A vantagem agêntica para suporte ao cliente — Capítulo 4

Ampliar o suporte autônomo em toda a empresa

Colocar os primeiros casos de uso autônomos em produção é um marco importante. No entanto, a oportunidade maior surge quando a resolução autônoma passa a fazer parte da forma como a equipe de suporte opera. Isso exige ir além dos fluxos de trabalho individuais e conectar os agentes de IA aos sistemas, ao conhecimento, aos processos e à governança que abrangem todo o ciclo de vida do suporte.

O objetivo não é substituir a sua infraestrutura de suporte existente. Trata-se de criar uma camada inteligente capaz de raciocinar e agir em toda a infraestrutura, permitindo que mais problemas passem da detecção à resolução sem a necessidade de uma pessoa intervir manualmente em cada etapa.

Conectar os sistemas por trás de cada resolução

A maioria das empresas de suporte já possui grande parte da tecnologia de que necessita. O desafio é que esses sistemas não foram projetados para operar como um único processo contínuo de resolução.

Quando não estão conectados, os engenheiros de suporte preenchem as lacunas. Eles copiam informações entre sistemas, pesquisam em vários repositórios, recuperam registros, abrem chamados de suporte técnico, atualizam registros de clientes e executam manualmente as ações necessárias para dar andamento a um caso.

O suporte autônomo altera esse modelo. Os agentes de IA podem coletar informações contextuais de todo o ambiente de suporte, avaliar qual é o próximo passo adequado e coordenar ações entre os sistemas. Em vez de simplesmente recomendar o que um engenheiro de suporte deve fazer a seguir, eles podem, cada vez mais, executar esse trabalho e validar o resultado.

Essa orquestração entre sistemas é o que transforma a assistência por IA em resolução autônoma.

Fornecer aos agentes o conhecimento certo, não apenas mais conhecimento

Como demonstrado no Capítulo 3, o suporte autônomo depende da qualidade do conhecimento disponível para os agentes de IA. Esse requisito se torna ainda mais importante em escala empresarial. O conhecimento de suporte está em constante evolução. Novos lançamentos introduzem novas funcionalidades. As equipes de engenharia descobrem novos problemas. Os agentes de suporte encontram novas soluções. Os clientes apresentam configurações com as quais a empresa ainda não se deparou.

Uma base de conhecimento estática ficará rapidamente desatualizada. As empresas precisam de um processo contínuo para transformar as interações de suporte em informações úteis para a resolução de problemas. Os casos encerrados podem ser analisados para identificar conhecimentos ausentes ou desatualizados, associar resoluções bem-sucedidas a artigos existentes e gerar novos conhecimentos onde houver lacunas.

A intervenção humana desempenha um papel importante nesse processo. Quando um agente de IA encaminha um caso para um nível superior e um engenheiro o resolve com sucesso, essa resolução oferece uma oportunidade de melhorar o desempenho futuro. Registre a resolução, incorpore-a ao conhecimento relevante, avalie o agente com base nas novas informações e disponibilize-a para casos futuros.

Com o tempo, a base de conhecimento evolui junto com o produto, e os limites do que pode ser resolvido de maneira autônoma podem se expandir com ela.

Inclua a avaliação como parte do modelo operacional

A automação tradicional é relativamente fácil de avaliar. Um fluxo de trabalho determinístico ou concluiu as etapas predefinidas corretamente ou não. Os sistemas agênticos exigem uma abordagem mais ampla.

As empresas de suporte precisam ter uma visão clara de como os agentes de IA classificam os casos, recuperam conhecimento, raciocinam sobre os próximos passos, executam ações, interagem com os clientes e decidem quando a assistência humana é necessária. A avaliação proporciona essa visibilidade. O objetivo não é simplesmente determinar se um agente “funcionou”. Trata-se de identificar em quais casos a resolução autônoma foi bem-sucedida, em quais casos foi necessária assistência e por quê.

Esses insights criam o ciclo de feedback necessário para aprimorar o sistema. Se um agente encaminhar repetidamente um determinado tipo de caso, as equipes podem investigar se a limitação se deve à falta de conhecimento, ao acesso insuficiente ao sistema, à capacidade do agente, a uma restrição de governança ou a um cenário que deva, de fato, continuar sendo conduzido por pessoas.

Isso faz com que a avaliação seja mais do que uma função do controle de qualidade. Ela se torna um dos mecanismos que as empresas utilizam para ampliar sistematicamente a autonomia.

Incorporar a governança a cada ação autônoma

Quanto mais os agentes de IA são capazes de fazer, mais importante se torna controlar o que eles devem fazer. O suporte autônomo requer limites claros em relação às permissões dos agentes, ao acesso a dados, às ações aprovadas, às condições de escalonamento e à supervisão humana.

Uma solicitação de acesso de rotina, por exemplo, pode ser adequada para uma resolução totalmente autônoma quando os requisitos predefinidos forem atendidos. Uma ação com consequências mais graves pode exigir validação adicional ou aprovação humana. Outros casos podem ser classificados como totalmente inadequados para execução autônoma.

