Nos últimos dezoito meses, a inteligência artificial deixou de ser promessa para se consolidar como motor da transformação da experiência do cliente. O impacto não está apenas na eficiência operacional, mas na elevação do padrão do que o consumidor considera aceitável: hoje ele espera poder se expressar em linguagem natural, ser compreendido logo na primeira interação e receber a solução correta – e não apenas uma resposta – no canal em que prefere se comunicar. 

A mudança de comportamento é fruto da popularização de ferramentas como os modelos de linguagem, que acostumaram o cliente a interagir de forma intuitiva, sem seguir roteiros rígidos ou navegar por longos menus. O consumidor brasileiro, em particular, já não aceita mais a lógica do “pressione 1, pressione 2”; ele quer pedir o que deseja e receber de volta uma ação concreta, personalizada e contextual.

Nesse contexto, o Brasil ocupa posição de destaque. A maturidade do mercado em canais conversacionais, sobretudo no WhatsApp, nos coloca à frente de outros países em termos de prática e escala. Enquanto em várias regiões essa tecnologia ainda é emergente, por aqui acumulamos anos de aprendizado sobre o que funciona, onde estão os pontos de atrito e como medir o impacto de negócio. Essa experiência nos permite não apenas operar soluções mais avançadas, mas também servir como referência global sobre como desenhar jornadas mais efetivas.

O grande diferencial da inteligência artificial aplicada à experiência do cliente está em sua capacidade de reduzir atritos de forma prática. Ao acessar dados e regras de negócio em tempo real, a IA consegue diagnosticar situações com precisão, evitando erros comuns do atendimento humano. 

Muitas vezes, por exemplo, o cliente solicita um cancelamento não porque deseja desistir da compra, mas porque acredita que o pedido foi extraviado. Nesse caso, a verdadeira necessidade não é cancelar, mas obter a confirmação de que o produto já está a caminho. A IA, ao identificar esse contexto, entrega a informação certa e gera confiança. Além disso, sua flexibilidade linguística elimina barreiras de comunicação: se uma resposta não ficou clara, a tecnologia pode reformulá-la em outros termos ou até entregá-la em formato de voz, algo essencial em um país tão diverso como o Brasil.

A eficiência também não precisa significar desumanização. Pelo contrário, quando os bots cuidam do chamado “trivial difícil”, eles liberam os atendentes humanos para casos mais complexos, sensíveis e emocionais. Isso reduz a carga cognitiva das equipes, diminui o estresse e aumenta a qualidade do atendimento humano. Ao mesmo tempo, o cliente percebe um equilíbrio saudável entre tecnologia que resolve rápido e pessoas que oferecem acolhimento.

Outro ponto importante é a confiança. Há alguns anos, os usuários testavam os limites dos bots quase como se fosse um jogo, sempre desconfiados. Hoje, ao perceberem que as soluções de IA são mais humanas e, sobretudo, eficazes, eles passaram a utilizá-las de forma natural. Essa evolução cultural, somada a casos de sucesso já consolidados no país, como atendimentos em logística, varejo direto e até cobrança financeira, ajuda a consolidar o uso da inteligência artificial como ferramenta preferida em determinadas situações. Quando o bot resolve mais rápido que o humano, ele se torna a primeira escolha.

Ainda assim, há armadilhas comuns. Muitos projetos de IA seguem a lógica de desenvolvimento de software tradicional, com ciclos longos e fechados, quando na realidade deveriam ser iterativos: colocar rapidamente no ar, aprender com os dados reais e ajustar. Outro erro recorrente é acreditar que um chatbot de FAQ basta. Apenas fornecer informação resolve uma fração pequena dos problemas. A verdadeira transformação acontece quando a IA é capaz de executar ações que resolvem de fato a dor do cliente. Além disso, a dificuldade de expor APIs prontas é um obstáculo frequente. Novos padrões como MCP servers (Model Context Protocol) tendem a reduzir essa barreira, permitindo bots mais resolutivos em menos tempo.

Olhando para os próximos anos, a tendência é de conversas cada vez mais inteligentes desde o primeiro contato. Plataformas como Meta e Google já trabalham para que sinais de jornada sejam compartilhados, tornando as interações mais precisas e relevantes. Ao mesmo tempo, a evolução da orquestração generativa vai acelerar o ritmo de desenvolvimento: em vez de meses para lançar uma nova funcionalidade, será possível ativar várias em questão de semanas ou dias. Isso fará com que bots fiquem mais poderosos, rápidos e úteis para clientes e empresas.

No fim, o recado é claro: inteligência artificial aplicada à experiência do cliente não significa substituir pessoas, mas eliminar atritos, falar do jeito que o consumidor entende e agir com rapidez onde ele mais precisa. O Brasil, por sua maturidade em canais conversacionais e pela abertura cultural para novas tecnologias, tem a chance de liderar essa transformação globalmente. Quem souber aproveitar esse momento, unindo tecnologia, governança e coragem para iterar, definirá o novo padrão de excelência no atendimento pelos próximos anos.

Por Fábio Costa, diretor sênior de Inteligência Artificial da Sinch

Enquanto o mundo corporativo ainda celebra os avanços da Inteligência Artificial (IA) Generativa, uma revolução silenciosa está tomando forma nos laboratórios da OpenAI, Microsoft e outras gigantes tecnológicas. O esperado lançamento do ChatGPT-5 em agosto marcou não apenas uma evolução incremental, mas o início de uma nova era: a transição da IA Generativa para a IA de Decisão. Esta mudança de paradigma promete um novo salto, capaz de redefinir completamente como as empresas operam, competem e criam valor no mercado global.

