Os números relativos aos projetos corporativos de IA são difíceis de ignorar e ainda mais difíceis de justificar. O Projeto NANDA do MIT revelou que 95% das organizações não obtêm retornos mensuráveis de seus investimentos em IA. O BCG estima que o número de organizações que criam valor substancial com IA é de apenas 4%. Os líderes de CX admitem que estão enfrentando dificuldades com a lacuna entre o investimento em IA e o retorno obtido. No Relatório State of Customer Experience 2026 da Genesys, 42% dos líderes de experiência do cliente entrevistados apontam a demonstração do valor ou do retorno sobre o investimento (ROI) da inteligência artificial como um dos principais desafios na adoção de tecnologias, embora 27% afirmem que comprovar o ROI é uma prioridade estratégica.

Nada disso significa que a IA não possa gerar valor. O problema está em como as organizações planejam e implementam suas iniciativas de IA.

Na Xperience 2026, dois especialistas da Genesys, Juan Perez, diretor de Soluções e Serviços de IA, e Niels Kusters, consultor sênior de consultoria em experiência do cliente, apresentaram um método prático de cinco etapas para desenvolver casos de uso de inteligência artificial que gerem valor mensurável.

O valor está na redução do atrito 

A maioria das organizações inicia iniciativas de IA fazendo a pergunta errada: o que essa tecnologia pode fazer por nós? Isso os leva diretamente a um catálogo de recursos, como agentes virtuais, direcionamento, engajamento preditivo e copilotos, o que os leva a procurar onde aplicar cada um deles. Focar primeiro na tecnologia parece lógico. Mas isso deixa as organizações com um conjunto de recursos de inteligência artificial tecnicamente impressionantes, mas que não geram resultados relevantes para o negócio.  

A melhor pergunta é: onde seus clientes estão enfrentando dificuldades? Onde eles abandonam uma tarefa, escalam frustrados ou ligam três vezes para resolver o mesmo problema? Esse atrito custa caro, como mostram os números detalhados por Perez e Kusters no Xperience: 84% dos compradores no varejo dizem que considerariam trocar de marca após uma experiência ruim de devolução; 67% dos clientes de telecomunicações cancelariam o serviço após cobranças inesperadas. O atrito não apenas irrita os clientes. Ele custa às organizações a lealdade deles. 

Começar pelos pontos de atrito, em vez de pelos recursos disponíveis, mantém o foco nos resultados para o negócio, e não nas possibilidades técnicas.

Enxergando o iceberg como um todo 

Perez e Kusters utilizaram a imagem de um iceberg para ilustrar como é fácil começar com o foco errado. No topo do iceberg estão os recursos de inteligência artificial, que geralmente são a primeira coisa que vem à mente quando as organizações consideram implementar IA. Logo abaixo dos modelos de inteligência artificial está a camada de tecnologia e dados: as plataformas, integrações e os fluxos de dados que tornam os modelos de IA utilizáveis.  

A maior parte do iceberg fica totalmente submersa e fora de vista. Isso inclui as pessoas, os processos e a gestão da mudança necessários para alcançar resultados bem-sucedidos. Esta é a parte para a qual quase ninguém reserva orçamento. É também a parte que afunda a maioria das iniciativas de IA. Embora seja fundamental, não basta ter os recursos certos e o pipeline de dados adequado. Você precisa de funcionários que confiem nas ferramentas de inteligência artificial o suficiente para utilizá-las, supervisores que apoiem uma nova forma de medir o desempenho e fluxos de trabalho reformulados com base nas mudanças que a IA traz para sua operação de experiência do cliente.  

Pule essa camada e você terá uma implementação tecnicamente funcional, com baixa adoção e retornos ainda menores.

E os serviços financeiros podem estar fornecendo um dos nossos primeiros sinais mais claros. 

Cinco etapas para criar casos de uso de IA que geram valor 

Veja as cinco etapas para desenvolver seu caso de uso de inteligência artificial, que ajudarão você a trabalhar todas as camadas do iceberg e obter retornos crescentes sobre o investimento em IA.  

