Ganhos:
- Capacidade de produzir marcação automática com base em uma taxonomia fechada com resumos de chamadas estruturados e curtos
- Capacidade de eliminar informações fabricadas, passando automaticamente o resumo e as tags através da aprovação do representante e comparando-os com o texto fonte
- Capacidade de reduzir o tempo de encerramento transferindo resumos sem manter dados pessoais/do cartão e sem interpretar compromissos
O trabalho de um representante não termina conversando com o cliente. Após cada ligação, deverá ser criado um registro “do que foi falado, do que foi feito, qual foi o assunto”. Isso é chamado de encerramento ou pós-atendimento / ACW: o representante resume a conversa, seleciona um código de encerramento no sistema (código de disposição — a categoria que indica o assunto/resultado da chamada, por exemplo, "retorno aprovado", "falha técnica") e escreve as notas necessárias. Essa tarefa parece pequena, mas é enorme: se um agente que faz 60 ligações por dia gasta 2 minutos em cada ligação, 2 horas do dia serão gastas apenas fazendo anotações. Além disso, o representante cansado escreve a nota de forma desleixada; os registros serão inconsistentes e o próximo agente ou gerente não será capaz de compreender o histórico.
A inteligência artificial revoluciona essa tarefa: ela lê o texto (transcrição) da conversa e produz um resumo caprichado, tags precisas e sugestão de próximo passo em segundos. Em vez de escrever, o agente analisa e aprova. Nesta unidade veremos como configurar a sumarização de chamadas e a etiquetagem automática, o que prestar atenção e a disciplina de verificação.
O que inclui um bom resumo de chamada?
Um resumo da chamada deve ser claro o suficiente para que alguém que nunca ouviu aquela conversa (o próximo agente, gerente, supervisor) possa entendê-la em 15 segundos. Um bom resumo inclui: por que o cliente ligou (por que ligou), o que foi feito (o que o representante fez), resultado (foi resolvido, o que foi prometido), negócio aberto (o que, se houver, requer acompanhamento). Um resumo ruim é muito longo (detalhamento linha por linha da conversa) ou muito curto ("o cliente ligou, foi atendido"). A IA é muito boa em ficar no meio: estruturada, concisa e completa.
Auto-tagging/disposição é quando a IA sugere o código de terminação e tags de assunto da chamada. Por exemplo, a IA rotula uma conversa como "tópico: conta, subtópico: objeção de conta alta, resultado: registro de objeção aberto, emoção: raiva". Essas tags geram um valor enorme no futuro: o gestor responde às perguntas “qual tema recebeu mais solicitações neste mês” e “qual tema tem menor taxa de solução” em segundos. Mas para que as tags funcionem, elas exigem um vocabulário de tags coerente (taxonomia — uma lista de categorias predefinida, limitada e clara); Se o bot gerar rótulos gratuitos, três rótulos diferentes como “fatura”, “faturamento”, “problema na fatura” aparecerão e a análise será interrompida.
A tabela a seguir compara o acabamento manual e assistido por IA:
Tamanho
Manuel (escritor representante)
Alimentado por IA (aprovações de agentes)
Duração (por chamada)
90-150 segundos
15-30 segundos
Consistência
Varia dependendo da pessoa
Alto, dependendo do dicionário
completude
cai de cansaço
estável
Qualidade da etiqueta
livre, bagunçado
taxonomia fixa
Risco
Perda de tempo, inconsistência
Resumo incorreto (deve ser verificado)
Dica: Antes de passar para a marcação automática, certifique-se de definir uma taxonomia (lista fechada de tags). Dizer à IA “escolha as tags apropriadas entre essas 20 tags” é muito mais confiável do que dizer “marque o tópico”.
Passo a passo: configurando o feed
- Prepare a fonte: Obtenha o texto da conversa (transcrição ASR na chamada de voz, texto enlatado no chat). Oculte primeiro os dados pessoais/do cartão (detalhado na próxima unidade).
- Forneça taxonomia: forneça ao modelo uma lista de códigos de terminação e tags de tópico válidos; Proibi-lo de sair.
- Peça resultados estruturados: peça resultados em campo (motivo, ações, resultado, acompanhamento, tags, emoção) em vez de parágrafos livres; para que possa ser gravado no sistema automaticamente.
- Aprovação do representante: Resumo e rótulos aparecem na tela do representante; Deixe o representante ler, corrigir e aprovar em 10 a 20 segundos. Não grave sem aprovação.
- Feedback: Colete as correções feitas pelo agente e melhore a taxonomia e o prompt.
Quatro modelos copiáveis
1) Resumo estruturado da chamada:
Resuma a seguinte transcrição anônima da entrevista com o cliente (sem nome/cartão). Use apenas o que está na transcrição; adicionando palpites/inventando.Formato de saída:- Motivo da pesquisa (1 frase):- O que foi feito (item por item):- Resultado (resolvido/parcialmente/não resolvido):- Promessa/compromisso (se houver, literal):- Trabalho a ser acompanhado (se houver): Entrevista: <<decifração>>
2) Marcação com base na taxonomia:
Marque a seguinte conversa SOMENTE selecionando-a nestas listas: Assunto: [fatura, carga, devolução, técnico, adesão, pagamento, reclamação, outro]Resultado: [resolvido, objeção_aberta, transferido, acompanhamento_compromisso, não resolvido]Emoção: [calmo, satisfeito, irritado, ansioso]Se não for adequado na lista, selecione "outro" / "não resolvido"; gerando novas tags. JSON de saída: {"topic":"","result":"","emotion":""}Conversação: <<transcrição>>
3) Próxima etapa/sugestão de acompanhamento:
Gere uma recomendação de “próxima etapa” para o agente com base na conversa a seguir. Baseado unicamente no comprometimento e trabalho aberto do texto. Resultado: (1) trabalho a ser feito, (2) prazo (se disponível no texto), (3) recomendação da unidade responsável. Se não houver compromisso, escreva “não é necessário acompanhamento”.Entrevista: <<transcrição>>
4) Controle de qualidade/inconsistência:
Compare o resumo representativo abaixo com a transcrição da entrevista. Há alguma informação no resumo que NÃO esteja na entrevista (inventada)? Existe alguma informação IMPORTANTE que está na entrevista, mas está faltando no resumo? Marque ambos os marcadores. Não adicione comentários, apenas compare. Resumo: <<resumo>> Entrevista: <<transcrição>>
Alerta fraco / Alerta forte
Alerta fraco:
Resuma e rotule esta conversa.
