Agent assist com IA: sugestões em tempo real, conhecimento e próximos passos

Por Linh Ngo · Atualizado em 11 de outubro de 2026

O agent assist (assistência ao agente) com IA é um software que lê uma conversa ao vivo com o cliente e, enquanto um agente humano ainda a conduz, sugere uma resposta, traz o conhecimento certo e propõe o próximo passo. O agente continua no comando: cada sugestão pode ser enviada, editada ou ignorada. Esse último ponto é o que o separa de um chatbot. O bot fala com o cliente. O assist fala com o seu agente, e o seu agente fala com o cliente.

Para a maioria das equipes de suporte, é o primeiro passo mais seguro rumo à IA. O cliente continua sendo atendido por uma pessoa, a pessoa chega mais rápido à resposta, e você descobre logo se o seu conhecimento é bom o bastante para automatizar qualquer coisa. Se você ainda está decidindo onde o assist se encaixa, a visão geral de IA no atendimento ao cliente mapeia as opções mais amplas, e automatizar ou assistir mostra como escolher por assunto.

Fatos Principais

• Em um estudo com 5.179 agentes de suporte ao cliente, o acesso a um assistente de IA generativa elevou os problemas resolvidos por hora em cerca de 14% em média, e em cerca de 34% entre profissionais novatos e de baixa qualificação, com impacto mínimo sobre os experientes.
• No mesmo estudo, os agentes seguiram as recomendações da IA em 35% das vezes, em média, ou seja, a maioria das sugestões não foi usada. Os agentes que as seguiram mais de perto ganharam mais.
• Agentes tratados com dois meses de casa tiveram desempenho equivalente ao de agentes não tratados com mais de seis meses de casa nas principais medidas do estudo.
• Na 7ª pesquisa State of Service da Salesforce, com 6.500 profissionais de atendimento, os representantes que usam IA relataram gastar 20% menos tempo em casos rotineiros, cerca de quatro horas liberadas por semana. É uma pesquisa de fornecedor com tempo autodeclarado, não um resultado medido.
• O Copilot da Intercom pode se basear em conversas e tickets passados dos últimos 4 meses, mas não usa conversas do canal de e-mail.

O que o agent assist faz durante um contato ao vivo

O agent assist tem três funções, e a maioria dos produtos as reúne. Vale separá-las, porque cada uma falha por um motivo diferente.

1. Respostas sugeridas. A ferramenta redige o que dizer a seguir. As primeiras respostas sugeridas da Zendesk, por exemplo, redigem uma primeira resposta no editor do Agent Workspace, com base em macros e artigos da central de ajuda da conta (e, às vezes, em conteúdo gerado por LLM). O agente pode enviá-la como está, editá-la ou rejeitá-la e escrever a sua. A Salesforce descreve suas respostas de serviço da mesma forma: a IA generativa redige respostas para os representantes revisarem, editarem e publicarem.

2. Exibição de conhecimento. A ferramenta encontra o artigo, a política ou a resposta anterior que combina com a pergunta, para que o agente não precise sair à procura. As recomendações de artigos da Salesforce recomendam artigos de conhecimento relevantes aos representantes em casos abertos, e suas recomendações de resposta trazem respostas comuns e aprovadas durante chats e conversas por mensagens. O Copilot da Intercom permite que o agente veja na barra lateral a fonte por trás de uma resposta, e as respostas baseadas em fontes internas aparecem marcadas em amarelo, com um aviso, antes de entrarem no editor. Isso é geração aumentada por recuperação (o padrão ACE rag-assistant) voltada para um público interno.

3. Próximos passos. A ferramenta recomenda uma ação: etiquetar o contato, oferecer um reembolso dentro da política, abrir um ticket para a engenharia, enviar um acompanhamento. Esse é o padrão ACE workflow-copilot. Das três funções, é a que mais exige dados estruturados, porque o "próximo passo" depende do plano do cliente, do status do pedido ou do histórico da conta, e não apenas das palavras do chat.

Duas funcionalidades de apoio ficam em volta dessas. A detecção de intenção informa à camada de assist o que o cliente está pedindo, para que ela busque o conteúdo certo. O resumo de tickets dá ao agente o histórico em poucas linhas, para que ele não leia quarenta mensagens antes de responder.