A confirmação do lançamento do ChatGPT neste mês, após atrasos estratégicos, representa muito mais que uma atualização de software. Estamos testemunhando o nascimento de sistemas capazes de raciocínio analítico estruturado, tomada de decisões complexas e operação autônoma em ambientes empresariais. Diferentemente dos modelos atuais que simplesmente geram conteúdo baseado em prompts, produzindo texto ou imagens, os novos sistemas que demonstram capacidades de metacognição e pensamento crítico, o que os aproximam perigosamente da inteligência humana em domínios específicos.

A diferença agora é que não falamos mais de ferramentas. Falamos de agentes. E, com isso, entra em cena o conceito de Engenharia de Contexto – a arte e a ciência de fornecer à IA o conhecimento certo, no momento certo, da forma certa. Algumas organizações importantes já validaram publicamente esse novo campo, que se mostra essencial para construir confiança, autonomia e relevância nas interações dos agentes. Afinal, um agente só decide bem quando compreende com profundidade o ambiente em que opera.

Porém, não se trata apenas de técnica. A adoção da IA de decisão enfrenta o desafio crucial da confiança. Segundo um estudo, apenas 27% dos executivos confiam plenamente em agentes autônomos. Essa lacuna se reduz entre empresas que avançam para fases de implementação, indicando que a confiança é construída na prática, por meio de segurança, transparência e governança. E o que se observa é que, ao lado de humanos, agentes entregam mais valor: 65% mais engajamento em tarefas de alto impacto e 53% mais criatividade, segundo o mesmo estudo.

Nos laboratórios, as indicações são positivas em meio às desconfianças executivas. Uma pesquisa pioneira do MIT sobre Self Adapting Language Models (SEAL) ilustra perfeitamente esta evolução. Pela primeira vez na história da IA, temos modelos capazes de gerar seus próprios dados de treinamento e procedimentos de atualização, criando um ciclo virtuoso de aprendizado contínuo. Esta capacidade de autoaperfeiçoamento representa um salto qualitativo fundamental: enquanto os Grandes Modelos de Linguagem (LLMs) tradicionais permanecem estáticos após o treinamento, os novos sistemas evoluem continuamente com base na experiência, espelhando processos cognitivos humanos.

A chave, portanto, está no equilíbrio. Agentes não substituirão equipes, mas as ampliarão. O conceito revolucionário de Chain of Debate (Cadeia de Debates, em tradução livre), apresentado por Mustafa Suleyman da Microsoft AI, exemplifica como múltiplas IAs podem colaborar para produzir resultados superiores à capacidade individual de cada sistema. O MAI Diagnostic Orchestrator demonstrou precisão diagnóstica quatro vezes superior à de médicos humanos, não através de força bruta computacional, mas via colaboração estruturada entre agentes especializados. Esta abordagem sinaliza o futuro das operações corporativas: equipes híbridas onde múltiplos agentes de IA trabalham em conjunto para resolver problemas complexos de negócios.

A emergência da Engenharia de Contexto como disciplina central revela a sofisticação crescente destes sistemas. Não se trata mais de escrever prompts eficazes, mas de construir ecossistemas informacionais completos que permitam aos agentes compreenderem nuances contextuais, manter coerência temporal e tomar decisões baseadas em conhecimento profundo do ambiente operacional. Esta evolução transforma a IA de uma ferramenta de automação para um parceiro cognitivo capaz de raciocínio independente.

Contudo, uma pesquisa revela um paradoxo intrigante: enquanto o potencial econômico dos agentes de IA pode gerar até US$ 450 bilhões em valor, a confiança empresarial nestes sistemas diminuiu drasticamente. Está aparente contradição esconde uma verdade estratégica fundamental: as organizações que conseguirem resolver a equação confiança-autonomia primeiro obterão vantagens competitivas desproporcionais. A transição bem-sucedida exige não apenas investimento tecnológico, mas redesenho organizacional profundo e desenvolvimento de novas competências de governança de IA.

Como toda revolução tecnológica, existem riscos. Estudos recentes mostram que IAs podem absorver vieses de outras IAs em processos de treinamento – um fenômeno conhecido como “aprendizado subliminar”. Isso exige uma vigilância técnica constante, sobretudo em ciclos de refinamento e uso de dados sintéticos. Mas também abre caminho para uma nova disciplina: como guiar essas capacidades inesperadas em direção a resultados desejados? A resposta será essencial para CEOs que pretendem integrar IA de forma ética e escalável.

A frameworks de capacidades da OCDE oferecem um mapa estratégico essencial para esta jornada. Ao estabelecer níveis claros de competência da IA em domínios como linguagem, resolução de problemas e criatividade, as empresas podem agora avaliar objetivamente onde investir recursos e quais processos são candidatos ideais para automação inteligente. Esta padronização representa uma oportunidade única para acelerar a adoção corporativa através de benchmarks transparentes e métricas comparativas.

A janela de oportunidade está se abrindo rapidamente, mas não permanecerá aberta indefinidamente. As empresas que compreenderem que estamos em transição de ferramentas generativas para parceiros cognitivos autônomos, que investirem em Engenharia de Contexto e que desenvolverem competências em sistemas multiagente, irão se posicionar como líderes da próxima década.

Essa segunda onda da IA que está em andamento não é mais sobre gerar conteúdo, mas sobre tomar decisões inteligentes. Os vencedores serão definidos não pela velocidade de adoção, mas pela profundidade da integração estratégica destes novos paradigmas cognitivos em suas operações fundamentais. E, neste sentido, os CEOs que compreenderem que o valor da IA de decisão está na simbiose com pessoas, na Engenharia de Contexto e na governança proativa terão uma vantagem estratégica duradoura.

Não se trata mais de falar com máquinas. Trata-se de construir objetivos e soluções com elas.