O fim do chatbot: como os agentes de IA estão mudando o relacionamento com clientes

Com capacidade de acessar informações, executar e resolver demandas, agentes inteligentes inauguram uma nova etapa da automação no WhatsApp

Durante anos, o chatbot foi uma das principais respostas para empresas que precisavam escalar o atendimento.

A lógica era simples: criar menus, cadastrar perguntas frequentes, definir respostas e conduzir o cliente por caminhos previamente configurados.

Esse modelo continua funcionando bem para demandas simples e previsíveis, o problema aparece quando a necessidade do cliente não cabe em um roteiro.

“Comprei há dez dias e o rastreio não muda. Preciso do produto para uma viagem na sexta-feira.”

Essa mensagem não contém apenas uma pergunta. Ela traz contexto, intenção, urgência e uma possível necessidade de priorização.

Para resolver o problema, não basta enviar um link de rastreamento.

É preciso identificar o cliente, localizar o pedido, consultar informações atualizadas, verificar regras, entender o que pode ser feito e, se necessário, executar uma ação ou encaminhar o caso para uma pessoa.

É essa mudança que os agentes de IA trazem para o atendimento: a capacidade de resolver problemas com autonomia, contexto e limites claros.

E isso muda também a arquitetura por trás da conversa, visto que o agente precisa de dados, regras, acesso a sistemas e principalmente, saber quando parar e redirecionar o atendimento para uma pessoa.

E precisa de uma infraestrutura de comunicação capaz de conectar toda essa operação ao cliente.

Por que o chatbot tradicional já não atende a todas as expectativas?

O chatbot tradicional costuma funcionar como um fluxo de decisão predefinido. A empresa mapeia perguntas, respostas e caminhos. O cliente escolhe uma opção e avança.

Um exemplo simples:

“Olá. Escolha uma opção:

1. Consultar pedido
2. Trocar produto
3. Falar com atendente”

Se o cliente digitar “2”, o fluxo continua, mas se escrever algo fora do esperado, o sistema pode pedir que escolha uma opção válida.

Esse modelo tem algumas vantagens: é mais previsível, relativamente simples de implementar e adequado para perguntas frequentes e processos bem definidos.

O limite está na distância entre a forma como a empresa organiza seus processos e a forma como o cliente descreve um problema.

O cliente não pensa necessariamente em categorias como “pós-venda”, “logística” ou “ocorrência de entrega”. Ele simplesmente conta o que aconteceu.

Menus quebram quando a jornada não é linear

Uma demanda aparentemente simples pode envolver várias etapas:

1. identificar o cliente;
2. localizar o pedido;
3. consultar o status;
4. analisar o prazo;
5. verificar exceções;
6. explicar a situação;
7. abrir uma solicitação;
8. acompanhar o retorno.

Se o chatbot apenas envia um link de rastreamento, ele respondeu, mas não necessariamente resolveu.

Respostas prontas não executam processos

Uma base de perguntas frequentes pode explicar a política de troca.

Ela não consegue, sozinha, verificar se aquele pedido atende aos critérios, gerar uma solicitação ou atualizar o status de um processo.

A resposta automática é uma camada de informação e a resolução exige integração com processos.

O cliente não deveria precisar repetir o que já informou

Outro problema comum acontece quando o cliente sai da automação e chega ao atendimento humano. Ele explica tudo ao chatbot e, depois, precisa contar a mesma história para o atendente.

Se muda de canal, pode começar novamente. Esse reinício aumenta o esforço do cliente e reduz a eficiência da equipe.

Uma experiência automatizada só é percebida como realmente boa quando o cliente sente que a empresa acompanhou o caso.

Chatbot vs. Agente de IA: o que realmente muda?

A diferença entre um chatbot tradicional e um agente de IA vai além do uso de um modelo de linguagem. O agente consegue executar mais tarefas depois de interpretar a mensagem.

Chatbot tradicional

O chatbot segue caminhos definidos. Pode reconhecer palavras-chave, apresentar menus, identificar intenções previamente mapeadas e devolver respostas cadastradas.

Pergunta → intenção prevista → resposta cadastrada

Agente de IA

O agente interpreta a intenção e o contexto, consulta ferramentas, considera regras e pode executar uma ação dentro das permissões estabelecidas.

Mensagem → intenção e contexto → ferramenta → regra → ação → confirmação

Essa diferença não significa que o agente tenha liberdade ilimitada.

