Os níveis de orquestração da experiência

Estamos no início de uma das transformações mais profundas da história dos negócios, impulsionada por uma nova geração de inteligência artificial (IA) generativa e agêntica. Essas tecnologias estão transformando a maneira como as empresas entregam experiências tanto para clientes quanto para colaboradores, ao viabilizar novos níveis de automação, ampliar capacidades, personalizar interações e otimizar processos.  

A orquestração da experiência com IA, que antes era apenas uma visão de usá-la para integrar sistemas e canais, está agora se tornando realidade. Neste artigo, mostramos como essa transformação vem acontecendo, destacamos seu potencial para o futuro e apresentamos os seis níveis de orquestração da experiência. Esse modelo de maturidade ajuda as empresas a entenderem onde estão hoje, visualizarem o que é possível alcançar e traçarem uma estratégia de crescimento com o apoio da IA.¹ 

Introdução 

O objetivo da orquestração da experiência é alcançar duas metas ao mesmo tempo: 

1. Reduzir o custo das operações. 
2. Aumentar a fidelidade do cliente para crescimento a longo prazo.

As empresas podem equilibrar melhor a troca entre a eficiência operacional e o oferecimento de experiências centradas nas pessoas. A estratégia certa de orquestração da experiência com IA possibilita as duas coisas. 

Ao coordenar dados, sistemas, canais e funções, a orquestração cria experiências mais eficazes, eficientes e emocionalmente inteligentes da perspectiva dos clientes e colaboradores. Com o avanço das inovações, nos aproximamos da orquestração universal, que vai além das interações com o cliente e abrange tanto o front office quanto o back office. Isso permite que as empresas reinventem o contact center, melhorem as experiências de clientes e colaboradores e repensem seus negócios por completo. 

Os níveis a seguir definem a curva de maturidade da orquestração da experiência, que vai do gerenciamento totalmente manual até a automação completa. Cada nível marca um avanço significativo na forma como a automação, a ampliação, a personalização e a otimização são aplicados e desbloqueia um novo valor comercial potencial na forma de maior eficiência, maior fidelidade do cliente e maior envolvimento dos colaboradores. 

Nível 0 – Orquestração zero 

As interações dos clientes são totalmente manuais, manipuladas por meio de sistemas básicos de telefonia sem ferramentas ou inteligência integradas. Os agentes humanos dependem de treinamento e documentação estática. Toda interação é reativa e inconsistente.

Não existe uma visão integrada do cliente nem coordenação de tarefas ou insights entre os sistemas. O atendimento ao cliente é tratado como uma necessidade operacional, e não como uma função estratégica, resultando em alto esforço, muito atrito e resultados insatisfatórios

• Automação: Nenhuma. Todas as tarefas, incluindo consultas de rotina, exigem envolvimento total do agente humano. 

• Ampliação: os agentes humanos trabalham sem o suporte do sistema. Não há criação de superfícies contextuais de dados nem suporte específico para tarefas. 

• Personalização: não existe personalização feita pelo sistema com base no perfil ou no histórico do cliente. 

• Otimização: o treinamento manual e os planos estáticos ainda predominam. Sem insights em tempo real, gerenciamento de qualidade ou automação de planejamento da força de trabalho. 

Nível 1 – Navegação baseada em menu 

Os sistemas de URA (unidade de resposta audível) fornecem automação básica com lógica de roteamento fixo e reconhecimento de voz limitado. Os clientes interagem por meio do teclado ou de menus de voz, geralmente para verificar o status ou encaminhar para um departamento. Embora isso reduza um pouco o volume de chamadas, as experiências permanecem impessoais e vinculadas à voz.  

Os agentes humanos ainda são necessários para a maioria das tarefas e dependem de um contexto de CRM limitado. O controle de qualidade é manual e retrospectivo. O sistema funciona, mas não se adapta

• Automação: a URA lida com solicitações de informações simples, como verificar o saldo de uma conta ou o status de um pedido, com base na entrada do teclado ou no reconhecimento de palavras-chave. A lógica é fixa e não adaptável. 

