O que automatizar primeiro no atendimento: os 4 filtros que aplicamos em todo diagnóstico

A conversa com quem quer automatizar o atendimento quase sempre começa pela ferramenta. Qual plataforma usar, quanto custa, se conecta com o WhatsApp. São perguntas legítimas, mas fora de ordem: ferramenta se escolhe depois de saber o que automatizar — e a maioria das empresas ainda não sabe, porque nunca mediu o próprio atendimento.

O método abaixo é o que aplicamos nos diagnósticos da Cordexo antes de propor qualquer automação. Cabe numa semana de observação e uma tarde de análise, não exige contratar ninguém e funciona igual para uma loja, uma clínica ou um escritório de serviços. São quatro filtros, aplicados nesta ordem.

Filtro 1 — Volume: conte antes de opinar

Todo dono de empresa tem uma intuição sobre o que mais chega no atendimento. Essa intuição costuma estar errada, porque a memória guarda os casos difíceis, e os casos difíceis raramente são os mais frequentes.

O exercício é simples: pegue uma semana de conversas do WhatsApp da empresa e classifique cada mensagem recebida em categorias amplas. Não precisa de software — uma planilha com uma linha por conversa e uma coluna de categoria resolve. Imagine uma loja de autopeças que recebe 300 mensagens por semana: ao classificar, descobre que quase metade é variação de "tem essa peça para esse carro?" e outra fatia grande é "qual o status do meu pedido?". As duas categorias juntas dominam o volume, e nenhuma delas era a que o dono citaria de cabeça.

O resultado do filtro 1 é uma lista de categorias ordenada por frequência. Só as do topo seguem para o próximo filtro — automatizar o que acontece duas vezes por mês não paga o esforço.

Filtro 2 — Regra ou julgamento: a resposta cabe num papel?

Para cada categoria de alto volume, a pergunta do segundo filtro: a resposta correta depende de uma regra que dá para escrever, ou depende de alguém avaliar o contexto?

Status de pedido é regra: existe um dado, ele é consultado, ele é informado. Horário de funcionamento, política de troca, disponibilidade de agenda — tudo regra. Já uma negociação de desconto, uma reclamação de cliente antigo ou um pedido fora do padrão exigem julgamento: a resposta certa muda conforme quem pergunta e o histórico da relação.

A IA atual lida com nuance muito melhor do que os bots de menu de dez anos atrás, e a fronteira entre regra e julgamento ficou mais elástica. Mas a distinção continua útil porque ela alimenta o filtro seguinte: errar numa categoria de regra é raro e barato; errar numa categoria de julgamento é mais provável e mais caro.

Filtro 3 — Custo do erro: o que acontece se a resposta sair errada?

Este é o filtro que quase ninguém aplica, e é o que separa automação bem dimensionada de dor de cabeça. Para cada categoria que passou nos dois primeiros, simule o pior caso: a automação respondeu errado. Qual o dano?

Informar horário de funcionamento desatualizado irrita um cliente e se corrige com um pedido de desculpas. Confirmar um agendamento que não existia numa clínica derruba a confiança no canal inteiro — o paciente apareceu, a agenda não tinha o horário, e a recepção passou a conferir manualmente tudo o que o sistema dizia, o que anula o ganho da automação.

Categorias com custo de erro alto não entram na primeira onda, mesmo com volume alto e regra clara. Ou entram em modo supervisionado: a IA prepara a resposta, um humano aprova antes do envio. É mais lento, mas constrói o histórico de acerto que justifica soltar a supervisão depois.

Filtro 4 — Medição: dá para saber se funcionou?

Automação sem medição vira opinião. Antes de automatizar uma categoria, defina como o resultado será verificado: tempo até a primeira resposta, taxa de conversas resolvidas sem intervenção humana, quantas conversas escalaram para uma pessoa e por quê.

Esse filtro também expõe um problema anterior à automação: onde mora a informação necessária para responder. Se o status do pedido está num sistema com API, a categoria passa. Se está na cabeça do sócio ou numa planilha que ninguém atualiza desde março, a categoria reprova — por enquanto. Primeiro se organiza a fonte de dado, depois se automatiza a consulta. Inverter essa ordem produz um robô que responde rápido e errado.

Montando a fila

Cruzados os quatro filtros, a priorização sai quase sozinha. O que passa nos quatro forma a primeira onda: alto volume, regra clara, erro barato, resultado mensurável. O que passa em volume e regra mas carrega custo de erro alto forma a segunda onda, em modo supervisionado. O que depende de julgamento continua humano — e a automação ajuda indiretamente, tirando da frente o volume repetitivo para sobrar tempo de qualidade para esses casos.

Na prática, a primeira onda costuma cobrir poucas categorias — duas ou três. Isso não é timidez, é método: cada categoria automatizada com acerto constrói a confiança interna que sustenta a próxima. O caminho inverso, ligar tudo de uma vez, gasta essa confiança no primeiro erro visível.

A ferramenta entra no final do processo, dimensionada para o problema que os filtros revelaram. Às vezes o diagnóstico mostra que um fluxo simples resolve a primeira onda inteira, e o orçamento que iria para a plataforma cara fica para a fase em que ela se justifica. Escolher a ferramenta antes do diagnóstico produz o cenário mais comum de frustração com automação: um robô que responde, com velocidade impressionante, as perguntas que ninguém faz.