Na verdade, quanto mais ações ele consegue executar, mais importante se torna definir permissões, validações e limites.

Exemplo: atraso na entrega

Um chatbot pode responder:

“Para consultar seu pedido, acesse o link de rastreamento.”

Um agente pode:

1. identificar o cliente;
2. localizar o pedido pelo telefone ou código;
3. consultar o sistema logístico;
4. verificar a previsão atual;
5. identificar se o prazo foi excedido;
6. explicar o motivo disponível;
7. abrir uma ocorrência se a regra permitir;
8. informar o protocolo;
9. transferir o caso se houver uma exceção.

O cliente não precisa conhecer a estrutura interna da empresa para chegar ao resultado.

O agente trabalha com ferramentas

Ferramentas são conexões que permitem ao agente consultar informações ou executar funções externas. Elas podem incluir:

• CRM;
• ERP;
• e-commerce;
• sistema de pedidos;
• estoque;
• logística;
• pagamentos;
• agenda;
• base de conhecimento;
• sistema de tickets;
• APIs de mensageria.

O modelo de IA interpreta a situação, a ferramenta consulta um dado ou executa uma operação e o agente organiza o resultado e transforma a informação em uma resposta compreensível para o cliente.

É essa combinação que aproxima a automação de uma operação real.

O case da Riachuelo e a evolução do autoatendimento

A Riachuelo é um exemplo de como essa mudança pode aparecer na prática.

Segundo a matéria do E-Commerce Brasil, a empresa saiu de 30% de resolução no autoatendimento baseado em chatbots tradicionais, para 84% dos usuários resolvendo suas demandas com uma solução de IA agêntica.

A Riachuelo também relatou aumento de 60% na satisfação dos clientes e redução de 26% nos custos de tecnologia.

Os números mostram como a empresa acertou na evolução da estratégia de atendimento e o caso revela essa mudança importante de arquitetura: o agente não ficou restrito à conversa.

Ele se conectou a sistemas e fluxos internos, resolveu situações como atraso na entrega e abriu chamados quando a intervenção humana era necessária.

O que mudou no modelo de atendimento?

No chatbot tradicional, a conversa tende a ser o destino. O cliente recebe uma resposta e precisa executar o próximo passo sozinho.

No modelo agêntico, a conversa pode ser o início de uma operação:

Cliente relata o problema ↓ Agente interpreta a intenção ↓ Consulta dados e regras ↓ Executa uma ação permitida ↓ Confirma o resultado ↓ Transfere com contexto, se necessário

A evolução, portanto, não é apenas trocar uma interface por outra, mas conectar conversas, sistemas e fluxos de trabalho.

Pós-venda é um teste de maturidade

O pós-venda revela rapidamente se a automação está realmente conectada ao negócio.

Perguntas sobre prazo e rastreio exigem dados operacionais. Já as trocas exigem política e informações do pedido, enquanto as evoluções exigem validação, abertura de processo e acompanhamento. 

Um agente de IA pode orientar o cliente, mas não deve inventar status nem prometer uma exceção que o sistema não autorizou.

Transferência não é fracasso

Em uma operação madura, o objetivo não é impedir qualquer transferência, mas encaminhar corretamente aquilo que precisa de uma pessoa.

Se o agente identifica fraude, reclamação sensível, exceção comercial, risco ou alta frustração, transferir pode ser a decisão correta.

O ganho está em entregar ao atendente:

• resumo da conversa;
• identificação do cliente;
• pedido relacionado;
• ações já realizadas;
• documentos ou anexos relevantes;
• motivo da transferência;
• próxima recomendação.

O atendente deixa de investigar o passado e começa pela resolução.

O que um agente de IA precisa para resolver demandas?

Conectar uma IA ao WhatsApp não cria autonomia por si só. Para resolver problemas de verdade, o agente precisa de uma arquitetura que forneça informações, ferramentas, regras, contexto e mecanismos de controle.

1. Dados atualizados

O agente precisa consultar a fonte correta para cada resposta. Por exemplo:

• preço deve vir do sistema comercial;
• estoque deve vir da operação de inventário;
• prazo deve vir do sistema logístico;
• pagamento deve vir do provedor financeiro;
• política deve vir da versão aprovada pela empresa.

Uma base desatualizada pode transformar uma resposta convincente em uma informação errada.

