O que os clientes esperam do atendimento ao cliente com IA

Por Linh Ngo · Atualizado em 11 de outubro de 2026

Os clientes esperam que o atendimento com IA faça três coisas: resolver pedidos simples com rapidez, manter uma pessoa ao alcance quando não consegue e dizer claramente que é uma IA. Eles não esperam perfeição. Esperam que usar o bot não lhes custe mais tempo do que ignorá-lo. Quando a IA bloqueia o caminho até uma pessoa, desperdiça uma interação ou esconde o que é, a confiança cai, e os dados das pesquisas mostram que essa queda já é grande.

Este artigo é para líderes de suporte, diretores de CX e gerentes de suporte que decidem até onde levar a IA na linha de frente. Ele faz parte da coleção IA no atendimento ao cliente e foca uma pergunta: o que os clientes dizem de fato que querem, e como isso deve mudar o que você constrói?

Fatos Principais

• Na pesquisa Consumer Experience Trends 2026 do Qualtrics XM Institute (mais de 20.000 consumidores em 14 países, campo no terceiro trimestre de 2025), quase 1 em cada 5 consumidores que usaram IA no atendimento ao cliente não viu nenhum benefício, uma taxa quase quatro vezes maior do que a do uso de IA em geral (Qualtrics).
• Na mesma pesquisa do Qualtrics, 50% dos consumidores temem que a IA os impeça de falar com uma pessoa, e 53% apontam o uso indevido de dados pessoais como sua principal preocupação, 8 pontos a mais em um ano (Qualtrics).
• O State of the AI Connected Customer da Salesforce (pesquisa da YouGov com 15.015 consumidores em 18 países, de julho a agosto de 2024) constatou que 30% escolheriam um agente de IA em vez de uma pessoa por um atendimento mais rápido, e que 45% têm mais probabilidade de usar um agente de IA se houver um caminho claro até uma pessoa (Salesforce).
• Nessa pesquisa da Salesforce, quase 75% dos consumidores querem saber se estão falando com um agente de IA (Salesforce).
• O CFPB informou que mais de 98 milhões de usuários, cerca de 37% da população dos EUA, interagiram com o chatbot de um banco em 2022 (CFPB).

O que significam as "expectativas do cliente sobre o atendimento com IA"

Uma expectativa, neste sentido, é o padrão pelo qual o cliente avalia a sua IA antes de digitar a primeira palavra. Ela vem de todas as experiências anteriores com uma árvore de atendimento telefônico, um chatbot de loja ou um "assistente virtual" que voltava ao mesmo menu. A maioria dos clientes não está julgando o seu modelo. Está julgando se esta será a vez em que o bot os leva aonde precisam.

Isso importa porque as expectativas não são uma coisa só. Elas se dividem por tarefa. Quem confere o status de um pedido quer uma resposta instantânea e não se importa com quem a dá. Quem contesta uma cobrança quer uma pessoa que possa tomar uma decisão. O mesmo cliente tem as duas visões no mesmo dia.

Nos termos do ACE Framework, a maior parte da IA voltada ao cliente aqui é um assistente RAG (ele lê o seu conteúdo de ajuda e gera uma resposta) mais uma camada de pontuação e roteamento (ela decide quem atende o pedido). Os dois padrões tornam concreta a questão das expectativas: o assistente precisa estar certo, e o roteador precisa saber quando parar. Os nomes dos padrões vêm do ACE Framework.

O que as evidências das pesquisas dizem

A leitura honesta da pesquisa é mista. Os clientes não são uniformemente hostis ao atendimento com IA, e também não são uniformemente entusiasmados. Alguns achados se repetem em pesquisas independentes.

Muitos clientes sentem que o bot não ajuda. Os números do Qualtrics são diretos: o atendimento com IA não entregou benefício a uma taxa cerca de quatro vezes maior do que o uso de IA em geral. O autor do relatório argumenta que as empresas usam a IA principalmente para cortar custos e recomenda que a IA trate pedidos simples e transacionais e depois forneça contexto e soluções sugeridas aos agentes humanos nos casos complexos (Qualtrics).

Chegar a uma pessoa é a preocupação central. Metade dos respondentes do Qualtrics teme que a IA os impeça de falar com um humano. É o mesmo medo que os reguladores descrevem, como mostra o item do CFPB abaixo.

A rapidez é um atrativo real, para alguns. Na pesquisa da Salesforce, 30% escolheriam um agente de IA em vez de uma pessoa por um atendimento mais rápido, chegando a 37% entre a Geração Z e os millennials. Mais de um terço usaria a IA para não precisar se repetir. Ou seja, cerca de sete em cada dez ainda não escolheriam a IA só pela rapidez. A rapidez rende um teste, não fidelidade (Salesforce).

Uma saída visível aumenta a disposição de experimentar. A Salesforce constatou que 45% dos consumidores têm mais probabilidade de usar um agente de IA quando há um caminho claro de escalonamento até uma pessoa, e 44% têm mais probabilidade se a lógica dele for explicada com clareza. A saída faz parte do produto, não é uma admissão de fracasso.

Os clientes querem saber que é uma IA e por que ela decidiu o que decidiu. Quase 75% dos respondentes da Salesforce querem saber se estão falando com um agente de IA. No relatório CX Trends 2026 da Zendesk (6.182 consumidores e 5.115 respondentes de empresas em 22 países, campo em junho de 2025), 95% dos consumidores esperam uma explicação para as decisões tomadas pela IA, e 80% dos líderes de CX esperam que a transparência da IA seja exigida para a IA voltada ao cliente em até dois anos. A Zendesk vende software de suporte, então leia esses números como a pesquisa do fornecedor (Zendesk).