Um contato ao vivo, passo a passo

Digamos que um cliente escreva: "Fui cobrado duas vezes pelo meu plano anual." Veja o que uma camada de assist bem configurada faz no primeiro minuto.

1. Ela classifica o assunto como disputa de cobrança e puxa o plano do cliente e as faturas recentes.
2. Ela exibe o artigo da política de reembolso e a macro de cobrança duplicada ao lado da conversa.
3. Ela redige um reconhecimento que cita o plano e diz o que acontece a seguir.
4. Ela propõe o próximo passo: verificar se é uma autorização pendente ou uma segunda cobrança de verdade e, se for real, reembolsar dentro do limite do agente.
5. O agente edita o rascunho, envia e aplica o passo. O contato é registrado com o código do motivo.

Nenhuma dessas etapas tirou o humano do processo. Elas tiraram a busca, a redigitação e a pausa do "qual política se aplica?".

O que a evidência mostra

O estudo mais conhecido é uma implantação escalonada na operação de suporte por chat de uma empresa, publicado como NBER Working Paper 31161 e depois no Quarterly Journal of Economics. Quatro achados merecem entrar no seu planejamento.

A média esconde a divisão. O ganho médio de 14% veio com cerca de 34% para agentes novatos e de baixa qualificação e mudança mínima para os experientes. Se a sua equipe é formada em sua maioria por veteranos, espere um efeito menor na produtividade e procure ganhos de consistência. Se você contrata em ondas ou tem alta rotatividade, o assist importa mais.

Ele encurta a curva de aprendizado. Agentes com dois meses de casa e acesso à IA se saíram tão bem quanto agentes com mais de seis meses de casa sem ela, nas principais medidas de resultado do artigo (PDF do working paper). Para um gerente, isso é um argumento de custo de treinamento tanto quanto de velocidade.

Foi feito para ampliar, não substituir. O sistema produzia sugestões de resposta em tempo real e links para a documentação técnica interna, exibidos apenas ao agente, que tinha total liberdade para usá-los. Os agentes seguiram as recomendações em cerca de 35% das vezes, em média, e a adesão cresceu com o tempo, sobretudo entre os trabalhadores inicialmente céticos. O uso seletivo era a norma, e isso é saudável: uma taxa de sugestões seguidas perto de 100% significaria que ninguém está pensando.

Ele atingiu resultados ligados às pessoas. Os autores relatam melhora no sentimento dos clientes, menos clientes pedindo um supervisor e menor rotatividade, impulsionada pela retenção dos profissionais mais novos. Menos saídas entre os recém-contratados é uma linha de custo que a maioria dos líderes de suporte reconhece de imediato.

Uma ressalva sobre o alcance. Foi uma empresa, um produto de chat e uma ferramenta específica, treinada com conversas e resultados dos próprios agentes, com a maioria deles nas Filipinas. Trate o estudo como uma evidência forte de que o mecanismo funciona, não como uma promessa de 14% na sua fila. Os números dos fornecedores são mais frágeis: o resultado de 20% a menos de tempo em casos rotineiros na pesquisa da Salesforce vem do relato dos próprios representantes, então use-o como direção, não como meta.

Agent assist por função

O padrão é o mesmo em todo lugar, mas o que conta como uma "boa sugestão" muda.

Em todas as linhas, a sugestão é tão boa quanto o conteúdo e os dados por trás dela. A linha de TI falha pelo mesmo motivo que a de suporte técnico: documentação que ninguém mantém.

Como implantar o agent assist

Uma implantação não precisa de um lançamento em big bang. Esta ordem funciona para a maioria das equipes.