2. Base de conhecimento

A base de conhecimento orienta respostas sobre políticas, produtos e procedimentos. Ela precisa ter:

• proprietário;
• versão;
• data de revisão;
• regras para situações ambíguas;
• definição de prioridade quando existem informações conflitantes.

Não basta carregar documentos. É necessário saber qual informação deve prevalecer.

3. Ferramentas e APIs

O agente precisa ter acesso controlado às funções que pode executar. Uma ferramenta de consulta de pedido é diferente de uma ferramenta que cancela uma compra.

Cada função deve definir:

• entradas obrigatórias;
• formato dos dados;
• permissões;
• erros possíveis;
• necessidade de confirmação;
• registro da operação.

4. Regras de negócio

A IA pode interpretar uma conversa, mas as regras devem proteger o processo. 

Imagine uma solicitação de troca:

Se o pedido foi entregue há menos de 30 dias ➡ ️ e o produto pertence a uma categoria elegível ➡ ️ e não existe solicitação aberta ➡ ️ então criar solicitação de troca ➡ ️ caso contrário, encaminhar para atendimento humano.

Essa separação é importante:

• O agente interpreta.
• A regra limita.
• O sistema executa.

5. Contexto da interação

Contexto inclui histórico da conversa, dados verificados, intenção atual, ações realizadas e decisões anteriores.

Sem um contexto, uma automação pode parecer inteligente em cada mensagem isoladamente e, ainda assim, proporcionar uma experiência fragmentada.

6. Memória com limites

Memória não significa guardar tudo indefinidamente.  Ainda é preciso definir:

• o que pode ser mantido;
• por quanto tempo;
• com qual finalidade;
• quem pode acessar;
• quais dados precisam de controles adicionais.

O agente deve utilizar apenas o contexto necessário para executar a tarefa.

7. Encaminhamento humano

O handoff precisa ser planejado desde o início. Não basta criar um botão “falar com atendente”. 

O sistema precisa definir:

• quando transferir;
• para qual fila;
• com qual prioridade;
• quais dados enviar;
• como informar o cliente;
• como retomar o fluxo automatizado, quando apropriado.

Como preservar o contexto no atendimento humano?

Uma boa transferência acontece em mais de uma camada.

Camada 1: resumo para o atendente

O agente pode gerar um resumo factual:

“Cliente relata atraso no pedido #4821. O sistema logístico informa que a última movimentação ocorreu em 20 de outubro. O prazo original foi excedido em dois dias. Nenhuma ocorrência foi aberta. O cliente informou necessidade de receber o produto até sexta-feira.”

Camada 2: dados estruturados

Além do resumo, o sistema pode enviar informações como:

• customer_id;
• order_id;
• intent;
• prioridade;
• last_action;
• fila recomendada.

Camada 3: continuidade para o cliente

A mensagem de transferência precisa evitar um novo começo:

“Vou encaminhar seu caso para a equipe de logística. Já registrei o pedido #4821, o atraso identificado e a necessidade de recebimento até sexta-feira. Você não precisará repetir essas informações.”

Essa promessa precisa ser verdadeira. Se o atendente não receber o histórico, a mensagem cria ainda mais frustração.

Um agente inteligente ainda precisa de infraestrutura

Existe uma distinção importante entre inteligência e infraestrutura.

O agente pode interpretar a mensagem, tomar uma decisão dentro das regras e escolher uma ferramenta.

Mas alguém precisa conectar essa experiência ao canal pelo qual o cliente está conversando.

Uma arquitetura pode ser organizada assim:

WhatsApp / Instagram / Messenger / Telegram ↓ Camada de mensageria ↓ Orquestração e agentes de IA ↓ CRM / ERP / e-commerce / logística / tickets ↓ Equipe humana e gestão

Essa separação permite que cada camada tenha uma responsabilidade clara.

1. O agente não precisa ser o CRM.
2. O CRM não precisa ser o sistema de mensageria.
3. E a camada de mensageria não precisa ser o agente.
4. O resultado depende da composição entre essas partes.

O canal não deve definir o processo

O processo de troca, reembolso ou consulta deve existir independentemente do canal.

O WhatsApp, o Instagram e o Messenger são interfaces de comunicação. Já o CRM, o ERP e os sistemas de tickets mantêm os estados da operação.

Isso permite que a experiência continue mesmo quando o cliente muda de canal.

Uma estratégia omnichannel não significa simplesmente publicar a mesma mensagem em vários lugares, mas permitir que o relacionamento continue sem obrigar o cliente a explicar tudo novamente.

