o que construímos. construímos duas coisas para uma equipa de suporte de e-commerce de mercado médio com cerca de 18 agentes: recuperação interna de 4 anos de tickets históricos, documentação de produtos e políticas de envio, mais um assistente de rascunho-e-revisão de respostas. os agentes passaram a ter respostas mais rápidas e com fontes citadas. cerca de 32% dos tickets repetidos deixaram de chegar a um segundo agente.
não foi implementado nenhum chatbot voltado para o cliente. a equipa desligou um há anos e não o queria de volta. o desvio vem de os agentes responderem corretamente na primeira resposta, não de um bot a intercetar clientes à entrada.
os números que um responsável de suporte quer saber: tempo de primeira resposta em tickets complexos baixou 40%, e cerca de 32% dos tickets repetidos de 'onde está a minha encomenda' e questões de política foram resolvidos no primeiro contacto através de uma resposta sugerida em vez de escalados. o valor de desvio é da própria linha de base de classificação de tickets da equipa, não de uma estimativa de fornecedor.
#o que é o desvio de tickets com IA se não há chatbot?
o que é o desvio de tickets com IA para equipas de suporte sem chatbot?
significa que um ticket repetido é resolvido na primeira resposta em vez de saltar entre agentes ou ser escalado. aqui, a recuperação interna obteve a política certa e a resolução anterior, e um assistente de rascunho-e-revisão escreveu uma resposta citada que o agente editou e enviou. o cliente continuou a falar com um humano.
a maioria das propostas de 'desvio' significa um bot responder para que o cliente nunca chegue a uma pessoa. não foi o que aconteceu. uma pergunta de 'onde está a minha encomenda' que antes era escalada para um agente sénior passa agora a ser respondida corretamente pelo primeiro agente, porque o assistente apresenta a política de envio e os três tickets anteriores mais próximos com as suas resoluções.
#o que construímos realmente para a equipa de suporte?
duas peças, ambas internas. recuperação sobre o histórico da própria equipa, e um assistente de respostas que cria rascunhos a partir dele. nada que o cliente veja, nada que se envie automaticamente.
- recuperação interna: indexa 4 anos de tickets resolvidos, a documentação de produtos e as políticas de envio e devoluções. quando um agente abre um ticket, apresenta os casos anteriores mais próximos e a cláusula de política exata, com um link para a fonte.
- rascunho-e-revisão: escreve uma primeira resposta no tom da equipa, citando a política utilizada. o agente edita e envia. nada sai sem uma pessoa carregar em enviar.
- classificação: cada resposta sugerida fica registada contra a etiqueta do ticket, para que a equipa possa ver quais as categorias que desviam e quais as que ainda precisam de uma pessoa.
we are
uma camada interna de recuperação e rascunho que entrega a cada agente uma primeira resposta citada para editar, para que os tickets repetidos sejam resolvidos no primeiro contacto por um humano.
we aren't
um chatbot voltado para o cliente que interceta pessoas no widget de ajuda e responde a partir de uma base de conhecimento presumida antes de chegarem a uma pessoa.
a parte da fonte citada é o que fez os agentes confiar. um rascunho que diz 'de acordo com a política de devoluções atualizada em março de 2026, artigos com envio grátis acima de $50' com um link supera um palpite confiante. este é o mesmo padrão sobre o qual escrevemos em triagem de tickets: o sistema lê e cria rascunhos, o agente decide.
#porque é que reduzir o tempo de primeira resposta também desvia tickets?
porque uma primeira resposta errada ou vaga é o que cria o segundo e terceiro ticket. um cliente pergunta onde está a sua encomenda, recebe um genérico 'estamos a analisar', e escreve de volta duas vezes. cada acompanhamento é um novo contacto para a equipa tratar.
quando o primeiro agente responde corretamente com o estado do rastreio e a política real, o tópico fecha. o tempo de primeira resposta em tickets complexos baixou 40%, e os acompanhamentos repetidos que antes se acumulavam por detrás de uma primeira resposta fraca deixaram de chegar. é daí que veio a maior parte dos 32%.
não estamos a desviar pessoas de nós. estamos a desviar o segundo e terceiro ticket que uma má primeira resposta costumava criar.
#quanto tempo até o desvio aparecer?
não na primeira semana. nas primeiras duas semanas a recuperação apresentava demasiados tickets anteriores vagamente relacionados, e os agentes pararam de ler as sugestões. passámos esse tempo a afinar quais os casos históricos que contavam e a eliminar o ruído para que os três primeiros fossem realmente os mais próximos.
os números de desvio estabilizaram na semana 5, quando os agentes confiavam o suficiente nas melhores sugestões para as usar como ponto de partida. este projeto tem a mesma forma que o resto do nosso trabalho de suporte ao cliente: recuperação interna, triagem e rascunho-e-revisão, com formação para a equipa incorporada para que sejam donos do fluxo de trabalho, não apenas da ferramenta. mais relatórios de construção pública estão no journal.
se gere uma equipa de suporte e está a ponderar se a IA pode reduzir o tempo de resposta e desviar tickets repetidos sem colocar um bot entre si e os seus clientes, a resposta honesta é sim, e tem este aspeto: rascunhos com fontes citadas, uma pessoa em cada envio, o seu próprio histórico de tickets a fazer o trabalho. é essa a versão que construímos. diga-nos o que está a construir.