Hoje estamos lançando o Intelligent Fields, a solução da Maven AGI para capturar e organizar os dados gerados em cada interação com o cliente — dados que podem orientar decisões de negócio, oportunidades de upsell, atualizações de produto e outras áreas estratégicas da sua organização.
Seu agente de IA já lê todas as conversas. Ele resolve tickets, responde perguntas e dá conta do volume. Mas, quando a conversa termina, tudo o que ele aprendeu desaparece. Nenhum registro do motivo da frustração do cliente. Nenhum alerta de que ele mencionou que vai embora. Nenhum sinal de que o mesmo problema apareceu 11 vezes nesta semana.
A transcrição existe. Os dados, não.
A solução padrão é a marcação manual: campos personalizados no help desk, preenchidos pelos agentes. Funciona até o volume disparar, novos agentes chegarem ou a taxonomia se desviar. Aí a adesão cai e os dados deixam de ser confiáveis.
Veja por que a marcação manual, a resposta padrão da maioria das equipes, não resolve o problema de verdade.
A armadilha da marcação manual
A marcação manual tem uma falha fatal: depende de pessoas fazendo isso de forma consistente e em escala. E isso não acontece. O volume dispara, novos agentes chegam, casos atípicos ficam de fora. A adesão cai e os dados silenciosamente perdem a confiabilidade, muitas vezes sem que ninguém perceba até os relatórios parecerem errados.
Mas mesmo uma marcação perfeita tem um limite. Menus suspensos capturam categorias. Não capturam contexto. A diferença entre um cliente frustrado e um cliente prestes a cancelar não é uma tag. São 4 frases perdidas no meio de uma transcrição.
O que realmente precisa acontecer
Dados estruturados de conversas precisam ser extraídos automaticamente, da transcrição completa, por algo que entenda linguagem — e não apenas busque palavras-chave.
É isso que o Intelligent Fields faz.
Você define um campo: um nome, um tipo (texto, sim/não, seleção, número ou seleção múltipla) e instruções em linguagem simples descrevendo o que o campo deve capturar. O agente do Maven avalia esse campo em todas as conversas, automaticamente. O resultado fica armazenado, pesquisável e vinculado à conversa, com um índice de confiança e uma justificativa que explica a classificação.
Um exemplo concreto: risco de churn
Veja como funciona na prática. Você cria um campo Risco de Churn, do tipo Seleção, com 3 opções: Alto, Médio e Baixo. As instruções são em linguagem simples: atribua Alto se o cliente mencionar cancelamento, demonstrar frustração com a cobrança ou tiver um problema não resolvido ao longo de várias interações.
Essa é toda a configuração. Depois de publicado, o agente avalia o campo em todas as conversas.
Para um cliente que escreveu “Estou tentando resolver isso há uma semana e, se não for resolvido hoje, vou cancelar”, o campo retorna Alto, com confiança 0,91, e a justificativa: “O cliente mencionou explicitamente o cancelamento e tem um problema de cobrança não resolvido ao longo de várias interações.”
Esse registro agora pode ser consultado. Todas as conversas com Risco de Churn = Alto nos últimos 30 dias. Encaminhe para um especialista em retenção em tempo real. Envie para o seu CRM.
A configuração leva minutos, não sprints
Tudo fica no Agent Designer. Defina um campo em linguagem simples, escolha o tipo e publique. Sem código. Uma API REST completa está disponível para equipes que preferem gerenciar tudo de forma programática.
O que isso torna possível
As equipes de suporte que extraem o máximo de seus agentes de IA não os usam apenas para resolver tickets mais rápido. Elas os usam para entender o que está acontecendo em todas as conversas, em uma escala que nenhum processo de revisão humana conseguiria alcançar.
O Intelligent Fields é o que torna isso possível. Cada conversa que seu agente atende vira um registro de dados estruturado. Cada registro é pesquisável. Cada tendência fica visível.
Veja nas suas próprias conversas.
Solicite uma demonstração personalizada gratuita.