Etapa 1: Comece com experiências importantes  

Antes de considerar soluções ou recursos de inteligência artificial, identifique quais experiências do cliente causam o maior impacto no seu negócio, como integração de novos clientes, faturamento, sinistros, devoluções e agendamentos. Essas são as jornadas em que uma experiência positiva ou negativa influencia diretamente a fidelidade dos clientes e impacta a receita. Esses impactos conectam a experiência a um caso de negócio com uma métrica específica, como a taxa de resolução sem intervenção humana ou a retenção de clientes, que comprova o valor do caso de uso. Esta etapa mantém todo o esforço direcionado ao impacto nos negócios, em vez de focado na inovação tecnológica.  

Perez e Kusters ilustraram esse conceito com um exemplo real: uma operadora de telecomunicações que realiza mais de 1,5 milhão de interações por voz por mês identificou o faturamento como uma das experiências de maior impacto para o negócio —o tipo de jornada em que uma única interação negativa pode desfazer meses de construção da fidelidade do cliente.  

Etapa 2: Encontre o atrito 

Mapeie as experiências identificadas e descubra exatamente onde ocorrem as falhas. Percorra a jornada como um cliente faria: a fatura confusa, o bot que repete as mesmas perguntas frequentes genéricas em um ciclo sem fim, a necessidade de explicar tudo novamente a outro atendente e uma resolução que deixa o cliente em dúvida se ainda terá que pagar uma taxa por atraso. Cada momento de atrito é uma oportunidade de intervir e agregar valor.  

Forçar os clientes a repetir informações é um dos sinais mais claros de falha na orquestração. O relatório State of Customer Experience 2026 da Genesys constatou que 95% dos consumidores desejam que suas informações sejam transferidas entre os canais para não terem que se repetir; no entanto, 52% das empresas ainda não as repassam para um atendente humano. 

Ao mapear a jornada de faturamento da operadora de telecomunicações, o cenário foi o seguinte: o cliente recebe uma cobrança inesperada, busca atendimento por autoatendimento e fica preso em um ciclo de artigos genéricos, liga para a empresa e precisa explicar o problema desde o início, é transferido entre equipes e precisa recomeçar a cada atendimento e, por fim, recebe um protocolo sem clareza sobre a taxa por atraso. Cinco momentos, e pelo menos três deles são puro atrito. 

Etapa 3: Pratique a arte do possível 

Depois de encontrar o atrito, resista à vontade de pular direto para uma solução. Perez e Kusters recomendam uma técnica clássica para analisar o problema sob três perspectivas. O primeiro não tem restrições: sem orçamento definido, sem sistemas legados e sem limites. Em cada ponto de atrito ou momento da verdade na jornada do cliente, qual é o melhor cenário possível? Em seguida, faça uma segunda análise, deliberadamente crítica: onde estão os riscos reais, as preocupações com segurança e as limitações técnicas? A terceira análise adota uma abordagem equilibrada, otimista, mas realista. Essas três etapas evitam que você simplesmente adote o que sua equipe considera mais viável. 

Ao analisar a jornada de faturamento sob as três perspectivas, chegou-se a uma versão reformulada: o cliente recebe um alerta proativo antes que a cobrança se torne uma surpresa, um fluxo de autoatendimento guiado resolve os casos simples e, quando é necessário um atendente humano, ele já tem todo o contexto e pode solucionar o problema em um único contato.  

Etapa 4: Projete uma solução com base na sua visão 

Com uma visão clara do que é possível, defina em detalhes como você vai desenvolver a solução. Identifique os recursos tecnológicos e as funcionalidades da plataforma necessários, quais dados precisam estar disponíveis e quais métricas indicarão se o caso de uso está funcionando. Os KPIs do caso de uso geralmente diferem das métricas de negócios às quais eles atendem em última instância. Você precisará de ambos para saber se está funcionando. 

Para a jornada de faturamento, a visão se traduziu em casos de uso específicos, cada um com seus próprios KPIs: uma jornada de autoatendimento agêntico para aumentar a taxa de resolução sem intervenção humana, o direcionamento preditivo para melhorar a resolução no primeiro contato e o Genesys Cloud Agent Copilot para oferecer orientação em tempo real aos atendentes e aprimorar a experiência do cliente.

