O que é a IA agêntica no apoio ao cliente?

A IA agêntica designa software que persegue um objetivo de forma autónoma, em vez de se limitar a responder a uma instrução de cada vez. No serviço ao cliente, isto significa que um agente de IA percebe o que o cliente pretende, define os passos para lá chegar, recorre aos sistemas que têm a resposta ou que podem executar a ação e verifica se resultou de facto, sem que uma pessoa oriente cada passo. Ao comparar fornecedores, a verdadeira questão não é “usa IA?”, mas sim se o software se limita a mudar o trabalho de sítio ou se o conclui efetivamente.

Praticamente todas as equipas de serviço ao cliente estão a fazer algo nesta área, mas muito poucas conseguem explicar com precisão o que esta categoria significa.

A Gartner prevê que mais de 40 % dos projetos de IA agêntica sejam cancelados até ao final de 2027, devido ao aumento dos custos, ao retorno pouco claro e a controlos de risco insuficientes (comunicado de imprensa da Gartner, 25 de junho de 2025). O mesmo estudo concluiu que apenas cerca de 130 dos milhares de fornecedores que se apresentam como “agênticos” cumprem efetivamente a definição. A Gartner chama a isto agent washing. Do lado de quem compra, a McKinsey concluiu que cerca de 80 % das empresas já implementaram IA generativa, mas uma proporção semelhante não vê impacto real nos resultados (McKinsey, Seizing the agentic AI advantage, 13 de junho de 202 5).

Portanto, a IA agêntica funciona claramente em algum lado: há uma previsão que aponta para que resolva de forma autónoma 80 % dos problemas comuns de serviço ao cliente até 2029 (Gartner, 5 de março de 2025). O que precisa é de uma forma de distinguir os sistemas que vão realmente lá chegar daqueles que vão passar 18 meses a encaminhar pedidos de forma mais elegante do que antes.

Do que é feito um sistema agêntico

6 componentes. A maioria dos fornecedores é forte em 2 deles e vaga quanto aos restantes.

• Perceção. Ler o pedido e extrair o que realmente se pretende, em texto, voz e imagens.
• Raciocínio e planeamento. Dividir um objetivo em passos e decidir a sua ordem. É isto que distingue um agente de um script.
• Memória. Memória de curto prazo, para saber em que ponto está a meio de uma tarefa, e memória de longo prazo, para saber com quem está a falar e o que aconteceu da última vez.
• Camada de ferramentas e ações. As ligações efetivas aos seus sistemas: consultar uma encomenda, emitir um crédito, alterar uma subscrição. Sem isto, o sistema só consegue descrever um reembolso, não efetuá-lo.
• Orquestração. Coordenar vários agentes ou passos e transmitir o contexto entre eles. Os padrões estão a começar a consolidar-se nesta área (Model Context Protocol para acesso a ferramentas, protocolos agent-to-agent para coordenação).
• Salvaguardas e escalonamento. Saber o que não fazer e saber quando parar e passar o caso a uma pessoa, com todo o contexto incluído.

Estes componentes funcionam em ciclo, não em linha reta: perceber, planear, agir, verificar, ajustar. Um fluxo com script corre uma vez e ou funciona ou falha.

O que se confunde com IA agêntica

Há 4 outras categorias que aparecem rotuladas como “agênticas” nas apresentações dos fornecedores. Todas fazem trabalho real, mas nenhuma resolve efetivamente nada.

Diferentes tipos de IA, úteis para diferentes cenários de serviço ao cliente.

Nota rápida sobre terminologia: o setor costuma chamar “chatbots” à primeira linha. Este artigo chama-lhes bots baseados em regras, porque a verdadeira diferença está na arquitetura, não na marca.

Orquestração não é resolução

É aqui que reside a maior parte da confusão, por isso vamos ser diretos.

Os casos de utilização agênticos mais comuns em produção — encaminhamento, triagem, gestão de escalonamentos, orquestração de fluxos de trabalho, personalização — são todos trabalho real. Nenhum deles resolve nada. Um sistema que lê um pedido, o classifica corretamente, obtém o contexto certo da conta e o encaminha para a fila certa fez algo genuinamente útil, mas não resolveu o problema do cliente. A orquestração acelera o processo que já existe. A resolução tira-lhe efetivamente trabalho das mãos.

É também aqui que a linguagem de medição se torna escorregadia. Há 3 termos usados como sinónimos que não o deviam ser:

• Taxa de desvio. A percentagem de contactos tratados sem intervenção humana. Fácil de inflacionar, porque os clientes que simplesmente desistiram ou ficaram presos num ciclo aparecem no registo como um sucesso.
• Taxa de contenção. A percentagem de conversas que ficaram no canal automatizado. Não diz nada sobre se o problema foi resolvido.
• Taxa de resolução. Se o problema ficou efetivamente resolvido, confirmado pela ausência de novo contacto nas 24–48 horas seguintes ou perguntando diretamente ao cliente.

Só este terceiro número reflete um resultado real para o cliente. Se um fornecedor lhe apresentar um número sem dizer qual dos 3 é, essa é a primeira pergunta a fazer.

