Enquanto líderes responsáveis pela experiência do cliente em grande escala, estão a avaliar a IA não como um conceito, mas como uma capacidade que tem de funcionar de forma fiável em todos os canais, sistemas e momentos reais do cliente. Depois de anos a construir sistemas inteligentes de grande escala na Google e na IBM, cofundei a Maven para resolver uma lacuna que vi repetidamente: uma automação do apoio ao cliente que conseguia conversar, mas não resolver verdadeiramente, com contexto (e sem alucinações).
O apoio ao cliente moderno exige uma IA capaz de raciocinar e agir — e não apenas responder — por voz, chat, email e SMS. O nosso foco sempre foi construir IA agêntica capaz de raciocinar, executar ações e funcionar sem interrupções por voz, chat, email e SMS em ambientes empresariais.
Este glossário “inicial” com os cinco conceitos essenciais da IA agêntica em CX reflete a forma como abordamos esse problema na prática e pretende ser uma referência clara e prática para avaliar o que o apoio ao cliente moderno, baseado em IA, pode e deve oferecer.
Tem interesse na nossa lista completa de "100 termos essenciais sobre agentes de IA"? Leia o artigo completo aqui.
Um guia para equipas de CX sob pressão
As equipas de CX empresariais precisam de reduzir custos, acelerar a resolução e manter a confiança na marca — tudo isto enquanto gerem volumes crescentes em vários canais. À pressão junta-se a confusão quando termos como IA agêntica, agentes autónomos e copilotos de IA são usados de forma inconsistente pelos diferentes fornecedores.
Este glossário foi criado para:
- Clarificar os principais conceitos de agentes de IA numa linguagem simples e relevante para as empresas.
- Distinguir a IA que apenas conversa dos sistemas agênticos capazes de agir.
- Apresentar validação independente de líderes do setor.
- Ajudar os líderes de CX a avaliar parceiros tecnológicos com confiança.
Se está a explorar a forma como a IA se pode enquadrar na sua estratégia de apoio ao cliente, este guia pode servir de ponto de referência comum para as equipas de CX, TI e operações.
1) Conceitos essenciais de IA e agentes
IA agêntica
A IA agêntica refere-se a sistemas de IA capazes de planear, raciocinar e executar tarefas dentro de limites explícitos, definidos por políticas, para alcançar um objetivo — muitas vezes recorrendo a ferramentas, APIs e fluxos de trabalho nos sistemas da empresa. Ao contrário dos chatbots tradicionais ou da IA generativa, os sistemas agênticos foram concebidos para concluir trabalho e não apenas gerar respostas.
A IBM descreve a IA agêntica como um padrão em que os modelos de linguagem são combinados com ferramentas e lógica de decisão para atuar em sistemas reais. 👉 Visão geral da IBM: Agentic AI — IBM
A Gartner prevê que, até 2029, a IA agêntica resolverá de forma autónoma 80 % dos problemas comuns de apoio ao cliente, transformando profundamente as operações de CX. 👉 Comunicado de imprensa da Gartner: A IA agêntica está a transformar o apoio ao cliente
Contexto Maven: a Maven AGI assenta na execução agêntica — permitindo que os agentes de IA raciocinem e executem ações seguras e auditáveis nos fluxos de trabalho de apoio ao cliente. Saiba mais: Agent Maven
**A perspetiva da liderança da Maven: Na minha perspetiva, a mudança mais importante que está a acontecer neste momento não é a IA generativa — é a capacidade de agir. As empresas não têm dificuldades por falta de respostas; têm dificuldades porque os sistemas não conseguem agir em ferramentas fragmentadas. A IA agêntica é importante porque fecha essa lacuna. Quando a IA consegue raciocinar sobre a intenção, compreender as restrições e executar fluxos de trabalho reais com segurança, deixa de ser uma demonstração e passa a ser infraestrutura.
