Durante o Signifyd Flow Summit 2023, evento realizado em Nova York pela Signifyd para discutir o uso de novas tecnologias nas experiências de compra, especialistas tentaram chegar a um consenso sobre o uso da Inteligência Artificial nos processos de atendimento das empresas.

Não é de hoje, mas está no dia a dia
A Inteligência Artificial não é uma novidade. Já há 30 anos existem soluções que se baseiam nas premissas da IA, mas foi só recentemente que ela começou a tomar a forma conhecida hoje.
Srinath Sridhar, CEO & Co-Founder da regie.ai, explicou que muito pouco foi alcançado pela IA antes do boom visto nos últimos anos, mas dois marcos são importantes: o reconhecimento facial e o machine learning.
“Aos poucos a IA começa a crescer e se destacar com diferenciação de rostos e funções. Um dos pontos altos foi o catálogo do Google nos diferentes tipos vídeos do YouTube, em 2012. O Google foi uma das companhias que mais explorou esse tipo de recurso sem nenhum retorno até agora”, ele explica.
Embora os avanços sejam surpreendentes, ele entende que existem dois fatores limitantes ainda relevantes para quem aplica a inovação em funções relevantes: 1ª é que os dados usados pelas automações muitas vezes estão “crus”, sem análises sofisticadas; 2ª é que ainda há muito o que ser desenvolvido na captação de dados estruturais. Esses dois fatores fazem com que a IA ainda seja insuficiente em diferenciação e personalização de resultados de um usuário para o outro.
Scott Friend, Partner da Bain Capital Ventures, completa que é importante diferenciar o “por que agora?” do sucesso da IA com o ChatGPT, por exemplo. Para ele, é uma mistura de aplicação, usabilidade e propósito, que tornam as tecnologias atuais acessíveis e de fácil compreensão para as pessoas em geral, não só para programadores ou departamentos de inovação das grandes empresas.
Ele entende que existe uma oportunidade de testes, mas a IA não consegue reproduzir ou compreender tons de voz, sentimentos ou intenções dos usuários, o que gera espaço para oportunidades, mas também uma limitação de até onde ela pode ir. Ele afirma que o desenvolvimento do machine learning não é a mesma coisa que um “pensamento”, por exemplo.
Atendimento: adaptações
Para Antonio Shaner, VP of Customer Care and Automation da A&F, “é cada vez mais importante criar eficiência e produtividade nas organizações, então a IA é uma das ferramentas à disposição em qualquer cenário”. O executivo entende que a automatização ajuda a reduzir processos que levam tempo e que ninguém deseja realizar, como é o caso de formulários.
Em períodos de aumento das vendas, como férias e outras datas sazonais, os lojistas não podem se dar ao luxo de esperar os consumidores reclamarem, pois é natural que imprevistos aconteçam, produtos faltem ou entregas sejam adiadas. Neste tipo de situação, a automação permite comunicar ao consumidor com antecedência de que existe um problema na compra realizada, mas que a empresa já está cuidando de tudo antes mesmo dele iniciar um contato frustrado.
“Reconhecemos que ninguém está pronto para abraçar novos modelos e tecnologias, e erros serão cometidos no meio do caminho, mas há um comprometimento das companhias em abraçar estratégias disruptivas”. Para ele, o benefício imediato de implementar a IA no atendimento é salvar horas nos processos da empresa, principalmente se houverem prioridades elencadas, pois estas permitem identificar quais atividades precisam ser eliminadas ou automatizadas. Por fim, ele entende que acompanhar de perto o retorno ou economia financeira que a automação gera ajuda a estender a lógica da IA para novas frentes e departamentos.
Já Hani Balta, CIO e CTO da Adorama, entende que o objetivo de qualquer solução eficiente é gerar valor à troca entre consumidor e empresa, então se a IA consegue isso, ela é essencial para novas estratégias. A executiva defende que a experiência pode ficar incompleta se não for uniforme, então ter humanos no atendimento continua sendo uma realidade, mas eles vão trabalhar cada vez mais com o auxílio de tecnologias que agilizam processos para todos os lados.
Além disso, “com o machine learning, é possível equilibrar custos e perdas entre os departamentos”, ela explica. Uma vez que um problema é identificado, fica mais fácil direcionar estratégias ou automações que solucionem a questão rapidamente.
Do lado das pessoas, existe sempre o risco de gerar expectativas ou não compreender o motivo de ter uma nova solução para as funções. No final do dia, a IA ainda não tem a sensibilidade de recomendar da forma que uma pessoa faria e é preciso contar com o fator humano para alimentar a máquina com informações.
A executiva deu o exemplo de um simples pergunta feita ao ChatGPT em que não há uma resposta perfeita: na primeira etapa, ela perguntou “qual a melhor loja de câmeras de Nova York?” ao qual ele deu uma lista baseada nos principais ranqueamentos de SEO dos buscadores. Ao questionar “qual loja você me recomenda?”, o chat foi incapaz de dar uma resposta diferente, embora a pergunta tenha outra conotação para quem procura. Esta sensibilidade ainda parte dos usuários.