Coaching com IA para agentes de suporte: feedback a partir de conversas reais

Por Linh Ngo · Atualizado em 11 de outubro de 2026

O coaching com IA para agentes de suporte é a prática de usar IA para ler ou ouvir conversas reais com clientes, identificar os momentos que revelam uma lacuna de habilidade ou um ponto forte e entregá-los a um gerente como material concreto para uma conversa individual. A IA faz a busca. O gerente faz o coaching. Essa divisão é a ideia inteira, e as equipes que a embaralham costumam acabar com uma pilha de notas que ninguém usa ou com um sistema que os agentes rejeitam.

A maioria dos gerentes de suporte faz coaching a partir de um punhado de conversas que calhou de amostrar. Uma equipe de 30 agentes que trata milhares de contatos por semana não pode ser compreendida a partir de cinco tickets cada. A IA muda o problema da amostragem: ela consegue olhar todas as conversas e destacar as três que importam para este agente nesta semana. Este guia mostra como isso funciona, quem faz o quê, como configurar em etapas e como manter o programa do lado certo da linha entre desenvolvimento e vigilância. Ele faz parte da coleção AI for Customer Service; para a visão mais ampla, comece por IA no atendimento ao cliente.

Fatos Principais

• Em um working paper preliminar sobre uma central de atendimento de serviços financeiros na Europa, o coaching potencializado por IA reduziu o tempo médio de atendimento das ligações em cerca de 7%, com ganhos maiores para agentes com menos tempo de casa (Fouarge et al., working paper da Netspar, janeiro de 2025).
• Esse estudo abrangeu 187.839 ligações atendidas por 147 agentes durante uma implantação escalonada em 2023 (working paper da Netspar).
• Em um estudo separado com 5.179 agentes de suporte, um assistente de IA elevou os problemas resolvidos por hora em 14% em média e em 34% entre profissionais novatos e de baixa qualificação, com impacto mínimo sobre os experientes (Brynjolfsson, Li e Raymond, NBER Working Paper 31161).
• 51% dos trabalhadores dos EUA dizem saber que o empregador os monitora com tecnologia, e 56% dos monitorados relatam sentir-se normalmente tensos ou estressados no trabalho (American Psychological Association, pesquisa Work in America 2023).
• 45% dos trabalhadores monitorados dizem que o ambiente de trabalho prejudica a saúde mental, contra 29% dos trabalhadores que não são monitorados. A APA ressalta que são correlações, sem causa raiz confirmada (APA).
• O EU AI Act proíbe sistemas de IA que inferem emoções de pessoas no ambiente de trabalho, exceto por razões médicas ou de segurança (EU AI Act, Artigo 5).

O que o coaching com IA realmente faz

Imagine a versão tradicional. Um líder de equipe separa cinco tickets por agente no fim do mês, lê todos e redige um feedback. A amostra é minúscula, o feedback chega semanas depois da conversa e o agente mal se lembra do contato. Muitas vezes, os cinco tickets são os mais fáceis de encontrar, não os mais úteis.

O coaching com IA substitui a etapa de busca, não a conversa. Nos termos do ACE, é o padrão Meeting Intelligence aplicado ao suporte: ingerir a conversa (texto de chat e e-mail, ou áudio transcrito de ligações), analisá-la segundo o que importa para você e gerar algo que um gerente possa usar, como uma lista curta de momentos sinalizados com as falas relevantes destacadas.

O que ela costuma trazer à tona:

• Momentos de coaching. Uma conversa em que o cliente ficou confuso por vários turnos, em que o agente pulou uma etapa obrigatória ou em que uma situação difícil foi conduzida de forma excepcional.
• Padrões entre conversas. Um agente que explica pouco os prazos de reembolso de maneira recorrente, ou aquele cujas respostas ficam mais curtas e mais frias no fim do turno.
• Pontos fortes que merecem ser copiados. A mesma varredura que encontra as lacunas encontra o agente cujas explicações de um erro de cobrança sempre dão certo. Isso vira um exemplo compartilhado para a equipe.