Agente de IA
Um agente de IA é um sistema capaz de perceber informação de entrada, manter o contexto, raciocinar sobre objetivos e agir para alcançar resultados. Esta definição vai além dos bots reativos e está alinhada com a investigação em IA de longa data.
Definição geral: 👉 AI Agent — Wikipedia
Em ambientes de CX, os agentes de IA têm de:
- Compreender a intenção em todos os canais.
- Aceder ao conhecimento da empresa.
- Executar ações nos sistemas de back-end (e não apenas sugeri-las).
Contexto Maven: os agentes de IA da Maven funcionam por voz, chat, email e SMS com uma camada de raciocínio partilhada, para que os clientes não tenham de recomeçar a conversa quando mudam de canal. Os agentes de IA podem chamar as Actions elegíveis definidas na Maven, com parâmetros e Instructions; não inferem novas Actions. Explore os canais dos agentes: Canais dos agentes
**A perspetiva da liderança da Maven: Os agentes de IA têm sucesso quando combinam raciocínio com ação. As equipas de CX não precisam apenas de respostas; precisam de resultados. É por isso que os agentes da Maven foram concebidos para agir com base na intenção em todos os canais e pontos de contacto.
Autonomia e intervenção humana (HITL)
A autonomia refere-se ao grau de independência com que um agente de IA consegue operar. Na CX empresarial, a autonomia total raramente é uma questão de sim ou não. Os sistemas equilibram a automação com a supervisão humana.
A Salesforce sublinha que a IA agêntica se distingue da IA assistiva por executar tarefas de forma proativa, permitindo ainda assim revisão humana quando necessário. 👉 What Is Agentic AI - Salesforce
Boa prática: os fluxos de trabalho de grande volume e baixo risco são muitas vezes totalmente automatizados, enquanto os casos sensíveis são encaminhados para agentes humanos, com todo o contexto preservado.
Contexto Maven: a Maven suporta salvaguardas configuráveis de intervenção humana, permitindo às equipas de CX definir onde termina a autonomia e começa a revisão humana. A autonomia está sempre limitada por regras de elegibilidade, pelo âmbito do Knowledge e pelas restrições das Actions.
**A perspetiva da liderança da Maven: Autonomia não significa eliminar totalmente as pessoas — significa permitir que se concentrem nas exceções de maior valor. As estratégias de HITL são fundamentais para a fiabilidade e a confiança empresariais.
2) Canais de interação com o cliente
IA de voz / agentes de voz
A IA de voz permite que os agentes de IA tratem chamadas telefónicas em direto — compreendendo interrupções, sotaques e intenções enquanto executam ações em tempo real.
O Maven Voice™ foi concebido para a automação de voz de nível empresarial e integra-se com a infraestrutura de telefonia e de contact center existente. Os canais de voz funcionam como todos os outros canais, com base nas mesmas Actions e no mesmo Knowledge.
Para falar sobre o Maven Voice ou qualquer uma das nossas soluções de agentes: Marcar uma demonstração
**A perspetiva da liderança da Maven: Os clientes não pensam em canais — pensam em resultados. Uma das maiores falhas da tecnologia de apoio tradicional é tratar a voz, o chat, o email e o SMS em separado. O agente deve ser a constante, não o canal. Os canais são apenas interfaces; a inteligência deve ser partilhada.
IA para chat e mensagens
Os agentes de chat tratam conversas digitais em tempo real na web e nas aplicações. Mantêm o contexto, acedem ao conhecimento e encaminham sem interrupções quando necessário.
Contexto Maven: os agentes de chat funcionam com a mesma camada de raciocínio que a voz e o email, garantindo respostas e ações consistentes. Todos os canais partilham o mesmo Knowledge, as mesmas Actions e os mesmos sinais de avaliação da qualidade.
Explore as capacidades de chat: Chat
**A perspetiva da liderança da Maven: O motor de raciocínio partilhado garante que cada interação decorre sem interrupções, mesmo que o cliente mude de canal a meio da conversa.