Conheça o Z-API Omni: uma API multicanais para suas integrações

É nesse ponto que uma camada de integração e mensageria passa a fazer parte da arquitetura.

O Z-API Omni pode compor essa estrutura conectando diferentes canais aos sistemas que sustentam a experiência.

A proposta inclui uma interface unificada para conectar os canais ao sistema da empresa, além de recursos como API RESTful, webhooks em tempo real, templates, autenticação, rate limiting e IP whitelist.

O ponto importante é entender o papel de cada camada: o Z-API Omni não é o agente de IA. O agente deve estar em outra camada.

Da mesma forma, CRM, ERP, sistema de tickets e base de conhecimento continuam sendo componentes próprios da arquitetura.

Uma composição possível

Cliente envia uma mensagem ↓ Z-API Omni recebe pelo canal ↓ Webhook envia o evento ao orquestrador ↓ Agente consulta CRM e sistemas internos ↓ Regra determina resposta ou transferência ↓ Z-API Omni envia o retorno pelo canal ↓ Status volta ao sistema por webhook

Essa arquitetura separa comunicação, inteligência e operação.

Por que uma camada multicanal pode ajudar?

Sem uma camada de integração, cada canal pode exigir:

• autenticação diferente;
• payload diferente;
• webhook diferente;
• lógica de retry diferente;
• tratamento de mídia diferente;
• monitoramento separado.

Uma camada unificada pode reduzir essa fragmentação e facilitar a evolução da arquitetura. Ainda assim, limites, disponibilidade, políticas e recursos de cada canal precisam ser avaliados antes da implementação.

O Omni não substitui o agente

A divisão de responsabilidades pode ser clara:

• Z-API Omni: transporte, recebimento, envio e eventos dos canais;
• Agente de IA: interpretação, decisão dentro de políticas e uso de ferramentas;
• CRM: histórico, cliente e oportunidade;
• ERP ou e-commerce: pedidos, produtos e pagamentos;
• Sistema de tickets: filas, SLA e gestão de ocorrências;
• Equipe humana: julgamento, empatia e exceções.

Uma API de mensageria isolada não resolve problemas de processo. Mas uma boa camada de mensageria pode ajudar a conectar o canal à arquitetura que resolve esses problemas.

Agentes de IA no WhatsApp: casos de uso

O objetivo da aplicação de um agente de IA não é aumentar o volume de conversas, mas reduzir o trabalho e concluir uma etapa real da jornada.

Rastreamento de pedidos

O agente identifica o pedido, consulta a logística, explica a etapa atual e detecta atrasos. Quando necessário, pode abrir uma ocorrência ou encaminhar o caso para a fila correta.

Trocas e devoluções

O agente verifica a elegibilidade, coleta dados, explica as etapas e cria a solicitação. Casos fora da política podem ser encaminhados para revisão.

Segunda via e pagamentos

O agente consulta a cobrança pendente, envia um link seguro e aguarda a confirmação do provedor financeiro. A leitura ou resposta do cliente não deve ser interpretada automaticamente como confirmação de pagamento.

Agendamento

O agente consulta disponibilidade, apresenta opções e confirma a escolha. Cancelamentos e alterações podem utilizar ferramentas com regras específicas.

Recomendação de produtos

O agente entende necessidade, orçamento e preferências. Depois, consulta catálogo e estoque para oferecer opções compatíveis. Quando os dados forem insuficientes, deve deixar isso claro.

Retenção

O agente pode identificar sinais de insatisfação e consultar regras de retenção. Ofertas de desconto, cancelamentos ou condições especiais podem exigir aprovação.

Suporte técnico

O agente coleta informações, consulta a base de conhecimento, executa diagnósticos permitidos e abre chamados com as evidências relevantes.

O que não deve ser automatizado sem controle?

Autonomia não deve ser confundida com ausência de supervisão. É preciso ter cautela com:

• reembolsos de alto valor;
• cancelamentos irreversíveis;
• alterações de dados sensíveis;
• decisões de crédito;
• denúncias e casos jurídicos;
• reclamações relacionadas à segurança;
• negociações fora da política;
• solicitações com identidade não verificada.

Nessas situações, o agente pode coletar informações, organizar o caso e preparar o atendimento.

A decisão pode depender de autorização, revisão humana ou autenticação adicional. O objetivo não é automatizar tudo, mas o que pode ser resolvido com segurança.

Como medir um agente de IA?