Etapa 5: Crie, teste e monitore 

É essencial garantir que você definiu um caso de uso que provocará mudanças positivas e proporcionará um valor que se acumula com o tempo. Portanto, antes de alocar recursos, avalie a prontidão do caso de uso em quatro dimensões:  

  • Ele atende claramente ao caso de negócio? 
  • É tecnicamente viável? 
  • Os dados necessários estão disponíveis? 
  • A organização está pronta para a mudança? 

Em seguida, comece em pequena escala, monitore os resultados constantemente e trate a IA implementada como algo que precisa de feedback contínuo e retreinamento, e não como um projeto que você conclui e deixa para trás. Um sistema de IA sem um ciclo de feedback perde a sincronia com os resultados que deveria proporcionar. Medir os KPIs em tempo real, analisar os sinais diariamente, identificar desvios semanalmente, realizar o retreinamento mensalmente e validar trimestralmente é o que mantém um sistema de IA em constante evolução, em vez de perder desempenho ao longo do tempo. Certifique-se de que os KPIs acompanhem tanto a solução técnica quanto o resultado de negócio que ela deve gerar. 

Ondas e efeitos cumulativos   

Um dos maiores erros em iniciativas de IA é não considerar o quanto uma única decisão de automação pode transformar o restante da operação. Introduza um recurso no centro de um fluxo de trabalho e ele gerará impactos em toda a operação, desde a lógica de direcionamento e as ferramentas dos atendentes até a governança de dados e a forma como o sucesso é medido.  

O instinto é tratar isso como um risco a ser gerenciado. Em vez disso, encare isso como um sinal de que você está fazendo as coisas certas. Perez e Kusters dão um conselho enfático: não apenas tolere essas ondas de impacto; provoque-as ativamente. Elas são o mecanismo por trás dos retornos cumulativos.  

Gerar esses impactos só traz resultados se você começar pelo caso de uso certo. É por isso que a verificação de prontidão na etapa 5 acima é tão importante. Seu caso de uso deve atender aos objetivos de negócio, ser tecnicamente viável, depender de dados que você já tenha disponíveis e contar com o apoio dos atendentes, supervisores e responsáveis pelos processos.  

Quanto mais casos de uso você implementar, maior será o impacto, pois os dados, a confiança e a infraestrutura dos casos de uso anteriores continuarão sendo aproveitados. Um único caso de uso bem planejado pode gerar valor por si só. Mas o valor se multiplica quando a IA deixa de ser uma solução pontual e passa a ser fundamental para a sua estratégia de CX.  

Adapte-se, lidere e dimensione   

A forma como você escala é tão importante quanto o ponto de partida, por isso, amplie a implementação de maneira planejada. Comprove o conceito com um projeto-piloto pequeno, submeta-o a testes rigorosos, amplie gradualmente e só avance para a produção completa quando os ciclos de feedback e as verificações de segurança estiverem implementados. É um caminho mais gradual do que as implementações de uma só vez que costumavam caracterizar a tecnologia dos contact centers, mas a IA se comporta de maneira diferente dos sistemas que vieram antes dela. É um caminho mais gradual do que as implementações de uma só vez que costumavam caracterizar a tecnologia dos contact centers, mas a IA se comporta de maneira diferente dos sistemas que vieram antes dela.  

Escalar o valor exige disciplina, assim como a metodologia de cinco etapas. Portanto, comece por uma experiência em que seus clientes sintam os atritos, vincule-a a um objetivo de negócio relevante para a liderança e faça de cada caso de uso uma oportunidade de validar o próximo. Essa é a diferença entre buscar recursos isolados e construir uma base voltada para a orquestração agêntica, na qual pessoas, IA, dados e ferramentas funcionam como um sistema unificado. As organizações que já estão obtendo um valor substancial não chegaram lá apenas implementando mais IA. Eles alinham suas iniciativas de IA — e suas pessoas, seus processos e a gestão da mudança — aos resultados que realmente importam.