A pesquisa sobre a seleção de ligações sustenta a abordagem. Um artigo de 2023 sobre um sistema chamado AI Coach Assist descreve o uso de modelos de linguagem para decidir quais ligações são passíveis de coaching com base nas perguntas de garantia de qualidade definidas pelos gerentes, de modo que os supervisores não fiquem limitados a amostras aleatórias (Coach Assist, arXiv). É um artigo sobre o sistema, sem resultados de campo divulgados, então trate-o como uma descrição do método, não como prova de impacto.

Em que isso difere do agent assist com IA? O agent assist (assistência ao agente) atua durante a conversa, sugerindo respostas e exibindo artigos em tempo real. O coaching atua depois, transformando conversas já encerradas em desenvolvimento. Um alimenta o outro: o coaching mostra em quais assuntos os agentes precisam de mais ajuda, e o assist é onde você pode colocar essa ajuda.

O que a evidência mostra

Cuidado com afirmações grandes aqui. A evidência é animadora, mas jovem.

O estudo mais relevante é um working paper de pesquisadores que analisaram um grande provedor de serviços financeiros da Europa Ocidental. A empresa implantou uma ferramenta de IA que analisa o conteúdo falado das ligações para apoiar seu processo de coaching e o fez em etapas, o que permite aos pesquisadores comparar os agentes que a receberam com os que não receberam. Eles relatam que o coaching potencializado por IA reduziu o tempo de atendimento das ligações em cerca de 7%, que o mecanismo foi um estilo de comunicação melhor e que os ganhos foram substancialmente maiores para agentes com menos tempo de casa (working paper da Netspar). Duas ressalvas se aplicam. É um rascunho, e os agentes tratados eram consideravelmente menos experientes do que o grupo de controle, o tipo de desequilíbrio que se espera que uma versão posterior resolva.

Um resultado mais amplo aponta na mesma direção. O estudo do NBER sobre assistência com IA generativa encontrou os maiores benefícios para os profissionais mais novos e concluiu que a ferramenta parecia disseminar as práticas dos profissionais mais capazes (NBER Working Paper 31161). Esse estudo trata de assistência em tempo real, não de coaching. Mas o padrão em comum é útil para o planejamento: espere que o desenvolvimento apoiado por IA ajude mais os agentes novos e não prometa um salto dramático aos veteranos.

Note também o que esses estudos não mostram. Eles medem velocidade e qualidade da comunicação, não se os clientes ficaram mais satisfeitos nem se os agentes permaneceram por mais tempo. Coloque esses pontos no seu próprio placar.

Quem faz o quê: a IA encontra os momentos, os humanos fazem o coaching

A forma mais limpa de conduzir isso é uma divisão de trabalho rígida.

A última linha é a mais importante. Os sinais da IA são o ponto de partida para uma conversa, não um veredito. Um algoritmo vê que uma resposta foi longa; ele não sabe que o cliente era idoso e precisava de tudo explicado em detalhe. Um gerente que conhece o contexto e pergunta primeiro "me conte o que aconteceu aqui" obtém informações melhores do que qualquer nota, e o agente sai sentindo que foi ouvido.

A documentação de QA da Zendesk mostra como um produto de mercado enquadra isso. O guia de administração descreve a pontuação automática que avalia e pontua todas as interações com clientes e, separadamente, a criação de sessões de coaching em que você "reúne conversas específicas e notas fixadas", além de acompanhar se os agentes revisaram o feedback que receberam (Central de Ajuda da Zendesk). A pontuação é automática. A sessão é um evento humano. Para um aprofundamento na parte da pontuação, veja garantia de qualidade com IA para suporte.

Exemplos reais por função

O método é o mesmo em toda parte. Os momentos mudam.

Chat de suporte de nível 1. A IA sinaliza conversas em que o cliente fez a mesma pergunta duas vezes. O gerente e o agente leem duas delas juntos e encontram um padrão: o agente responde à pergunta feita, não à que está por baixo dela. Meta da próxima semana: confirmar o entendimento antes de responder.

