O debate sobre retorno sobre investimento (ROI) de inteligência artificial em atendimento ao cliente está mudando de pergunta. A cobertura do theCUBE (abre em nova aba) para o The AI ROI in Contact Center Summit, evento realizado em outubro de 2026, deixa isso claro: a questão não é mais quanto a IA acelera o atendimento, e sim se ela resolve o problema do cliente. A diferença entre as duas coisas parece pequena no papel. Na prática, redefine como times técnicos medem sucesso, desenham handoffs e justificam investimentos.
Bob Laliberte, do theCUBE Research, resumiu por que o contact center virou o terreno de teste mais exigente para IA generativa e agêntica: volumes grandes de interação, custos trabalhistas significativos e momentos diretos de verdade com o cliente. Uma interação de IA mal executada não é apenas ineficiente; ela aumenta o esforço do cliente, corrói confiança e prejudica a marca. Esse é o pano de fundo dos três insights que emergiram das conversas do evento, que incluíram Zeus Kerravala, analista principal e fundador da ZK Research, além de executivos de Talkdesk, Cisco, Five9 e Zoom.
Primeiro insight: as métricas históricas deixaram de responder a pergunta certa
Kerravala colocou o dedo na ferida que muitos times de operação conhecem, mas raramente verbalizam: a indústria historicamente mede sucesso por tempo médio de atendimento (average handle time, ou AHT) e resolução no primeiro contato (first-call resolution, FCR). Ambas são métricas de processo, não de resultado. Um atendimento curto com problema não resolvido pontua bem em AHT e mal na vida real do cliente.
A pergunta dele, feita durante a cobertura, é simples de enunciar e difícil de instrumentar: uma chamada mais curta é boa se o problema continua aberto? Para times técnicos, isso implica uma mudança concreta de arquitetura de medição. AHT e FCR são fáceis de coletar porque observam eventos fechados dentro de um único canal. Medir resolução de fato exige persistir contexto entre sessões, entre canais e entre agentes, humanos ou não.
Ram Rajagopalan, responsável pelo produto de IA para o Zoom CX na Zoom (abre em nova aba), propôs uma métrica alternativa: conversation to completion, ou da conversa até a conclusão. O detalhe que interessa a engenheiros está no handoff. Na visão dele, quando um agente de IA transfere o atendimento para uma pessoa, a transferência precisa carregar o contexto completo da conversa e todas as variáveis já coletadas. Um handoff que obriga o cliente a repetir-se falha justamente na transição que a métrica nova tenta capturar. Não adianta trocar o indicador sem arrumar o encanamento de contexto que o sustenta.
Segundo insight: preencher um slot não é ser agêntico
A segunda ideia da cobertura ataca um termo inflacionado. Vinod Muthukrishnan, vice-presidente e gerente geral de experiência do cliente Webex na Cisco (abre em nova aba), foi direto: um agente de IA que apenas preenche um campo ou executa uma transação pontual não é agêntico. A distinção importa porque boa parte do que o mercado vende como "agentes de IA" é, na prática, automação de tarefas isoladas, parecida com árvores de decisão disfarçadas de conversa.
O AI Concierge da Cisco, descrito por Muthukrishnan, busca o que ele chamou de contexto conversacional contínuo: manter o fio da interação ao longo do tempo, em vez de tratar cada pedido como um evento desconectado. Para quem projeta esses sistemas, a diferença é técnica antes de ser filosófica. Um sistema que mantém estado conversacional precisa de memória estruturada, gerenciamento de sessão que sobrevive a mudanças de canal e uma camada de decisão que escolhe ações com base no histórico, não só na última mensagem.
A mesma lógica aparece na proposta de Pedro Andrade, vice-presidente de IA da Talkdesk (abre em nova aba). Ele definiu Customer Experience Automation (CXA) como um modelo operacional que coordena uma força de trabalho híbrida, formada por funcionários de IA e humanos. A palavra-chave é coordenação. No modelo descrito, o agente de IA não substitui o atendente; os dois operam sob uma mesma orquestração, com papéis definidos e transferências instrumentadas.
Isso sugere um deslocamento no perfil do trabalho técnico desses times. Quem constrói contact centers com IA passa a desenhar menos chatbots isolados e mais pipelines de orquestração: roteamento que decide quem atende, preservação de contexto na transferência e escalation criteriosa para humanos. O sistema deixa de ser um produto pontual e vira uma malha de decisão distribuída.
Terceiro insight: quem implanta e quem usa discordam, e muito
Talvez o dado mais desconfortável da cobertura tenha vindo de Amit Mathradas, CEO da Five9 (abre em nova aba). Ele citou uma pesquisa segundo a qual 99% dos profissionais de negócios que implantam IA consideram que o contact center melhorou, mas apenas 66% dos usuários concordam. Mais de metade dos clientes dizem que querem falar com um humano e não conseguem.
