SolarPrime
“A empresa SolarPrime, que vende painéis solares, enfrenta um problema invisível. Os atendentes humanos estão exaustos: cada conversa chega com muitos históricos longos, e ninguém tem tempo para ler tudo antes de responder. Resultado? Mensagens repetidas, respostas incoerentes e clientes irritados. Para piorar, o time de qualidade nota que os clientes reclamam dos mesmos temas, mas ninguém consegue enxergar claramente quais. A liderança pede algo que entenda o conteúdo das conversas, gere resumos, sugira respostas e aponte padrões de insatisfação. Eles não querem mais apenas “métricas frias”, querem uma IA que pense junto, que observe os dados e traga insights acionáveis em linguagem natural.”
Se baseando nesse exemplo fornecido pelo Dalton nas aulas da ultima semana, irei propor soluções para otimização do fluxo conversacional da SolarPrime, utilizando funcionalidades de IA dentro do sistema BLIP.
Levando em consideração que a construção de um contato inteligente precisa da aplicação de vários métodos cognitivos, não basta apenas desenhar um fluxo, mas também garantir que o CI entenda o usuário, personalize a resposta e resolva consultas complexas.
O problema da SolarPrime parece simples, mas impacta diretamente nos resultados, o time de curadoria nota os padrões de insatisfação, mas não consegue isolá-los no meio de tanto texto não estruturado, então a solução precisa atuar nos seguintes temas:
Inteligência de Dados: Transformar reclamações em dados estruturados para que possam servir como um guia na solução.
Eficiência Operacional: Atendentes perdem tempo lendo logs gigantes, gera TMA elevado e custo operacional alto.
Prolixidade: Cliente precisa repetir dados ao mudar de nível, gera CSAT baixo e cliente irritado.
Solução arquitetada: Blip Copilot + AI Agent 🤖
Para o cenario acima vamos propor duas soluções, implementação do Blip Copilot e um Agente de IA bem treinado.
O Blip Copilot atua diretamente na interface do atendente humano, ele utiliza IA para ler o histórico e entregar valor imediato através de duas features principais mencionadas na nossa documentação: Resumo Inteligente e Sugestão de Resposta.
Exemplo 1: Contextualizado com análise de sentimento
Imagine que um cliente da SolarPrime está há 3 dias tentando resolver uma queda de eficiência nas placas solares, ele já falou com o bot de triagem e com um atendente nível 1, agora, a conversa cai para o nível 2.
Sem IA, o atendente nível 2 perguntaria:
"Em que posso ajudar?"
O cliente, já frustrado, teria que repetir tudo.
Com o Resumo Inteligente do Blip Copilot, a IA processa todo o histórico e gera um prompt invisível que entrega ao atendente um resumo estruturado antes mesmo dele dizer "Oi".
O Copilot então gera a informação do tipo:
"Cliente reporta queda de 15% na geração de energia, já enviou fotos do inversor, está frustrado (Sentimento Negativo) e ameaçou cancelar. O atendente anterior sugeriu reiniciar o sistema, mas não funcionou."
O atendente inicia com:
"Olá, Fulano. Vi que você já reiniciou o sistema e a geração continua baixa. Vamos pular essa etapa e agendar uma visita técnica?".
Redução drástica no Tempo Médio de Atendimento ou TMA, e aumento imediato na percepção de empatia.
Exemplo 2: Utilizando uma base de conhecimento
A SolarPrime lida com produtos técnicos, é dificil para um atendente decorar as especificações técnicas de por exemplo todos os inversores e painéis, as resposta incoerentes acontecem porque o atendente está chutando ou demorando para achar o manual.
Aqui podemos então usar a base de conhecimento fornecida (FAQ) para nossa sugestão de resposta ou então base de conhecimentos geradas por documentos em RAG.
Exemplo:
O cliente pergunta:
"Qual a voltagem máxima de entrada do inversor modelo X?"
O Blip Copilot consulta a Base de Conhecimento (onde estão os manuais importados), encontra a especificação técnica exata e um Agente criado sugere a resposta pronta para o atendente no chat:
"A voltagem máxima de entrada do modelo X é 500V. Gostaria de saber sobre a amperagem também?".
O atendente se torna um especialista no assunto, com a resposta precisa e técnica, eliminando o desgaste dos mesmos em procurarem as informações necessárias como em uma abertura de chamado padrão.
Ao aplicar o Blip Copilot dessa forma, deixamos de usar a IA apenas como um "robô de chat" e passamos a usá-la como uma ferramenta de aumento de capacidade humana, resolvemos a exaustão do time tirando o peso de ler e buscar informações em pouco tempo, permitindo que eles foquem na empatia e na resolução complexa.
É interessante pensar que com a devida aplicação de IA no nosso fluxo de trabalho podemos gerar mais eficiência nas nossas atividades ,mas também com dados em alinhamento estratégico de negócio podemos criar valor direto.