O limite apropriado variará conforme a empresa, o caso de uso, o cliente e o nível de risco. O objetivo não é alcançar autonomia máxima a qualquer custo. Trata-se da autonomia confiável: permitir que os agentes atuem de maneira independente nos casos em que a empresa tenha confiança no conhecimento, nos processos, nos controles e nos resultados, e envolver as pessoas quando essas condições não forem atendidas.

À medida que as empresas constroem confiança por meio de avaliações e resultados comprovados, esses limites podem evoluir.

Transformar o suporte proativo em uma capacidade mensurável

O suporte autônomo também oferece uma oportunidade de mudar o momento em que a resolução se inicia. No modelo tradicional, métricas como o tempo médio de atendimento e o tempo médio de resolução começam a ser contabilizados somente depois que o caso já está aberto. No entanto, a melhor interação de suporte pode ser aquela que o cliente nunca precise iniciar.

A integração de agentes de IA com sistemas de monitoramento, observabilidade e produtos pode permitir que as equipes de suporte identifiquem certas anomalias ou falhas nos ambientes dos clientes antes que elas se transformem em solicitações de suporte. A partir daí, os agentes podem coletar informações de diagnóstico, determinar uma resposta adequada, iniciar a correção quando autorizado, validar o resultado e criar os registros de suporte necessários.

Isso introduz uma nova métrica de desempenho do suporte: não apenas a rapidez com que a empresa responde aos problemas dos clientes, mas quantos problemas ela consegue identificar e resolver antes que os clientes sofram interrupções consideráveis. Essa é a transição do suporte reativo para a resolução proativa.

Avaliar o progresso rumo à autonomia

Os KPIs que as empresas de suporte já utilizam continuam sendo importantes. O tempo médio de atendimento, o tempo médio de resolução, o custo por chamado, as taxas de escalonamento, o desempenho do SLA e o CSAT continuam a revelar se o suporte está se tornando mais rápido e eficaz. No entanto, as empresas que estão adotando o suporte autônomo devem acrescentar outra pergunta: em que medida o processo de resolução ainda requer intervenção humana?

Isso pode ser mensurado em vários níveis. As empresas podem acompanhar a porcentagem de casos resolvidos de maneira totalmente autônoma, a porcentagem que requer assistência humana, onde ocorre com mais frequência o encaminhamento para instâncias superiores e como esses números se alteram ao longo do tempo.

Em casos complexos, o avanço não precisa ser a transição imediata da resolução assistida para a totalmente autônoma. Se um caso de Nível 2 antes exigia a participação de um engenheiro de suporte durante todo o ciclo de vida e agora um agente de IA pode, de maneira autônoma, realizar a classificação, a coleta de contexto, a recuperação de conhecimento e a análise diagnóstica antes de envolver esse engenheiro, a empresa já alterou a economia desse caso.

O próximo objetivo é determinar qual parte restante do trabalho pode passar a ser autônoma com segurança. Isso faz com que a autonomia seja uma métrica que as empresas podem aprimorar continuamente, em vez de um estado final que elas simplesmente têm ou não têm.

Aproveitar seus investimentos existentes em suporte

A transição para o suporte autônomo não deve exigir a substituição de sistemas que sua empresa já depende. A solução agêntica da Automation Anywhere para suporte ao cliente foi projetada para atuar em todo o ecossistema de suporte, conectando os aplicativos, o conhecimento, os dados e os processos envolvidos na resolução de problemas.

O autoatendimento autônomo pode lidar com casos rotineiros apropriados de ponta a ponta. A assistência de agentes inteligentes pode apoiar os engenheiros quando a experiência humana é necessária. Os agentes de IA são capazes de raciocinar com base no contexto disponível e coordenar ações entre sistemas, enquanto a avaliação contínua e o aprimoramento do conhecimento ajudam a ampliar, ao longo do tempo, o que pode ser resolvido de maneira autônoma.

O resultado não é mais uma ferramenta de suporte isolada. É uma maneira de fazer com que os sistemas e o conhecimento que já dão suporte aos seus clientes trabalhem em conjunto, como parte de um processo de resolução mais inteligente.

Para os líderes de suporte, isso abre caminho para resultados comerciais mensuráveis:

• Menos chamados de rotina e escalonamentos que consomem a capacidade de suporte
• Resolução mais rápida tanto em casos autônomos quanto naqueles com assistência humana
• Suporte mais consistente entre agentes, canais e regiões
• Menos tempo gasto procurando informações e alternando entre sistemas
• Maior capacidade sem aumentos proporcionais no quadro de funcionários
• Menor custo de atendimento à medida que aumenta a parcela de resolução autônoma
• Mais problemas são detectados e resolvidos antes que os clientes sofram interrupções

A vantagem não consiste apenas em realizar o mesmo trabalho de suporte com mais rapidez. Trata-se de eliminar gradualmente o trabalho manual que, desde o início, dificultava a expansão do suporte.