser verdadeiras para que uma interação com IA conte como uma resolução genuína.
A IA precisa ter acesso aos seus sistemas – não só à base de conhecimento, mas também às ferramentas de gestão de pedidos, faturamento, CRM e tickets. Um cliente que pede para alterar o endereço de entrega não precisa de um link para a central de ajuda. Ele precisa que o endereço seja alterado. Uma arquitetura em overlay, que se conecta ao seu help desk atual em vez de substituí-lo, é o que viabiliza esse acesso sem uma migração de meses. Se a IA consegue ler seus sistemas, mas não consegue gravar neles, ela responde perguntas, mas não resolve problemas. Isso é um FAQ sofisticado, não um agente de IA.
A IA precisa executar a ação. Processar um reembolso, remarcar um voo, atualizar uma conta: são essas as interações que geram resolução. A distância entre plataformas que apresentam informações e plataformas que executam transações é a distância entre deflexão e resolução.
A IA precisa da confirmação de que o cliente concorda que o problema foi resolvido. É a etapa que a maioria das plataformas pula. Elas fecham o ticket quando a IA responde, não quando o cliente confirma que a questão foi resolvida. Fornecedores que medem a resolução confirmada pelo cliente registram, de forma consistente, CSAT de 15% a 20% maior do que plataformas que dependem do fechamento automático de tickets.
Quando essas 3 condições são atendidas, os números mudam. Uma pesquisa independente da McKinsey de 2026 sobre operações de atendimento mostra que agentes de IA capazes de executar ações resolvem em taxas muito maiores do que ferramentas focadas em deflexão, a uma fração do custo por contato do atendimento humano. A diferença é estrutural, não uma questão de configuração.
Como é quando funciona
Os números em produção comprovam isso. A Mastermind alcançou 93% de resolução autônoma em 6 semanas após a implementação. Não deflexão, mas problemas encerrados sem um humano. A Rho manteve 95% de CSAT enquanto atendia 12% mais contatos por mês sem aumentar a equipe, porque a IA absorvia volume real em vez de repassá-lo.
Esses resultados têm algo em comum: a IA foi avaliada pelo que resolveu e estava conectada aos sistemas onde a resolução de fato acontece. A taxa de resolução, e não a de deflexão, é o número que acompanha o que os clientes vivenciam e o que o financeiro consegue enxergar.
5 perguntas para fazer em qualquer avaliação de fornecedor
Se você está avaliando plataformas de atendimento ao cliente com IA agora, a distinção entre deflexão e resolução deve ser seu primeiro filtro. Veja como trazê-la à tona em uma demonstração ou POC.
Como vocês definem "resolvido"? Se a resposta envolver contenção, deflexão ou taxa de automação sem especificar que o problema do cliente foi totalmente solucionado, você está diante de uma métrica de deflexão com rótulo de resolução. Peça ao fornecedor que diferencie as interações que a IA tratou dos problemas que a IA resolveu.
Qual é a sua taxa de recontato em até 72 horas? É a métrica que expõe a falsa resolução. Se 25% dos tickets resolvidos geram um novo contato em até 3 dias, a taxa de resolução efetiva é bem menor do que o número divulgado. Fornecedores confiantes na qualidade da sua resolução vão compartilhar esse dado. Os que hesitam provavelmente nunca o mediram.
A IA consegue executar ações nos meus sistemas de back-end ou só apresenta respostas? Integração somente leitura versus leitura e gravação é a linha divisória da arquitetura. Uma IA que consegue consultar um pedido, mas não processa uma devolução, sempre terá um teto mais baixo de resolução genuína. Pergunte especificamente sobre a profundidade da integração com seu help desk, CRM e ferramentas de gestão de pedidos.
Como vocês medem a confirmação da resolução pelo cliente? Fechar um ticket automaticamente depois que a IA responde não é o mesmo que confirmar que o problema do cliente foi resolvido. Pergunte se a plataforma usa confirmação do cliente, pesquisas de acompanhamento ou monitoramento de recontatos. A metodologia importa tanto quanto o número.
Vocês aceitam cobrar com base em resoluções bem-sucedidas? A precificação por resultado alinha os incentivos do fornecedor aos resultados do cliente. Se o fornecedor só ganha quando os problemas dos seus clientes são realmente resolvidos, ele está construindo para a resolução. Se cobra por licença, por ticket ou por mensagem, independentemente do resultado, o incentivo dele é volume, não resultado.
A mudança de métrica já está acontecendo
O setor está caminhando nessa direção, mesmo que devagar. O Gartner prevê que, até 2029, a IA resolverá 80% dos problemas comuns de atendimento ao cliente sem intervenção humana. A palavra que importa aí é resolver, não defletir. Alguns fornecedores já estão reestruturando sua cobrança, separando resoluções verificadas das apenas contidas e cobrando somente pelos resultados que conseguem comprovar. Isso revela os incentivos reais de um fornecedor mais rápido do que qualquer estudo de caso.
Para líderes de CX que estão avaliando fornecedores neste trimestre, a distinção entre deflexão e resolução não é um debate filosófico. É um filtro de compra. Fornecedores que medem resolução constroem produtos que melhoram a resolução. Fornecedores que medem deflexão constroem produtos que melhoram a deflexão. Seus clientes vão perceber a diferença muito antes do seu dashboard.
Se você está conduzindo uma avaliação agora, comece pelas 5 perguntas acima e compare a definição de cada fornecedor com o que a taxa de resolução realmente mede. Para entender por que implementações que impressionam na demonstração travam em produção, a análise sobre a lacuna entre piloto e produção no suporte com IA aborda as métricas que separam uma coisa da outra.
Veja como é a resolução autônoma com o seu próprio volume de tickets. Agende uma demonstração e traga suas solicitações mais difíceis.
Veja nas suas próprias conversas.
Solicite uma demonstração personalizada gratuita.