Cobrança e recuperação de crédito. A cobrança é onde o tom mais importa e os erros custam mais. A IA sinaliza ligações em que a linguagem do cliente passou de neutra para frustrada logo depois da explicação de uma política. A conversa de coaching é sobre como explicar uma multa por atraso, não sobre a multa. O agente que a explica melhor vira o modelo.

Suporte técnico. Os sinais são sobre processo: etapas de diagnóstico puladas, escalonamentos prematuros, tickets encerrados sem confirmação. Os gerentes os usam para melhorar o guia de solução de problemas, além do agente, já que três agentes pulando a mesma etapa costumam indicar que a etapa está mal documentada.

E-mail e canais escritos. A IA é mais forte aqui porque texto é fácil de analisar. Temas comuns de coaching são o tamanho da resposta, próximos passos pouco claros e falta de reconhecimento do problema. Veja IA para suporte por e-mail para entender como esse canal funciona.

Onboarding de novos contratados. Na terceira semana, em vez de esperar a revisão mensal, o gerente recebe uma lista curta das conversas do próprio agente novo: duas coisas bem feitas e duas para praticar. Dada a pesquisa acima sobre os profissionais mais novos, é aqui que o coaching tem mais chance de dar retorno.

Como implantar o coaching com IA, passo a passo

1. Comece pelos agentes, não pela ferramenta. Antes de comprar ou ligar qualquer coisa, diga à equipe o que você planeja e por quê. Explique o que será analisado, quem vê o resultado e para que ele não será usado. Faça isso primeiro, porque o boato preenche qualquer silêncio.
2. Defina como é o bom desempenho. Escreva um scorecard curto: de cinco a oito comportamentos que importam, como entender a pergunta, precisão, próximos passos claros e tom adequado. Envolva agentes experientes na redação. Rubricas inventadas só pela gestão tendem a medir o que é fácil de contar.
3. Verifique seus dados. A análise de conversas exige transcrições completas e corretamente atribuídas. Resolva problemas de etiquetagem, cobertura de canais e consentimento antes de começar. Preparar os dados de suporte para a IA trata da base necessária.
4. Rode em modo sombra. Por algumas semanas, deixe a IA pontuar as conversas enquanto os gerentes também revisam uma amostra à mão. Compare. Se a IA e os seus melhores revisores divergem com frequência sobre um comportamento, corrija a rubrica ou abandone esse comportamento.
5. Escolha uma cadência e um limite. Uma conversa de coaching semanal ou quinzenal por agente, com no máximo dois ou três momentos para discutir. Uma lista de vinte itens sinalizados é uma lista de tarefas, não coaching.
6. Dê aos agentes a mesma visão. Os agentes devem ver seus próprios momentos sinalizados e suas notas antes da conversa e poder acrescentar contexto ou discordar. Essa é a maior alavanca de confiança.
7. Transforme os momentos em um compromisso. Encerre cada sessão com uma única coisa específica para praticar, anotada pelo agente. Confira na vez seguinte.
8. Compartilhe o que é bom. Uma vez por mês, compartilhe com toda a equipe um exemplo anonimizado, ou com consentimento, de uma conversa excelente. Se o coaching com IA só mostra os erros às pessoas, ele parece vigilância. Mostrar os acertos corrige isso.
9. Revise o sistema a cada trimestre. Olhe a precisão dos sinais, o feedback dos agentes e os resultados (tempo de atendimento, resolução, CSAT, rotatividade). Aposente os sinais que não ajudam.

Como evitar a sensação de vigilância

É aqui que os programas vivem ou morrem. A mesma tecnologia pode parecer um coach ou um fiscal de corredor, e os agentes decidem qual das duas em cerca de uma semana.