• Ampliação: os agentes humanos podem visualizar registros estáticos de clientes durante as interações, mas precisam procurar manualmente insights relevantes. 

• Personalização: o encaminhamento baseado nas habilidades e nas preferências de idioma são possíveis, mas as experiências permanecem, em grande parte, uniformes. 

• Otimização: a garantia de qualidade é baseada em registros de amostragem e a programação de agentes humanos é demorada e reativa. 

Nível 2 – Automação de diálogo predefinido 

A IA conversacional combina reconhecimento de voz automatizado (ASR), processamento da linguagem natural (NLP) e compreensão da linguagem natural (NLU) para interagir em vários canais de comunicação. As interações são regidas por regras predefinidas e diálogos roteirizados. Os modelos de IA preditiva são usados em casos específicos, como encaminhamento ou interação, mas ainda não foram aplicados de forma ampla para definir as melhores ações dentro de uma experiência completa. 

• Automação: a IA conversacional permite que os bots automatizem diálogos de rotina com os clientes em canais digitais e de voz (omnichannel), como rastreamento de pedidos, redefinição de senhas ou verificação de identidade. Os bots são rígidos e seguem fluxos predefinidos estruturados em torno de lógica com script e árvores de decisão fixas. 

• Ampliação: os agentes humanos começam a receber suporte contextual por meio de ferramentas que criam superfícies de conhecimento, e as próximas ações são sugeridas com base no contexto de CRM ou em acionadores de palavra-chave. 

• Personalização: a experiência do cliente permanece padronizada e não tem adaptabilidade ou personalização além das entradas estáticas. Os recursos básicos de gestão do engagement da força de trabalho são introduzidos e ajudam a alinhar as tarefas com as habilidades e a disponibilidade dos colaboradores. 

• Otimização: As experiências são otimizadas para encaminhamento, engajamento e previsão usando modelos especializados de IA preditiva. A análise de voz e de texto impulsiona os processos de garantia de qualidade. 

Nível 3 – Conversas geradas pelo sistema 

A IA generativa usa grandes modelos de linguagem (LMs) e arquiteturas baseadas em transformadores para produzir conteúdo dentro dos limites da sua configuração. A IA executa apenas as tarefas para as quais foi explicitamente projetada ou treinada, nem mais nem menos. Ela aprimora as experiências por meio da automação, ampliação, personalização e otimização, enquanto opera dentro de lógicas e fluxos de trabalho predefinidos.  

Esse nível de IA não raciocina nem toma decisões além do que foi instruído a fazer. Ela simplesmente executa sua programação com maior alcance e fluência. 

• Automação: os agentes virtuais orientados por IA automatizam interações mais amplas e complexas, como solução de problemas, status de pedidos ou consultas de produtos. Esses agentes virtuais parecem autônomos, mas funcionam apenas dentro dos fluxos de trabalho e regras predefinidos. Eles não raciocinam nem inferem além dos padrões definidos. Recursos como reconhecimento de intenção e o tratamento de perguntas frequentes permitem que eles lidem com cenários mais complexos, mas apenas dentro dos limites do seu treinamento e configuração. Os recursos de supervisor virtual ajudam a automatizar o monitoramento operacional, alertando os interessados com base em limites predefinidos ou sinais comportamentais. 

• Ampliação: os agentes copilotos aprimoram o desempenho humano ao apresentar insights relevantes, como sugerir a próxima melhor ação, gerar resumos ou recuperar artigos de conhecimento, mas sempre dentro das limitações de regras e modelos predefinidos. Os agentes copilotos respondem a sinais ou indicações reconhecidas na conversa, mas não se adaptam nem planejam além desses parâmetros. Os supervisores e administradores copilotos oferecem orientações e recomendações baseadas em critérios configurados, ajudando a ampliar o conhecimento sem ultrapassar os limites de decisão. 