Automação de email e SMS
O email e o SMS são fundamentais para interações de grande volume. A IA pode classificar, resumir, redigir e resolver mensagens em grande escala, preservando o tom e a conformidade.
Contexto Maven: as interações por email e SMS são tratadas pelo mesmo motor agêntico, o que permite continuidade entre canais e melhorias mensuráveis na rapidez de resolução.
**A perspetiva da liderança da Maven: A consistência e o contexto são inegociáveis — sobretudo em canais assíncronos como o email e o SMS.
3) Conhecimento, contexto e raciocínio
Grafos de conhecimento e IA fundamentada
A IA empresarial tem de se basear em conhecimento fiável e governado para evitar alucinações e violações de políticas. Sem uma base fiável, até os modelos mais capazes produzem respostas inconsistentes, apresentam informação desatualizada ou violam políticas.
Contexto Maven: o Graph of Record da Maven é uma abordagem proprietária para fundamentar a IA na informação real da empresa. Liga o conhecimento entre os sistemas existentes de uma organização sem copiar, migrar ou centralizar dados. Em vez de pedir às empresas que migrem a sua informação para um novo sistema, a Maven cria ligações inteligentes e em tempo real aos sistemas de registo, como CRM, plataformas de gestão de pedidos, repositórios de conteúdos e data warehouses.
Como cada resposta provém diretamente destes sistemas, o Graph of Record garante que as respostas refletem os dados mais recentes, seguem as permissões existentes e respeitam as políticas da empresa.
Por exemplo, quando um cliente pergunta pelo estado da conta ou pela elegibilidade de faturação, o agente responde com base no contexto do sistema em tempo real, e não num resumo em cache. Isto reduz drasticamente as alucinações, as respostas desatualizadas e o risco de incumprimento, sobretudo em ambientes regulados ou operacionalmente complexos.
**A perspetiva da liderança da Maven: Inteligência sem fundamentação é um risco. O conhecimento, o contexto e as salvaguardas são o trabalho mais difícil — e mais importante — da IA à escala empresarial. O Graph of Record da Maven é a pedra angular da Business AGI, porque permite que a inteligência escale em toda a empresa mantendo-se precisa, conforme e operacionalmente sólida. Ao ligar sistemas em vez de os duplicar, as organizações podem implementar IA mais rapidamente, reduzir custos de infraestrutura ocultos e passar com confiança da experimentação à produção.
Memória contextual e RAG
A geração aumentada por recuperação (RAG) permite que os agentes obtenham dados relevantes da empresa em tempo de execução. A memória contextual garante continuidade em interações longas ou com várias sessões. Na Maven, a RAG recupera informação de Knowledge Bases com âmbito definido, que respeitam as regras de acesso e de elegibilidade.
A IBM e a Gartner salientam que a fundamentação e o contexto são essenciais para a fiabilidade da IA empresarial. 👉 Perspetivas da IBM sobre IA empresarial: Enterprise AI Agents — IBM
**A perspetiva da liderança da Maven: A RAG e a memória permitem que a IA aja com confiança, evitando erros que possam prejudicar a confiança do cliente.
4) Integrações e execução de fluxos de trabalho
Integrações com CRM e sistemas de back-end
Os agentes de IA têm de se integrar com CRM, sistemas de faturação e ferramentas internas para fazer trabalho real — como atualizar registos ou processar reembolsos.
Contexto Maven: a Maven integra-se com sistemas como o Salesforce e o Zendesk para permitir que os agentes chamem Actions elegíveis que leem ou escrevem dados nos sistemas.
Veja todas as integrações da Maven: Integrações
**A perspetiva da liderança da Maven: Uma IA que não consegue agir é apenas mais uma camada de interface. Os agentes têm de ser operadores de pleno direito dentro dos sistemas da empresa, com total auditabilidade e segurança.