O volume de mensagens não mostra se o cliente foi atendido.

Uma operação pode responder milhares de mensagens e continuar obrigando os clientes a entrar em contato novamente pelo mesmo motivo.

A principal pergunta deve ser: o problema foi realmente resolvido?

Métricas de resolução

• taxa de resolução por intenção;
• resolução sem repetição;
• reabertura do caso;
• retorno do cliente pelo mesmo motivo;
• ações concluídas com sucesso;
• taxa de transferência adequada.

Métricas de experiência

• satisfação após a resolução;
• esforço do cliente;
• tempo até a solução;
• abandono;
• reclamações;
• necessidade de repetir informações.

Métricas operacionais

• custo por resolução;
• chamadas às ferramentas;
• falhas de integração;
• indisponibilidade;
• latência;
• erros de autenticação;
• filas pendentes.

Métricas de segurança

• ações negadas;
• tentativas de acesso indevido;
• dados expostos;
• violações de política;
• respostas sem fonte;
• uso de ferramentas fora das permissões.

A velocidade continua importante, mas uma resposta rápida que não resolve apenas acelera a próxima reclamação.

O futuro do atendimento não é “IA ou humano”

A discussão mais útil não é decidir se a IA vai substituir pessoas, mas como definir o papel de cada um. 

Agentes de IA podem interpretar e resolver demandas repetitivas, enquanto sistemas internos fornecem dados, regras protegem o negócio e equipes humanas assumem situações que exigem julgamento, empatia ou exceção. 

Essa mudança também altera a expectativa do cliente. 

Responder rapidamente não é suficiente: é preciso compreender o problema, acessar as informações certas, executar processos e preservar o contexto quando houver transferência. 

O case da Riachuelo mostra o potencial desse modelo, mas o principal aprendizado está na arquitetura que conecta IA, sistemas e fluxos de trabalho.

É nesse contexto que uma infraestrutura de mensageria multicanal ganha importância, conectando os canais de comunicação à arquitetura que sustenta agentes, sistemas e atendimento humano.

Se a sua operação está no nível de implementar um atendimento com agente de IA, teste o Z-API Omni e descubra como uma camada multicanal pode ajudar sua empresa a conectar canais para criar experiências de atendimento mais eficientes.

Perguntas frequentes

Qual é a diferença entre chatbot e agente de IA?

O chatbot tradicional normalmente segue menus e respostas predefinidas. O agente de IA interpreta a intenção e o contexto, consulta ferramentas, aplica regras e pode executar ações dentro das permissões definidas.

Um agente de IA substitui atendentes humanos?

Não necessariamente. Ele pode resolver demandas repetitivas e encaminhar situações complexas. O atendente humano continua importante para exceções, decisões sensíveis, negociação, empatia e situações que exigem julgamento.

O que um agente precisa para resolver problemas?

Ele precisa de dados atualizados, base de conhecimento, ferramentas, regras de negócio, contexto, permissões e um processo de transferência humana.

O agente pode acessar o CRM e o ERP?

Sim, desde que existam integrações seguras e permissões específicas. O acesso deve ser limitado ao necessário e auditado.

O que é handoff com contexto?

É a transferência do atendimento para uma pessoa com histórico, resumo, dados relevantes, ações já executadas e motivo do encaminhamento. O objetivo é evitar que o cliente precise repetir toda a situação.

O Z-API Omni é um agente de IA?

Não. O Z-API Omni é uma camada de integração e mensageria multicanal. O agente pode ser desenvolvido ou contratado separadamente e conectado ao Omni, ao CRM e aos sistemas internos.

Quais canais aparecem no Z-API Omni?

A página do produto apresenta WhatsApp, Messenger, Instagram e Telegram. E-mail e SMS aparecem como canais previstos para uma etapa posterior.

Por que o WhatsApp é importante para agentes de IA?

Porque oferece uma interface conversacional familiar para o cliente. O valor do agente, porém, depende da integração com os sistemas e processos que permitem resolver a demanda.

Como saber se o agente está funcionando?

Acompanhe resolução correta, satisfação, reabertura, transferência, custo por resolução, falhas de ferramenta e necessidade de repetição. Não use apenas velocidade ou quantidade de mensagens como indicador de sucesso.

Como começar?

Escolha uma demanda frequente e com regras claras, mapeie o processo, conecte apenas as ferramentas necessárias, defina critérios de transferência, teste cenários adversos e acompanhe os resultados antes de ampliar a automação.