• Personalização: a IA generativa pode personalizar as respostas usando segmentação estruturada, classificação de intenção e atributos definidos pela empresa. Ela personaliza com base nas informações fornecidas, utilizando dados do CRM, preferências conhecidas ou interações anteriores para gerar resultados alinhados a objetivos ou segmentos específicos do negócio. Embora o conteúdo pareça personalizado, ele é gerado dentro das diretrizes de uma lógica predefinida e de comportamentos configurados. Nesse nível, a personalização é poderosa, mas ainda vinculada ao que foi estruturado. 

• Otimização: a orquestração da jornada e o gerenciamento da experiência são aprimorados pela capacidade da IA de executar estratégias de otimização planejadas previamente. A previsão, a programação e o balanceamento da carga de trabalho se beneficiam de modelos preditivos que refinam continuamente as recomendações com base em dados históricos. Ainda assim, nesse nível, a IA não é adaptável. Ela realiza comportamentos previamente treinados e passa por retreinamentos periódicos feitos por humanos para se manter atualizada. A orquestração de tarefas, alertas e fluxos de trabalho no front office e no back office ainda responde de forma reativa às condições definidas, sem agir com raciocínio proativo. 

Nível 4 – Geração de experiências agênticas 

A IA evolui da execução simples para a solução inteligente de problemas. Os sistemas são configurados para objetivos específicos e usam o raciocínio, o planejamento e a memória para determinar a melhor forma de atingir as metas enquanto ainda operam dentro de limites claramente definidos.  

Esse nível traz a IA agêntica, que entende o contexto, planeja as etapas e ajusta as ações conforme as informações dinâmicas recebidas. No entanto, toda a execução permanece semiautônoma. A participação, aprovação e supervisão humanas continuam essenciais, garantindo alinhamento com a intenção e prevenindo excessos. 

• Automação: os agentes, supervisores e administradores virtuais agora executam tarefas transacionais complexas e sequências de decisão em domínios mais exigentes, como vendas, renovações e retenção. Eles determinam as etapas ideais dentro de um objetivo configurado, orientado por diretrizes e requisitos de aprovação definidos. Esses sistemas podem fazer referência e seguir conteúdo estruturado, como procedimentos operacionais padrão (standard operating procedures, SOPs), artigos de conhecimento ou documentos de instrução para executar tarefas de forma precisa e consistente. A execução assíncrona está se tornando mais comum, permitindo que as tarefas progridam em segundo plano enquanto os clientes ou colaboradores realizam outros trabalhos. O agente virtual notificará o usuário quando as tarefas forem concluídas ou precisarem de interferência, mantendo a transparência e o controle humano. 

• Ampliação: os copilotos estão cada vez mais proativos, apresentando sugestões inteligentes a agentes, supervisores e administradores e oferecendo-se para executá-las depois de aprovadas. Isso inclui a atualização de registros, a identificação de riscos, a simplificação de processos e a tradução da comunicação em tempo real. Esses copilotos também fornecem sinais em tempo real para ajudar a orientar os usuários humanos, destacando as etapas perdidas, sugerindo dicas de conformidade ou lembrando-os do contexto principal de uma maneira favorável e não intrusiva. Em vez de assumir o controle, eles ajudam as pessoas a ter um desempenho melhor por meio de estímulos sutis e contextuais. Embora analisem entradas complexas e adaptem suas sugestões, elas nunca agem de forma autônoma, preservando a autoridade da decisão humana. 

• Personalização: a personalização se torna mais estratégica e orientada por dados. Os sistemas de IA usam memória interna, perfis de clientes, interações anteriores e dicas contextuais para determinar quais respostas ou fluxos de trabalho melhor se alinham com o perfil do cliente. Isso envolve o uso de segmentos definidos pela empresa, histórico de transações e regras configuradas. Os agentes humanos recebem suporte que se adapta à complexidade do cenário, com sugestões baseadas em diretrizes estratégicas personalizadas, e não em fluxos de trabalho genéricos. No entanto, toda a personalização continua operando dentro dos limites das configurações da empresa, sem improvisação fora dos limites definidos. 