APIs e execução segura
As APIs permitem que os agentes interajam com os sistemas da empresa, acionando fluxos de trabalho e executando ações de forma segura e auditável. Isto garante a conformidade com as normas de governação da empresa, ao mesmo tempo que impulsiona a eficiência operacional e a escalabilidade.
Contexto Maven: a abordagem API-first da Maven permite que os agentes executem fluxos de trabalho complexos diretamente nos sistemas da empresa. A Maven garante que cada ação é regida por medidas rigorosas de autenticação, rastreabilidade e conformidade. Assim, os clientes integram-se sem dificuldade com a sua infraestrutura existente, mantendo o controlo e obtendo ganhos de eficiência mensuráveis.
**A perspetiva da liderança da Maven: Vemos a execução segura como um facilitador estratégico da inovação empresarial. A confiança e a responsabilização são os pilares de uma automação empresarial bem-sucedida. Ao garantir que cada ação automatizada é rastreável, auditável e alinhada com as políticas de governação, damos às organizações a confiança necessária para escalar as suas operações com segurança.
5) Métricas e KPI relevantes para os líderes de CX
Taxa de resolução autónoma (ARR)
Definição: a percentagem de questões ou pedidos de clientes totalmente resolvidos por agentes de IA, sem necessidade de intervenção humana. A resolução autónoma refere-se a conversas resolvidas sem transferência e sem feedback negativo, de acordo com a métrica ‘Resolved by Maven’ do produto.
Porque é importante: mede a eficácia e a fiabilidade da IA agêntica na execução autónoma de tarefas, ajudando a reduzir custos e a libertar os agentes humanos para trabalho de maior valor.
Exemplo: a Papaya Pay conseguiu 90 % das questões respondidas de forma autónoma com a Maven AGI.
Resolução no primeiro contacto (FCR)
Definição: a percentagem de problemas dos clientes resolvidos na primeira interação, independentemente do canal.
Porque é importante: uma FCR elevada indica eficiência e uma experiência do cliente sem fricção. Os agentes de IA podem aumentar a FCR graças ao acesso imediato ao conhecimento e aos sistemas, reduzindo a necessidade de seguimento.
Exemplo: a Papaya Pay alcançou uma taxa de resolução no primeiro contacto de 70 % após implementar o Agent Maven™.
Tempo de resolução (TTR)
Definição: o tempo médio decorrido entre o momento em que o cliente envia uma questão e a resolução total do problema.
Porque é importante: um TTR mais baixo indica um serviço mais rápido e uma melhor CX. Os agentes de IA podem reduzir drasticamente o TTR ao obter informação, atualizar sistemas e executar ações automaticamente.
Exemplo: a Enumerate resolveu 80 % dos pedidos em menos de 3 minutos com o Agent Maven™, o que demonstra um TTR muito mais baixo em produção.
Índice de esforço do cliente (CES)
Definição: uma métrica que reflete a facilidade com que o cliente viu o seu problema resolvido, normalmente medida através de um inquérito pós-interação (por exemplo, “Quão fácil foi resolver o seu problema hoje?”).
Porque é importante: um CES elevado (pouco esforço) está associado à satisfação e à fidelização dos clientes e a uma menor taxa de abandono. Os agentes de IA contribuem ao reduzir a fricção, evitar passos desnecessários e prestar uma assistência adaptada ao contexto.
Exemplo: a Mastermind resolveu 93 % das questões por chat com tempos de resposta 75 % mais rápidos, um forte indicador de menor esforço.
Redução dos custos de estrutura
Definição: a redução das despesas operacionais obtida através da automação de tarefas repetitivas, da simplificação de fluxos de trabalho e da menor necessidade de recursos humanos adicionais.