1. Escolha uma fila e um canal. Selecione uma fila de alto volume e baixo risco em que as respostas existam por escrito. Chat ou mensagens costumam ser o começo. Verifique o que a sua ferramenta suporta: o Copilot da Intercom, por exemplo, não usa conversas do canal de e-mail como fonte, então a cobertura de canais deve ser confirmada de antemão. A cobertura de canais varia muito de produto para produto.
2. Conserte primeiro o conhecimento. As sugestões se baseiam nas suas macros e nos seus artigos, então duplicatas, contradições e políticas desatualizadas viram rascunhos errados ditos com confiança. Comece pelas 50 macros mais usadas e pelos 30 artigos principais. Preparar os dados de suporte para a IA trata dessa limpeza em detalhe.
3. Defina o que a ferramenta pode sugerir. Liste os assuntos em que rascunhos são bem-vindos (como fazer, status do pedido) e aqueles em que ficam desligados (ameaças jurídicas, segurança, avisos regulatórios). Escreva essa lista antes do lançamento.
4. Rode em modo sombra por duas semanas. Mostre as sugestões a um pequeno grupo piloto e registre aceitar, editar e rejeitar para cada uma, além do motivo quando rejeitam. Ainda sem nenhuma mudança visível para o cliente.
5. Treine o julgamento, não os botões. Os agentes precisam saber que o rascunho é um ponto de partida. Ensine uma checagem de dois segundos: o rascunho corresponde ao que o cliente perguntou, e a fonte citada diz isso mesmo?
6. Meça com um grupo de controle. Compare os agentes do piloto com agentes parecidos sem o assist, ou com a linha de base do próprio grupo piloto. Acompanhe tempo de atendimento, resolução no primeiro contato, taxa de reabertura, CSAT e o tempo até a proficiência dos recém-contratados. Não julgue só pela aceitação das sugestões.
7. Feche o ciclo de feedback. Cada sugestão rejeitada é um dado. Se os agentes continuam reescrevendo o mesmo rascunho, a macro ou o artigo por trás dele está errado. Corrija na origem.
8. Expanda por fila, não por interruptor. Acrescente a fila seguinte somente quando a primeira mantiver seus indicadores de qualidade. Ligue o assist ao QA para suporte para que os revisores vejam quais conversas usaram um rascunho e se elas se sustentaram.

Armadilhas a evitar

Tratar a taxa de aceitação como sucesso. Uma taxa de aceitação alta pode significar que a ferramenta é boa ou que os agentes pararam de conferir. O estudo do NBER constatou que o uso seletivo era normal, por volta de 35% em média. Combine a aceitação com a taxa de reabertura e as notas de QA.

Ignorar a base de conhecimento. O próprio artigo da Zendesk observa que os agentes não conseguem influenciar o conteúdo das respostas sugeridas, então a forma de melhorá-las é melhorar as macros e os artigos em que se baseiam. O assist expõe rapidamente a dívida de conteúdo.

Viés de automação. Sob pressão da fila, os agentes enviam o que está na tela. Mantenha as prévias das fontes a um clique de distância, como a Intercom faz com a prévia de fonte na barra lateral, e revise toda semana uma amostra de rascunhos enviados.

Medir apenas a velocidade. Se o tempo de atendimento cai enquanto os recontatos sobem, a ferramenta está ajudando os agentes a encerrar mais rápido, não melhor. Acompanhe a resolução do lado do cliente, não apenas a atividade do seu lado.

Esquecer o plano de capacidade. Se o assist aumenta a vazão, a sua conta de dimensionamento de equipe muda. Leve os novos tempos de atendimento para a previsão de volume e capacidade antes de cortar turnos ou planos de contratação.

Pular o coaching. O assist espalha bons hábitos, mas não corrige sozinho um problema de qualidade. Use os dados de aceitar e rejeitar nas conversas de coaching, que é onde o efeito de aprendizado da pesquisa de fato se reforça.

Como são os primeiros 90 dias

Na semana dois, você deve ter um conjunto de conteúdo limpo e um grupo piloto. Na semana seis, deve conhecer seus padrões de aceitar, editar e rejeitar por assunto e ter corrigido os dez principais problemas de conteúdo que eles expuseram. Na semana doze, deve ter uma comparação com o grupo de controle em tempo de atendimento, taxa de reabertura e CSAT, além de um número que o seu parceiro de finanças aceite, como horas por semana devolvidas à fila ou semanas economizadas por novo contratado. Se a comparação ficar estável, a causa provável é a qualidade do conteúdo ou uma equipe com muitos veteranos, não a ideia em si. Corrija a primeira e reconsidere o escopo no caso da segunda.