Num intervalo de 60 dias, a Gartner publicou duas previsões que qualquer líder de CX a dimensionar o investimento em IA para os próximos 24 meses deveria ler lado a lado.
A 26 de janeiro, a consultora previu que o custo por resolução da IA generativa no apoio ao cliente ultrapassará os 3 $ até 2030, acima do custo de muitos agentes humanos offshore em contextos B2C. A 31 de março, previu que mais de metade das organizações de apoio ao cliente duplicará o investimento em tecnologia até 2028, sem uma redução equivalente no número de colaboradores.
Lidas em conjunto, estas previsões descrevem uma economia de CX em que a curva de investimento sobe, a curva de colaboradores se mantém praticamente estável e o custo por resolução da IA se aproxima da linha do agente offshore que supostamente deveria superar. A narrativa de que a IA torna o apoio ao cliente mais barato — o pressuposto que sustenta a maioria dos orçamentos de software de CX desde 2023 — já não se confirma de forma clara.
A Gartner aponta duas variáveis por trás desta tendência: talento e complexidade das ferramentas. Ambas são reais, mas existe uma terceira variável subjacente, e é a que a maioria das equipas não está a acompanhar. Essa variável é a resolução: mais concretamente, a diferença entre o que a IA trata e o que a IA realmente resolve. É ela que determina se cada novo dólar investido em tecnologia de CX produz um resultado ou apenas uma transação.
A lacuna de resolução, em dólares
A maioria dos dashboards de CX apresenta a "taxa de automação" ou a "taxa de desvio" como indicador principal. Chega um pedido, a IA responde, a conversa termina sem intervenção de um agente e a plataforma marca o pedido como tratado. O dashboard sobe.
O que o dashboard nem sempre mostra é se o problema do cliente foi efetivamente resolvido. Essa é a lacuna de resolução: o espaço entre as interações em que a IA toca e os problemas que a IA resolve.
Quando a lacuna é grande, o volume não desaparece. Volta a entrar no sistema de três formas:
- Como recontactos, quando o cliente regressa pelo mesmo canal porque o problema persiste
- Como escalamento entre canais, quando o cliente tenta o chat, desiste, telefona e chega a um humano que começa do zero
- Como abandono, quando o cliente conclui que a empresa não o consegue ajudar e deixa de tentar
Cada um destes resultados tem um custo que o dashboard de desvio não capta. A amostra do estudo McKinsey AI in Customer Service 2026 evidencia bem a economia unitária: uma resolução tratada pela IA custa cerca de 0,62 $, contra 7,40 $ para uma tratada por um humano (citado através da compilação de benchmarks de 2026 da Digital Applied). Mas estas contas só funcionam com o número de resolução, não com o número de desvio. Cada interação registada como desviada que depois regressa como escalamento tratado por um humano significa duas faturas: uma pela licença de IA e outra pelo agente que retoma o fio da conversa. Quando a lacuna é grande, estas contas acumulam-se, e a curva de investimento que a Gartner prevê até 2028 é o resultado à escala.
É por isso que o custo por resolução é a referência que importa quando se compara a economia da IA com a base humana — não o custo por interação, nem a taxa de desvio. A previsão da Gartner de 3 $ por resolução em 2030 mede quanto custa a IA quando realmente resolve o problema, não quanto custa quando trata uma mensagem.
O que está realmente a acontecer dentro da curva de investimento
O inquérito da Gartner de outubro de 2025 a 321 líderes de apoio ao cliente concluiu que apenas 20 % das organizações tinham reduzido o número de agentes devido à IA. Os restantes 80 % estão a pagar pela IA e a pagar pelos agentes.
Não se trata de um estado transitório a caminho de custos mais baixos. É o resultado estrutural da forma como a IA está a ser implementada na maioria das funções de CX. Como referiu a CXOVoice, os custos do apoio ao cliente estão a aumentar porque a IA está a acrescentar camadas em vez de as remover: o stack inclui agora IA conversacional, encaminhamento, conhecimento, análise, orquestração e supervisão, cada uma com os seus próprios custos de licenciamento, implementação e integração.
Nenhuma dessas camadas substitui uma camada existente. O que a Gartner prevê até 2028 não é um custo pontual de migração, mas uma mudança estrutural de orçamentos de CX centrados em salários para orçamentos de CX centrados em software, com a base de custos total a subir em vez de descer.