• Otimização: a orquestração agora aproveita o contexto dinâmico para melhorar os fluxos de experiência entre os sistemas. Os componentes de IA funcionam de forma semiautônoma para identificar caminhos melhores e resoluções mais eficientes, exigindo menos configuração manual, mas operando dentro de restrições predefinidas. Recursos como detecção de anomalias, reconhecimento de padrões e tomada de decisões baseadas em memória ajudam a identificar falhas e a escalonar processos quando necessário. Em casos que exigem discrição ou interpretação de políticas, como aprovações de hipotecas ou ajustes financeiros, a IA apoia sua equipe ao preparar o contexto da decisão, mas a ação final permanece com um humano. 

Nível 5 – Orquestração agêntica universal 

A IA atinge um estado de autonomia orientada por metas, capaz de planejar, decidir e executar independentemente com base em objetivos definidos por partes interessadas humanas. Agentes, supervisores e administradores virtuais não são mais restritos por fluxos de trabalho fixos ou execução de tarefas lineares. Eles geram dinamicamente novas estratégias e coordenam ações de forma adaptativa na busca por resultados de negócios, guiados por metas gerais em vez de conjuntos rígidos de instruções.  

Esse é o ápice da maturidade da orquestração, em que a IA faz a transição da automação reativa para o gerenciamento de experiências colaborativo e autodirigido. 

Os sistemas de IA combinam LLMs com memória, planejamento e raciocínio, aprimorados por ciclos contínuos de feedback. As experiências não são mais isoladas ou transacionais, mas se tornam fluidas, adaptáveis e inteligentes em todos os ecossistemas.  

Entidades de IA interagem diretamente entre si, compartilhando metas, trocando contextos e delegando responsabilidades, permitindo uma orquestração distribuída entre sistemas internos e parceiros externos. O envolvimento humano se torna estratégico e intencional, focado em supervisão, governança e decisões complexas que se beneficiam de empatia, criatividade ou julgamento. 

• Automação: agentes, supervisores e administradores virtuais iniciam, executam e concluem tarefas de forma autônoma de ponta a ponta. Os sistemas interpretam as metas organizacionais e os dados contextuais para determinar o caminho ideal sem depender de scripts predefinidos ou intervenção manual. A propriedade e a transferência de tarefas ocorrem dinamicamente entre agentes inteligentes, com decisões tomadas de forma cooperativa entre funções e domínios. À medida que os sistemas buscam metas compartilhadas, eles alinham decisões entre departamentos, canais e até mesmo redes de parceiros, executando ações em escala e em harmonia. A maior parte das demandas operacionais, tanto para o cliente quanto para o back office, é atendida automaticamente por meio de uma colaboração inteligente entre vários agentes. 

• Ampliação: embora a IA manipule a maioria das tarefas de forma independente, os seres humanos permanecem essenciais para supervisão, política e julgamento estratégico. Os copilotos apresentam proativamente os resultados, resumem as ações realizadas e os disponibilizam para auditoria ou intervenção. Em outros cenários, os copilotos antecipam as necessidades e se oferecem para concluir tarefas, aprender com padrões de aprovação e expandir seu escopo de suporte. É importante destacar que copilotos e agentes autônomos trabalham em conjunto, compartilhando insights e decisões intermediárias de forma fluida para ajudar as pessoas envolvidas a aumentar a eficiência. Os colaboradores aproveitam uma inteligência orquestrada que se ajusta às suas funções, contexto e rotina de trabalho, aumentando sua contribuição em tarefas que envolvem decisões de grande impacto. 