Como é a resolução quando funciona

A situação concreta importa mais do que o número de destaque, porque a objeção de qualquer responsável de serviço ao cliente é “o nosso ambiente é mais complexo do que esse caso de estudo”. Por isso, eis a restrição com que cada uma destas equipas trabalhava de facto:

A K1x gere fluxos de trabalho de documentos fiscais e jurídicos com uma equipa de suporte pequena e nenhuma vontade de um projeto de TI demorado. O sistema foi implementado sobre o que já tinham, em vez de o substituir, e foi isso que tornou possível uma implementação rápida: atingiram 80 % de resolução autónoma na primeira semana em produção.

A Clio vende software de gestão de escritórios de advogados a uma base de clientes global e não se ficou por promessas. Avaliou 32 fornecedores e realizou um teste comparativo direto com mais de 10 antes de escolher um. Resultado: 80 % de resolução autónoma e suporte ao vivo 4 vezes mais rápido.

A Rho, uma empresa fintech, via o volume de contactos aumentar sem reforço da equipa à vista. O objetivo era simplesmente acompanhar o ritmo sem que a experiência piorasse: manteve um CSAT de 95 % enquanto tratava mais 12 % de contactos mensais com a mesma equipa.

Uma empresa de gaming da Fortune 500 opera num setor regulado, com volumes que disparam em torno de eventos. O volume normal é de mais de 330 000 interações mensais com 80 % de resolução e, num dia de pico, o sistema resolveu 13 000 interações.

Que nível de autonomia está realmente a comprar

Os modelos de níveis de autonomia estão a começar a consolidar-se. A Cloud Security Alliance publicou um modelo de 6 níveis em janeiro de 2026, e a maioria das outras versões concorda na estrutura, mesmo que use designações diferentes.

Na prática, a maioria das implementações empresariais situa-se na autonomia condicional: o sistema trata a tarefa completa dentro de limites definidos e escala tudo o que fique fora deles. Se um fornecedor afirma mais do que isso, está a descrever um roadmap, não um produto.

Um exemplo de reembolso torna isto concreto: em autonomia condicional, o sistema lê o pedido, compara-o com a política, verifica a elegibilidade face à encomenda, emite o crédito se estiver dentro do limite e passa-o a uma pessoa com todo o contexto se não estiver. É a sua equipa que define esse limite, e é essa configuração, não o modelo subjacente, que determina realmente o quanto o sistema faz.

5 perguntas que separam as 2 categorias

1. O que é que o sistema faz efetivamente, e não apenas diz? Peça a lista concreta de ações que pode executar nos seus sistemas. Se a resposta for só sobre responder a perguntas, está a orquestrar, não a resolver.
2. Como é definida e verificada a resolução — desvio, contenção ou resolução confirmada — e em que janela temporal?
3. O que acontece quando a confiança é baixa? Um sistema sem um verdadeiro caminho de escalonamento está apenas a adivinhar.
4. O que exige realmente a configuração por parte da sua equipa? Semanas de um arquiteto de soluções do fornecedor é um pedido muito diferente de semanas de tempo dos seus próprios engenheiros.
5. Que clientes identificados no seu setor, com o seu volume, estão dispostos a falar consigo? Uma chamada de referência num ambiente comparável diz-lhe mais do que qualquer estatística de benchmark.

Perguntas frequentes

O que é a IA agêntica no serviço ao cliente?

Software que persegue um objetivo de serviço de forma autónoma: lê o pedido, planeia os passos, atua nos sistemas que contêm os dados e confirma o resultado sem que alguém dirija cada movimento. A característica essencial: conclui a tarefa em vez de se limitar a encaminhá-la.

Em que difere a IA agêntica de um chatbot?

Um bot baseado em regras faz corresponder o que recebe a respostas pré-definidas e passa tudo o que desconhece a uma pessoa. Um sistema agêntico raciocina sobre um pedido desconhecido, descobre que passos o resolveriam e executa-os em sistemas em produção. Um desvia; o outro resolve.

A IA agêntica é o mesmo que IA generativa?

Não. A IA generativa limita-se a produzir texto em resposta a um prompt. A IA agêntica usa um modelo generativo como uma peça de um sistema maior, que também planeia, memoriza e age. Comprar IA generativa e esperar resultados agênticos é um erro comum.

Um agente de IA pode emitir um reembolso ou alterar uma encomenda?

Sim, se estiver ligado aos sistemas que executam essas ações e tiver permissão para o fazer dentro de limites definidos. A maioria das empresas define um limite e envia tudo o que o ultrapasse para uma pessoa.

Qual é uma boa taxa de resolução para a IA no serviço ao cliente?

Depende do canal, da complexidade e da forma como é medida. Os números reais em produção variam entre cerca de 50 % e 93 %. Pergunte a qualquer fornecedor exatamente como define e verifica o seu número antes de o comparar com o de outro.

A IA agêntica vai substituir os agentes humanos?

Os sistemas atuais funcionam em autonomia condicional, tratando trabalho definido e escalando o resto. Até agora, o padrão tem sido mais capacidade: a mesma equipa trata mais volume e dedica mais tempo ao que exige realmente discernimento.

A IA agêntica está em conformidade com PCI DSS e HIPAA?

A conformidade depende da plataforma, não da categoria. Peça as certificações concretas, se abrangem a voz e como são tratados os dados pessoais em tempo real.

Porque falham os projetos de IA agêntica?

A Gartner aponta o aumento dos custos, o retorno pouco claro e controlos de risco insuficientes. Por trás de tudo isso, o verdadeiro problema costuma ser comprar algo que orquestra e esperar que resolva.