Nessa mudança, a lacuna de resolução determina de que lado do balanço fica o investimento em IA. Quando a IA resolve o problema de ponta a ponta, a camada de software justifica o seu lugar: faz um trabalho que de outra forma exigiria um humano, e a economia unitária funciona. Quando a IA desvia sem resolver, a camada de software acrescenta custos sem eliminar nenhum dos custos existentes, e o dólar que deveria sair do orçamento dos agentes acaba por financiar a IA por cima dele.
As contas que se acumulam
Considere-se um cenário típico: 10 000 pedidos recebidos por mês, um dashboard do fornecedor a indicar 60 % de taxa de automação e 6 000 pedidos marcados como "tratados" sem intervenção humana.
O trabalho de auditoria que distingue o desvio da resolução confirmada chega normalmente a outro resultado. A investigação do setor sobre implementações baseadas em RAG conclui de forma consistente que 15 % a 25 % dos pedidos "desviados" contêm respostas erradas ou incompletas. Se 25 % desses 6 000 pedidos desviados voltarem a entrar no sistema no prazo de 72 horas (como recontactos, escalamentos ou tentativas noutros canais), então 1 500 interações que pareciam automatizadas não o foram.
A verdadeira taxa de resolução autónoma neste volume não é de 60 %. É de 45 %. E a lacuna surge em três rubricas que a maioria dos dashboards de CX não está preparada para mostrar:
- A fatura do fornecedor de IA mantém-se. A licença é cobrada por interação, e a IA trata as interações.
- A carga de trabalho da equipa de agentes inclui esses 1 500 pedidos reentrados, muitas vezes sem contexto, porque a passagem de testemunho falha.
- A experiência do cliente absorve o custo de ter de pedir duas vezes. O fornecedor cobra 6 000 interações. Pagou por 4 500 resoluções.
A lacuna de resolução determina se a rubrica de IA substitui o tratamento humano ou se lhe acresce. Quando a lacuna é pequena, o investimento em IA compensa o investimento em agentes. Quando é grande, o investimento em IA soma-se ao investimento em agentes, e essa é a curva que a Gartner prevê até 2028.
A variável da arquitetura
A lacuna de resolução não é um problema do modelo. É um problema de arquitetura.
A maioria dos agentes de IA atualmente em produção consegue ler, mas não consegue agir. Obtém informação de uma base de conhecimento, resume políticas e sugere próximos passos. O que geralmente não consegue fazer, sem uma integração mais profunda, é processar o reembolso, atualizar a conta, alterar a encomenda ou mudar a marcação. A linha divisória da arquitetura é o acesso só de leitura versus leitura e escrita aos sistemas onde reside o verdadeiro problema do cliente.
Uma IA só de leitura está estruturalmente limitada à parte dos pedidos que pode ser resolvida disponibilizando informação. Na maioria dos programas de CX empresariais, isso corresponde a uma faixa de nível 1 de reposições de palavra-passe, consultas de estado de encomendas e questões sobre políticas — volume real, mas com um teto. As reclamações, exceções, litígios de faturação e alterações de conta que fazem subir os custos de suporte estão do outro lado da fronteira entre leitura e escrita.
É por isso que números de "taxa de automação" acima de 70 % em conjuntos amplos de consultas merecem ser escrutinados. Normalmente refletem uma camada de triagem agressiva que exclui os casos difíceis antes de a IA os ver, ou uma definição de resolução que conta conversas concluídas sem confirmar o resultado. As implementações em produção com integração de leitura e escrita aos sistemas de backend tendem a situar-se entre 70 % e 85 % de resolução confirmada em conjuntos amplos de consultas que incluem pedidos dependentes de políticas.
A decisão de arquitetura determina se cada novo dólar investido em tecnologia de CX fecha ou alarga a lacuna de resolução. Só leitura versus leitura e escrita, sobreposição versus substituição integral, IA como camada por cima versus IA dentro do service desk: não são detalhes de implementação. São o multiplicador do investimento. O modelo de avaliação da Maven analisa estas dimensões com mais detalhe.
Como é a abordagem centrada na resolução em produção
As empresas que estão a fechar a lacuna de resolução partilham uma característica de arquitetura: integração de leitura e escrita aos sistemas onde os problemas dos clientes realmente residem. Os dados de produção que fecham a lacuna de resolução são concretos:
- A Mastermind atingiu 93 % de resolução autónoma em seis semanas após a implementação.
- A Papaya Pay atingiu 90 % de resolução autónoma em três semanas.
- A Clio passou de um chatbot antigo para 80 % de resolução autónoma, resolveu mais 60 % de pedidos e tornou a resposta do suporte em direto 4 vezes mais rápida.