A confiança está caindo e as preocupações com dados estão crescendo. A Salesforce constatou que 72% dos consumidores confiam menos nas empresas do que um ano antes, e o Qualtrics constatou que a privacidade é a principal preocupação, com 53%. Os dois apontam na mesma direção: os clientes compartilham menos quando confiam menos, e a sua IA funciona melhor com contexto.

Os reguladores já perceberam. A análise do CFPB sobre chatbots em finanças do consumidor sinalizou os "ciclos sem saída", em que os clientes ficam presos em respostas repetitivas sem rota até um humano. Disse que chatbots deficientes que bloqueiam o acesso ao suporte ao vivo podem levar a violações legais, e que um chatbot que não entende um pedido "não é adequado" como canal principal de atendimento (CFPB).

Da expectativa ao design: uma tabela de trabalho

Esta tabela liga cada expectativa às evidências acima e a uma decisão de design que você pode entregar.

Exemplos reais por função

As expectativas variam conforme a área da operação de suporte.

Status do pedido e dúvidas sobre a conta. É aqui que a IA justifica o investimento. Um cliente que pergunta onde está o pedido quer a resposta, não uma conversa. Um assistente fundamentado em recuperação, que lê os dados do pedido e devolve uma linha clara, com um link "falar com uma pessoa" logo abaixo, atende a todas as expectativas da tabela. É também o lugar de menor risco para começar.

Disputas de cobrança e reembolsos. Os clientes esperam empatia e autoridade, e a preocupação do CFPB com disputas não resolvidas está aqui. Deixe a IA coletar os fatos (fatura, data, o que o cliente esperava) e redigir o resumo, e depois encaminhe a uma pessoa que possa decidir. A página do agente gerente de escalonamento com IA trata dessa transferência com mais detalhes.

Solução de problemas técnicos. A IA conduz bem os passos documentados, mas "já tentei isso" é a falha mais comum. Dê ao assistente as tentativas anteriores do cliente e escale quando um passo se repetir.

Reclamações e cancelamentos. Não coloque a IA entre um cliente irritado e uma pessoa. Um sinal de sentimento pode encaminhar esses casos direto a um humano; a página do agente de QA de chatbot com IA mostra como revisar essas conversas em escala.

Pedidos regulados ou sensíveis. Em finanças, saúde e seguros, uma resposta errada ou evasiva não é só uma experiência ruim; pode ser um problema de conformidade. Mantenha o assistente restrito aqui e leia o guia de alucinação de IA antes de ampliar o escopo.

Passo a passo: projetando em torno das expectativas

1. Liste os seus 15 principais motivos de contato. Puxe um mês de tickets e etiquete-os. Marque cada um como simples e transacional, dependente de julgamento ou carregado de emoção. Só o primeiro grupo é candidato à automação total. A decisão de automatizar ou assistir trata do grupo do meio.
2. Escreva a regra de transferência antes do bot. Decida exatamente quando uma pessoa assume: após uma resposta fracassada, diante de qualquer menção a cancelamento ou disputa, em caso de sentimento negativo, ou sempre que o cliente pedir. Registre isso por escrito e construa essa regra primeiro.
3. Construa a transferência da transcrição. O agente que assume deve ver a conversa completa, o plano do cliente e os pedidos recentes. Se ele tiver de pedir ao cliente que recomece, você quebrou a expectativa do "não me faça repetir".
4. Revele na primeira mensagem. Algo como "Sou um assistente de IA. Posso ajudar com pedidos e dúvidas sobre a conta, ou conectar você a uma pessoa a qualquer momento." Essa única frase cobre a divulgação, o escopo e a saída.
5. Fundamente cada resposta. Limite o assistente ao conteúdo de ajuda e às políticas aprovados e mostre de qual artigo uma resposta veio. O guia de guardrails trata dos limites sobre o que o modelo pode dizer ou fazer.
6. Meça do lado do cliente. Acompanhe a resolução sem novo contato, a taxa de transferência, o tempo até um humano e uma verificação de satisfação de uma pergunta após conversas só com IA. Só a contenção premia prender os clientes.
7. Faça o piloto em um canal e revise toda semana. Leia 30 transcrições reais por semana no primeiro mês. Corrija as três falhas mais comuns antes de adicionar intenções.

Armadilhas a evitar

• Esconder o humano. Enterrar as opções de agente atrás de vários menus economiza um pouco de custo e produz exatamente o medo que as pesquisas descrevem.
• Otimizar pela contenção. Um número alto de "resolvido pelo bot" pode significar apenas que os clientes desistiram. Combine-o com a taxa de novo contato.
• Fingir que o bot é uma pessoa. Nomes humanizados e atrasos de digitação corroem a confiança quando o cliente percebe, e quase três em cada quatro querem saber de qualquer jeito.
• Automatizar os casos emocionais. Cancelamentos e reclamações são onde uma pessoa é mais valorizada e onde os erros da IA custam mais.
• Tratar uma pesquisa como universal. As pesquisas diferem em amostra, país e redação. Verifique o comportamento dos seus próprios clientes: onde eles abandonam, pedem um agente ou dão notas baixas?
• Coletar mais dados do que a tarefa exige. Com a privacidade como principal preocupação nos dados do Qualtrics, perguntas extras custam confiança.

Como isso se conecta ao restante da sua pilha de suporte com IA

As expectativas são um insumo de design, não uma frente de trabalho separada. Elas determinam onde você coloca um humano no circuito e como sequencia os casos de uso listados em agentes de IA para suporte ao cliente. Se um caso de uso não consegue cumprir a tabela acima, não o lance ainda.