Os números explicam por que o tema merece atenção. Na pesquisa da APA de 2023, 56% dos trabalhadores que sofrem monitoramento relataram sentir-se normalmente tensos ou estressados no trabalho, e 45% disseram que o ambiente de trabalho prejudicou sua saúde mental, contra 29% dos trabalhadores que não são monitorados. As funções de atendimento a clientes relataram ciência do monitoramento em 55%, acima dos 51% do total (APA). A APA é explícita ao dizer que são correlações e que a causa raiz não está confirmada, então não as cite como prova de que o monitoramento causa estresse. Trate-as, sim, como um alerta sobre o ambiente em que você está entrando.

Salvaguardas práticas:

• Seja transparente. Documente o que é analisado, o que as notas significam, quem pode ver o quê e por quanto tempo os dados são mantidos. Coloque isso por escrito e atualize quando a configuração mudar.
• Dê aviso prévio e siga a lei. As exigências sobre gravação, consentimento e dados de funcionários variam por país e, às vezes, por estado. Consulte o jurídico e qualquer conselho de trabalhadores antes do lançamento. Não presuma que o aviso de gravação voltado ao cliente também cubra a análise interna de desempenho.
• Evite a pontuação por inferência de emoções da sua própria equipe na UE. O EU AI Act proíbe sistemas de IA que inferem emoções de pessoas no ambiente de trabalho, fora de usos médicos ou de segurança (EU AI Act, Artigo 5). Se um recurso do fornecedor avalia o "humor" ou o "estresse" do agente a partir de voz ou vídeo, busque um parecer jurídico antes de ligá-lo, onde quer que sua equipe esteja.
• Use os dados primeiro para desenvolvimento. Diga com clareza, e leve a sério, que os momentos sinalizados são pontos de partida para conversas. Se você também pretende usar as notas em avaliações de desempenho, diga isso abertamente, defina limites com revisão humana e dê aos agentes uma forma de contestar.
• Mantenha humanos nas decisões. Nenhuma decisão de remuneração, promoção ou medida disciplinar deve se apoiar apenas em uma nota da IA.
• Deixe os agentes verem seus próprios dados primeiro. A surpresa é o que faz o feedback parecer vigilância.
• Colete menos. Analise o que o seu scorecard precisa. Não guarde todas as métricas possíveis só porque a ferramenta consegue produzi-las.

Armadilhas a evitar

Pontuar tudo e fazer coaching de nada. A IA torna as notas baratas, e as equipes se afogam em dashboards. Se um sinal nunca leva a uma conversa, pare de gerá-lo.

Fazer coaching para a métrica. Se o tempo de atendimento tem peso grande, os agentes vão apressar os clientes. A redução de 7% no tempo de atendimento do artigo da Netspar só é boa se a qualidade se mantiver, e os autores relatam que ela veio de uma comunicação melhor, não de atalhos. Equilibre velocidade com resolução e satisfação.

Tratar a nota da IA como verdade. Os modelos interpretam mal sarcasmo, expressões regionais, conversas multilíngues e situações incomuns de produto. Esse é um risco especial no suporte multilíngue. Deixe sempre o agente explicar antes de julgar.

Ignorar o que os agentes dizem. Se agentes experientes dizem que um sinal está errado, investigue. Eles costumam ser seus melhores dados de calibração.

Usar só com agentes em dificuldade. Rode o mesmo programa para a equipe toda, inclusive os melhores desempenhos. O uso seletivo parece punição.

Esquecer as funções ao redor. O tempo de coaching é tempo do gerente. Se você adicionar coaching com IA sem liberar os líderes de equipe, ele não vai acontecer. Veja como a IA muda as funções da equipe de suporte para planejar essa capacidade.

Uma forma simples de medir se está funcionando

Escolha quatro medidas antes de começar e acompanhe-as a cada trimestre: a nota do seu scorecard, um resultado para o cliente (CSAT ou resolução), uma medida de velocidade e uma medida de pessoas, como a confiança dos agentes em uma pesquisa rápida de pulso ou a rotatividade. Compare os agentes que receberam coaching com o sistema contra um período de linha de base e observe separadamente os agentes mais novos, já que é onde a pesquisa sugere o maior efeito. Se a velocidade melhora enquanto a pesquisa de pulso cai, você construiu uma ferramenta de vigilância. Corrija isso antes de escalar.