- A Rho manteve 95 % de CSAT enquanto tratava mais 12 % de contactos mensais sem aumentar a equipa.
Este último dado merece reflexão. O comunicado da Gartner de 31 de março prevê que a duplicação do investimento em tecnologia de CX até 2028 não será acompanhada por uma redução de colaboradores, e alerta que as empresas que cortarem agentes para financiar a IA arriscam perturbações operacionais, degradação da experiência do cliente e recuos dispendiosos. A previsão assume que a IA, por si só, não resolve o suficiente para absorver o volume crescente.
O número da Rho é a ilustração mais clara das contas de um investimento centrado na resolução em produção. O CSAT manteve-se nos 95 %, o volume de contactos cresceu 12 % e a equipa não cresceu. É assim que se traduz a capacidade de volume quando a taxa de resolução é real: mais clientes atendidos, a mesma equipa, CSAT intacto.
Esta é a versão das contas em que a rubrica de IA justifica o seu lugar. O investimento em tecnologia sobe, o investimento em agentes mantém-se, o volume de clientes aumenta e a base de custos total fica mais baixa por problema resolvido. Só funciona quando o número de resolução é suficientemente elevado. Ou seja, quando a lacuna entre desvio e resolução é pequena o suficiente para que o volume da IA se converta claramente em resultados da IA.
Três perguntas antes de duplicar o orçamento
A previsão de investimento da Gartner para 2028 não tem de se concretizar em todas as contas de resultados de CX. A variável que o determina é a arquitetura e a economia da camada de IA que está a ser acrescentada. Três perguntas permitem ir além dos números de destaque com que qualquer fornecedor abre a conversa.
- A IA consegue executar ações nos sistemas onde reside o problema do cliente, ou apenas responder com base em documentos? A linha entre só leitura e leitura e escrita é a variável de arquitetura que limita a parte da base de custos de suporte que a IA consegue abordar. Uma IA que mostra o estado da encomenda é útil. Uma IA que processa a devolução, atualiza a conta e confirma a alteração é a que fecha a lacuna de resolução.
- Qual é a taxa de recontacto a 72 horas nos pedidos resolvidos? Esta é a métrica de auditoria. Se 25 % dos pedidos "resolvidos" geram um novo contacto no prazo de três dias, a taxa de resolução efetiva é substancialmente inferior à anunciada. Um fornecedor confiante na qualidade de resolução da sua IA publica este número. Um fornecedor que não o mediu normalmente tem uma razão para isso.
- Qual é a taxa de resolução confirmada, e não a taxa de desvio? Uma resolução confirmada conta apenas os pedidos em que o problema do cliente foi resolvido e o cliente não voltou. O desvio conta qualquer pedido em que a IA toque. Os fornecedores que mediram ambos partilham ambos. Os que não mediram, ou não querem partilhar, estão normalmente a otimizar o número que os favorece.
Em conjunto, as três respostas determinam se cada novo dólar investido em tecnologia de CX compra resolução ou compra atividade.
A variável que a Gartner não nomeou
As duas previsões de 2026 apontam no mesmo sentido. O investimento sobe, o custo por resolução da IA aproxima-se do patamar humano e o número de colaboradores mantém-se praticamente estável. O efeito combinado é um aumento estrutural da base de custos de CX para a metade das organizações que vai duplicar o investimento em tecnologia até 2028.
O que as previsões não dizem — porque medem o investimento em tecnologia e não a arquitetura — é que a lacuna de resolução é a variável que decide em que metade fica cada organização. As empresas que tratam a resolução como a métrica de referência, e que concebem a sua camada de IA para agir nos sistemas onde os problemas dos clientes realmente residem, não verão a curva de investimento duplicar sem resultados. As empresas que tratam a resolução como sinónimo de desvio vão gastar mais em 2026, 2027 e 2028, e resolver aproximadamente o mesmo que em 2024.
A linguagem do setor está a mudar para refletir isto. A resolução autónoma está a tornar-se a métrica de referência. A taxa de resolução está a caminho de substituir os indicadores de CX mais antigos como principal medida para avaliar se a IA no suporte está a funcionar. Os comentários de fornecedores e analistas convergem para o mesmo ponto: em 2026, o dashboard que o seu fornecedor de IA apresenta primeiro é aquele que deve escrutinar com mais rigor.
A curva de investimento para 2028 que a Gartner prevê não é inevitável. É a consequência de decisões de arquitetura que a maioria das equipas de CX está a tomar neste momento.
Veja-o nas suas próprias conversas.
Peça uma demonstração personalizada gratuita.