Vago: sem formatação, sem taxonomia, sem proibição de fabricação, sem anonimato. A saída é solta e confusa e os rótulos aparecem de forma inconsistente.
Alerta poderoso:
Resuma a conversa ANÔNIMA abaixo. Formato: motivo/ações/resultado/compromisso/acompanhamento. Selecione a tag SOMENTE na lista a seguir: subject=[fatura, frete, devolução, técnico, reclamação, outro], resultado=[resolvido, transferido, não resolvido]. Não adicione nenhuma informação que não esteja no texto; Transfira o compromisso literalmente. Entrevista: <<transcrição>>
A diferença: formato, taxonomia, proibição de fabricação e anonimato são claros.
três mini cases
Caso 1 — Economia de tempo. A equipe de 120 pessoas de uma empresa de carga gastou em média 110 segundos para finalizar cada ligação. Quando o resumo de IA + rascunho de rótulo foi ativado, esse tempo foi reduzido para 25 segundos. 120 contatos por dia × 60 chamadas × 85 segundos economizados ≈ ~170 horas por dia, ou seja, ~21 turnos completos. Esta capacidade foi alterada para reduzir os tempos de espera e tarefas mais difíceis.
Caso 2 — A armadilha sumária inventada. Em uma central de seguros, a IA escreveu uma promessa dizendo “foi prometido ao cliente um retorno dentro de 3 dias úteis”, embora isso nunca tenha sido mencionado na conversa (o modelo “previu” a partir de conversas semelhantes). Quando o representante enviou sem aprovação, o cliente lembrou-lhe desta promessa. Solução: Tornar obrigatória a etapa "4) Qualidade/inconsistência" e exigir a aprovação dos delegados. Posteriormente, a taxa de compromissos fabricados caiu para perto de zero.
Caso 3 — Caos de rótulos. Desde que as tags foram liberadas em um banco, foram criadas 340 tags de assuntos diferentes em 6 meses (“cartão”, “cartão de crédito”, “kk”, “problema com cartão”...). O relatório de gestão não tinha sentido. Depois que uma taxonomia fechada de 22 itens foi definida e a IA foi forçada a usá-la, os relatórios tornaram-se significativos e os “5 principais tópicos” revelaram-se confiáveis pela primeira vez.
Erros comuns
- Marcação sem taxonomia. Rotulagem gratuita transforma análise em lixo; sempre use lista fechada.
- Ignorando a aprovação do delegado. A impressão do resumo e da etiqueta diretamente no sistema transforma as informações fabricadas em um registro permanente.
- Movendo dados pessoais para o resumo. Nome, RG, cartão e endereço não devem constar nos resumos; O resumo deve ser anônimo.
- Resumo excessivamente longo. Transcrever a conversa não acelera o encerramento; Procure fazer um resumo conciso e direto ao ponto.
- Interpretando o compromisso. A IA deve transmitir a parte da promessa/compromisso literalmente, sem comentários; Inferências como “provavelmente prometido” são perigosas.
Atenção: O resumo automático não isenta o agente de responsabilidade; isso acelera. Cada registro que entra no sistema é de responsabilidade do representante que o aprova. Gravação automática sem aprovação = minutos não assinados.
Resumindo
O resumo de chamadas e a marcação automática são um dos aplicativos de IA de maior rendimento que reduzem para segundos o trabalho administrativo mais demorado (finalização) do agente. O sucesso depende de três coisas: um formato de resumo estruturado e conciso, uma taxonomia de tags fechada e aprovação obrigatória dos delegados. Compare o resumo produzido pela IA com o texto fonte para eliminar informações fabricadas, não inclua dados pessoais nos resumos e transfira compromissos sem comentários. Quando configurado corretamente, economiza muito tempo e aumenta a qualidade da gravação e a capacidade de geração de relatórios.
Tarefa de aplicativo
Projete uma taxonomia de fechamento fechada de 15 a 20 itens (tópico + resultado + emoção) para o seu setor. Em seguida, faça uma transcrição fictícia ou anônima da entrevista do cliente e aplique os modelos “1) Resumo estruturado” e “2) Marcação baseada em taxonomia”. Por fim, verifique o resumo com o modelo “4) Qualidade/inconsistência” e informe as informações fabricadas/ausentes.
lista de verificação
- [] Eu defino uma taxonomia de terminação/tópico fechado e forço a IA a isso.
- [ ] Meus resumos são curtos, diretos (motivo/ações/resultado/compromisso/acompanhamento) e coerentes.
- [ ] Cada resumo e tag passam pela aprovação do representante antes de serem gravados no sistema.
- [ ] Nenhum dado pessoal/cartão é mantido no resumo e rótulos (anônimo).
- [] Comparo o resumo da IA com o texto fonte e elimino informações espúrias.
- [ ] Os compromissos são citados literalmente, sem interpretação.