Porque é importante: custos de estrutura mais baixos permitem às organizações canalizar orçamento para iniciativas estratégicas, melhorar a escalabilidade e manter a rentabilidade mesmo com o aumento das questões dos clientes. Os agentes de IA contribuem ao tratar grandes volumes de interações de forma autónoma, reduzindo a dependência de agentes humanos para tarefas de rotina.
Aumentar o CSAT e o NPS
Definição de CSAT: uma medida da satisfação dos clientes com uma interação específica ou com o serviço em geral, normalmente recolhida através de um breve inquérito pós-interação (por exemplo, “Qual o seu grau de satisfação com o apoio recebido?” numa escala de 1–5 ou 1–10). Porque é importante: o CSAT reflete o sentimento imediato do cliente e a qualidade da experiência. Os agentes de IA podem influenciar positivamente o CSAT ao oferecer resoluções precisas, rápidas e adaptadas ao contexto.
Exemplos: a Rho alcançou 95 % de satisfação do cliente (CSAT) ao mesmo tempo que dava resposta a mais contactos sem aumentar a equipa. Durante a avaliação de mais de 50 fornecedores realizada pela Thumbtack, a Maven obteve um desempenho mais de 15 % superior ao da concorrência na avaliação interna de CSAT da empresa.
Definição de NPS: uma medida da fidelização dos clientes e da probabilidade de recomendarem uma marca, recolhida através de uma pergunta de inquérito como: “Qual a probabilidade de recomendar a nossa empresa a um amigo ou colega?” Os inquiridos atribuem uma pontuação de 0–10, e as pontuações são classificadas como:
Cálculo do NPS =%Promotores−%DetratoresNPS
Porque é importante: o NPS reflete a fidelização dos clientes a longo prazo. Os agentes de IA que reduzem a fricção, aceleram a resolução e mantêm experiências consistentes em todos os canais podem aumentar os promotores e reduzir os detratores.
Exemplo: a Enumerate registou um NPS de +40, o que indica uma forte fidelização e satisfação com a experiência de apoio proporcionada pela Maven.
Julie Mohr, analista principal da Forrester, publicou a 1 de dezembro de 2025 que, “com a IA e a automação em jogo, a velha mentalidade de que ‘mais rápido é melhor’ faz ainda menos sentido”, e apresenta a sua perspetiva sobre 5 novos KPI centrados na IA.
👉 Análise da Forrester: Está na altura de repensar o sucesso do service desk
Contexto Maven: muitos clientes da Maven alcançam uma ARR >90 % em fluxos de trabalho específicos. Explore os resultados dos clientes: Casos de estudo
**A perspetiva da liderança da Maven: Desviar volume, por si só, não é sucesso — a resolução é. As métricas devem refletir resultados reais para os clientes, e não apenas o número de pedidos.
Em conclusão
Sabemos que um glossário é provavelmente apenas um dos muitos passos no processo de avaliar se, como e quando a IA agêntica poderá ser adotada na sua organização.
As nossas equipas de vendas, engenharia de soluções e gestão da experiência do cliente trabalham em conjunto com os potenciais clientes para afinar requisitos, defender o investimento internamente, construir um roteiro de testes e de versão beta e clarificar o potencial da IA agêntica na sua estratégia de CX.
O próximo passo pode ser uma primeira conversa sobre os seus objetivos e a fase em que se encontra! Teremos todo o gosto em ajudar a definir o caminho a seguir: Fale com a nossa equipa
Sobre o autor
Sami ShalabiCofundador e Diretor de Tecnologia (CTO), Maven AGI
Sami Shalabi lidera a visão de produto e a arquitetura da plataforma da Maven para agentes de IA empresariais por voz, chat, email e SMS. Antigo líder sénior de engenharia na Google e na IBM, Sami dedica-se a sistemas de IA agêntica que combinam raciocínio, autonomia e integrações empresariais para gerar resultados de CX mensuráveis.
Veja-o nas suas próprias conversas.
Peça uma demonstração personalizada gratuita.