A distância entre 99% e 66% é grande em qualquer leitura, e ela tem leituras distintas que continuam plausíveis. Uma é a mais óbvia: há viés de autoavaliação em quem patrocinou a implantação, e a experiência real do cliente piorou em casos concretos. Outra interpretação, menos pessimista, é que os usuários avaliam a experiência por critérios diferentes dos adotados pelas empresas, como a possibilidade de escolher atendimento humano, mesmo quando o resultado do canal automatizado seria equivalente. A evidência citada não permite separar as duas explicações, e talvez ambas operem ao mesmo tempo, em proporções que variam por caso.
O dado também conecta com a observação de Laliberte sobre confiança e marca. Se mais da metade dos clientes quer um humano e não encontra, a economia de custo obtida com IA convive com um passivo de esforço acumulado. Em operações com receita sensível à retenção, esse passivo pode consumir a margem que o projeto prometia gerar. ROI, aqui, deixa de ser uma conta simples de deflexão de chamadas e passa a exigir modelagem com churn, esforço do cliente e valor de ciclo de vida.
O que isso significa para quem constrói
Juntando os três fios, a mensagem técnica do evento é razoavelmente coerente entre falantes de fornecedores concorrentes, o que não deixa de ser significativo. O modelo de avaliação baseado em velocidade e deflexão está esgotado como critério único de sucesso. O substituto plausível mede resolução fim a fim, com contexto persistido entre agentes e humanos, e com validação do lado de quem usa, não só de quem implanta.
Para equipes de desenvolvimento, isso se traduz em exigências concretas:
- Persistir contexto conversacional em handoffs, incluindo variáveis coletadas, histórico de tentativas e estado do problema.
- Instrumentar conversation to completion antes de otimizar AHT, aceitando que a métrica nova é mais difícil de coletar.
- Tratar a decisão de escalar para humanos como parte central do design, não como exceção, já que a demanda reprimida por atendimento humano é mensurável.
- Avaliar resultados com métricas coletadas junto aos usuários, separadas da autoavaliação da equipe de implantação.
- Distinguir automação de tarefas pontuais de arquitetura agêntica de verdade, com memória e decisões sobre histórico.
Há uma ressalva honesta a fazer. Boa parte das propostas apresentadas no evento vem de fornecedores com interesse comercial direto nesse reposicionamento, e a cobertura do theCUBE foi feita sob contrato de parceria de mídia, embora os patrocinadores, segundo a própria publicação, não tenham controle editorial. As direções apontadas são plausíveis e coerentes entre si, mas cada número citado merece a pergunta padrão de diligência: medido por quem, em que amostra, com que método. O insight central, porém, não depende do fornecedor que o enuncia: métricas de processo contam o quanto o sistema trabalhou, não o quanto o cliente foi ajudado. A brecha entre as duas coisas, de 99% para 66%, é o argumento mais forte para redesenhar a medição. E talvez seja essa a conclusão que o evento deixa sem declarar: o ROI da IA em contact center será o que as métricas de resultado permitirem ver, não o que as de velocidade quiserem mostrar.
Perguntas frequentes
Quais foram os três insights da cobertura do theCUBE sobre o The AI ROI in Contact Center Summit?
Os três insights foram: a necessidade de substituir métricas de velocidade de atendimento por métricas de resolução efetiva; a definição de arquitetura agêntica como coordenação híbrida entre IA e humanos com contexto contínuo; e a distância entre a percepção de melhoria de quem implanta IA (99%) e a dos usuários (66%).
O que é a métrica "conversation to completion" citada no evento?
É uma métrica proposta por Ram Rajagopalan, do Zoom CX, que mede se a conversa levou o problema do cliente até a conclusão, em vez de medir apenas duração da chamada ou resolução no primeiro contato. Ela depende de handoffs que transfiram todo o contexto e as variáveis coletadas.
Segundo a pesquisa citada pela Five9, os clientes estão satisfeitos com IA em atendimento?
Parcialmente. A pesquisa citada pelo CEO da Five9 indica que 66% dos usuários consideram que o contact center melhorou, contra 99% dos profissionais que implantaram IA. Além disso, mais de metade dos clientes relatam querer atendimento humano e não conseguir.
Por que preencher um campo ou concluir uma transação não é considerado comportamento agêntico?
Para Vinod Muthukrishnan, da Cisco, agenticidade exige contexto conversacional contínuo e decisões baseadas em histórico, não apenas a execução de tarefas pontuais isoladas. Um sistema que só preenche slots opera como automação de tarefas, sem a memória e a coordenação de um agente.