Um provedor de internet com fila de suporte lotada: o que mudou (e o que não foi só "colocar um chatbot")

O ponto de partida

Um provedor de internet regional, com equipe de suporte pequena, vivia o mesmo problema todo início de mês: fila de atendimento lotada com chamados repetitivos — "minha internet caiu", "quando volta", "como reinicio o roteador", "qual o valor da minha fatura". A equipe de suporte gastava a maior parte do dia respondendo a mesma coisa, e os chamados que exigiam de fato um técnico ficavam represados atrás da fila.

O pedido inicial do cliente foi direto: "quero um chatbot de IA no WhatsApp". É o pedido mais comum que recebemos — e quase nunca é o primeiro problema a resolver.

Fase 1: o Raio-X mostrou que o gargalo não era atendimento, era informação

No diagnóstico da Fase 1 do Growth Tech, mapeamos os quatro chamados mais frequentes e perguntamos, para cada um: essa resposta já existe em algum lugar da empresa, de forma estruturada? A resposta foi não. O status de rede ficava só na cabeça do time técnico, sem um painel único; o valor da fatura estava em um sistema separado do CRM; o passo a passo de "reiniciar o roteador" nem sequer estava escrito — vivia na experiência de quem atendia há mais tempo.

Colocar um chatbot ali, naquele momento, teria automatizado a demora — um robô educado dizendo "não sei, vou verificar", exatamente como um atendente novo faria. IA não conserta caos, ela escala caos. Isso é camada C3 (Sistemas e Dados): a informação estava dispersa, então não tinha o que a IA buscasse com confiança.

Fase 2 e 3: primeiro estruturar, depois automatizar

Antes de qualquer piloto de IA, o projeto arrumou três coisas que já deveriam ter sido feitas há tempos, independentemente de IA: um painel único de status de rede visível para o suporte, integração simples entre o sistema de faturas e o CRM, e um roteiro escrito (não na cabeça de ninguém) para os problemas técnicos mais comuns. Só depois disso entrou o piloto de IA respondendo, com essas fontes já organizadas, as perguntas repetitivas no WhatsApp — com transbordo automático para um humano sempre que a pergunta fugia do escopo mapeado.

Fase 4 e 5: adoção real e prova do ganho

O critério de sucesso não foi "o robô está no ar" — foi quantos chamados repetitivos deixaram de chegar até um atendente humano depois de 60 dias rodando, e se o tempo médio de resposta dos chamados que sobraram (os que de fato precisavam de gente) caiu. Os dois números melhoraram porque o time de suporte parou de gastar energia respondendo a mesma coisa e passou a resolver o que exigia julgamento humano.

O que fica

Nenhuma etapa desse projeto começou com "qual modelo de IA vamos usar". Começou com "onde está a informação e por que ela não está disponível quando precisa". A IA entrou depois, como a peça que faltava — não como a primeira tentativa de resolver um problema de processo com tecnologia.

Se a sua empresa tem um gargalo parecido — fila de atendimento, chamado repetitivo, informação espalhada — fale com a AI Start no WhatsApp e entenda por onde começar.