O atendimento digital no Brasil convive com um paradoxo: apesar da maioria dos consumidores ser digitalizada, muitos possuem baixo letramento funcional. Nesse contexto, canais mais complexos ou formatos puramente textuais criam atritos – não por falta de conectividade, mas, muitas vezes, por limitação de compreensão.
Isso fica evidente nos dados do relatório Consumo, sensibilidade e estratégias de CX para baixa e média renda, da CX Brain – Skill Tech do Grupo Padrão.
91% das classes D/E acessam a internet diariamente.
49% desses consumidores preferem o celular para compras.
No pós-venda, a preferência é por canais simples e de resolução ágil – com o WhatsApp à frente.
Essa preferência pelo WhatsApp não é por acaso: o aplicativo está presente no dia a dia dos brasileiros e, o mais importante, permite o envio de áudios. Para consumidores que têm dificuldade na comunicação escrita ou que não possuem aparelhos capazes de suportar interfaces complexas, a voz se torna ferramenta de inclusão – além de facilitar a interação com clientes que desejam resolver rapidamente suas questões.
Nesse cenário, Alessandra Bonini, Sales Director – Latam & Iberiana Sovran AI, empresa global especialista no desenvolvimento de robôs conversacionais por Inteligência Artificial Generativa, defende o uso da tecnologia para levar acessibilidade real a quem mais precisa.
É aí que entram os voicebots: assistentes virtuais de IA que realizam interações conversacionais por meio da linguagem falada. Mas, para que a experiência seja completa, é preciso ter estratégia.
Voicebots como ponte de inclusão
Na avaliação de Alessandra, a diferença entre um atendimento via voicebot automatizado e aquele que realmente conecta está em estruturar a conversa a partir da dor do cliente, não do script. “A criação da persona com empatia e a ordem da construção do diálogo têm foco no que o consumidor quer resolver”, explica.
Para Mateus Baumer Azevedo, Diretor de Operações – Brasil na mesma companhia, os sistemas devem calibrar o discurso conforme o cenário, “ajustando simultaneamente o tom de voz, ritmo e vocabulário para garantir uma abordagem eficiente a partir do tema a ser tratado e do entendimento do contexto e do objetivo da conversa”.
Alessandra e Mateus reforçam que suporte emocional e precisão nas respostas dependem de uma camada analítica: o voicebot não apenas ouve, ele interpreta.
“Na Sovran AI, acoplado ao voicebot, temos também o conversation analytics, que realiza análise de conversas em tempo real – inclusive de sentimento, identificando os pontos positivos, negativos e neutros. Contamos ainda com um assistente de IA para apoiar nas tratativas mais complexas. Isso nos permite direcionar a interação de forma empática, garantindo uma condução resolutiva e surpreendente”, ressalta Alessandra Bonini.
Segundo os gestores, o monitoramento contínuo permite recalibrar o fluxo, ou seja, repetir menos perguntas, evitar respostas mecânicas e priorizar o que resolve de fato.
“Nosso principal objetivo é mostrar que entendemos o que o cliente deseja e que conseguimos solucionar o seu problema. O resultado é uma experiência em que empatia não é ornamento, mas parte da lógica de resolução: menos atrito, mais clareza e sensação de ter sido ouvido”, resumem.
Da teoria à prática: o case Cris
A fórmula da Sovran AI foi aplicada, na prática, na operação da Comgás com a assistente virtual Cris. O desafio era claro e complexo: escalar o atendimento sem perder a sensibilidade, aumentar a segurança e a resolutividade, bem como reduzir custos sem gerar frustrações.
A solução foi reestruturar a operação em torno da assistente virtual Cris, combinando voicebot e texto em arquitetura que une IA, dados em tempo real e alinhamento de modelo de negócio.
“O que funcionou foi o compromisso conjunto e alinhado, com esforços dos dois lados para a melhoria do atendimento. A resolução satisfatória tornou-se a métrica central, e a Cris passou a operar como canal adaptativo e empático”, explica Mateus.
A base do projeto combinou três elementos-chave:
Integração end-to-end com CRM para continuidade de fluxo.
Análise em tempo real com conversation analytics e IA generativa.
Ajustes finos constantes para reduzir erros de “no match” – momento em que o voicebot não consegue associar a fala/entrada do usuário a nenhuma intenção ou entidade válida dentro do modelo.
Na prática, altas taxas de no match geram atritos: o usuário repete, se frustra, pede auxílio humano ou abandona o atendimento. Por isso, a Sovran AI explica que projetos maduros buscam reduzir esse indicador com ações como: expansão de exemplos de treinamento; ajustes de linguagem e confirmação inteligente; fallbacks graduais que clarificam (“Desculpe, não entendi – você quis dizer X ou Y?”); e aprendizado contínuo a partir de interações reais para retreinar o modelo.
Os ganhos da implementação da estratégia chamam a atenção pelos resultados mensuráveis:
NPS: salto de 52 para 80 no texto (+28 pontos) e de 35 para 61 na voz (+26).
Resolução satisfatória: de 48% para 72% no texto (+24 pp) e de 19% para 30% na voz (+11 pp).
Retenção na voz: de 30,3% para 52,7% (+22,4 pp).
Redução de “no match”: de 29% para 7% na voz e de 17,2% para 4% no texto.
Migração e eficiência: 63% de redução nas interações humanas.
Crescimento de base: cerca de 17% a mais de clientes engajados.
Economia operacional: R$ 10 milhões em três anos (27% da operação).
O case demonstra que escalar com empatia é “resultado da combinação entre modelagem inteligente, pacto entre parceiros e foco em resolver de primeira. Assim, transformamos a Cris em motor de eficiência e confiança para a Comgás”, finaliza Mateus.
O post Como voicebots unem eficiência, empatia e inclusão apareceu primeiro em Consumidor Moderno.