• Personalização: as experiências são organizadas por administradores, supervisores e agentes virtuais, cada um contribuindo com perspectivas, contexto e funções exclusivas. Esses sistemas inteligentes utilizam interações anteriores, conhecimento empresarial e sinais comportamentais em evolução para personalizar experiências em tempo real. A personalização é dinâmica e compartilhada, não se baseia apenas em um sistema, mas é aprimorada coletivamente por atores com IA que coordenam seu entendimento das metas, preferências e do andamento da jornada do cliente. Seja dentro de uma única marca ou entre ecossistemas, os agentes virtuais sincronizam suas respostas e decisões para ajudar a oferecer continuidade, relevância e alinhamento de intenção em cada ponto de contato. 

• Otimização: a otimização se torna autônoma, distribuída e focada em metas. Cada sistema orientado por IA contribui para a melhoria do desempenho, não isoladamente, mas como parte de uma rede de aprendizagem contínua e colaborativa. Eles aprimoram fluxos de trabalho e modelos de decisão com base em ciclos de feedback compartilhados, dados de desempenho e métricas de alcance de objetivos. A lógica de orquestração se adapta de forma fluida às prioridades organizacionais em constante mudança, e os agentes orientados por IA trabalham juntos para realocar esforços, reequilibrar estratégias e melhorar os resultados em escala. Isso cria uma camada de inteligência autossustentável, em que a orquestração evolui junto com o ambiente, sem depender de configurações manuais ou retreinamento. 

O modelo de maturidade da orquestração da experiência mostra como as empresas podem avançar de operações totalmente manuais para sistemas inteligentes, orientados por IA, capazes de gerenciar e aprimorar de forma autônoma as experiências de clientes e colaboradores. Cada nível reflete um salto significativo na capacidade de IA e o valor potencial que ela pode oferecer, começando com a automação de tarefas isoladas e culminando em sistemas que podem planejar, justificar e agir em busca de metas empresariais. 

À medida que as empresas desenvolvem sua orquestração da experiência, elas costumam atuar em vários níveis ao mesmo tempo, dependendo das prioridades do negócio, dos segmentos de clientes, das limitações operacionais e dos fatores de risco. Algumas experiências permanecerão altamente estruturadas e supervisionadas pelo ser humano, enquanto outras se beneficiarão do aumento da autonomia e da autodireção. 

De maneira essencial, o avanço rumo à maturidade também passa pela colaboração crescente entre sistemas inteligentes e agentes com IA, que trabalham juntos para resolver tarefas complexas, compartilhar contextos e se ajustar dinamicamente ao longo das jornadas. Esses agentes interligados, sejam de suporte ao cliente, supervisores ou administradores, criam a base para uma empresa escalável e flexível. Nesse modelo, a inteligência não fica mais restrita a um único sistema ou interação. Ela se torna um recurso distribuído, capaz de aprender, compartilhar e melhorar em todo o cenário de experiência continuamente. 

Conclusão 

Os níveis de orquestração de experiência fornecem um modelo de maturidade estruturado para ajudar as empresas a navegar por sua jornada de transformação. Acreditamos que a maioria das empresas opere hoje nos níveis 1 ou 2. No entanto, o caminho a seguir é claro e está em processo de aceleração.  

As empresas que investem em orquestração agêntica estarão preparadas para liberar um valor potencialmente exponencial, com mais automação e escala, colaboradores mais capacitados e maior lealdade dos clientes. 

Onde sua empresa opera hoje? O que seria necessário para subir um nível?  

A Genesys está aqui para ajudar você a definir esse caminho e dar o próximo passo rumo a experiências orquestradas e emocionalmente inteligentes em escala. 

¹ Este é um documento de discussão, não um roteiro do produto. A Genesys não se compromete a oferecer nenhum recurso descrito neste documento. 

Este artigo foi publicado originalmente em 14 de maio de 2024 e foi atualizado.  

Autores: