A maior lacuna na implementação de agentes de IA para a experiência do cliente — aquela com que todos os fornecedores se debatem e que o mercado de médias empresas sente de forma mais aguda — é a lacuna de operacionalização: a distância entre adquirir uma solução de experiência do cliente baseada em agentes e conseguir que esta funcione de forma fiável com os seus clientes, os seus produtos e os seus casos extremos, sem que seja necessária uma equipa dedicada a supervisioná-la.

Eis porque é que isto afeta mais fortemente o mercado médio. Todos os fornecedores, em todos os níveis, fazem demonstrações fantásticas. Um potencial cliente empresarial vê essa demonstração, adquire o produto e, em seguida, mobiliza uma equipa de implementação de 6 pessoas, alguns especialistas do fornecedor e um parceiro de integração de sistemas durante 4 meses para introduzir dados, ajustar as respostas, criar mecanismos de segurança, configurar integrações e lidar com os 200 casos extremos que os clientes reais apresentam. As empresas do mercado médio não conseguem fazer isso. Têm talvez um técnico de operações e um responsável pela experiência do cliente que também gere 30 agentes. Precisam que o sistema funcione — não numa demonstração, nem após um contrato de serviços profissionais de 150 mil dólares — mas em poucos dias, com a base de conhecimento desorganizada que já possuem.

Isto traduz-se em três pontos críticos específicos que ainda ninguém conseguiu resolver. Em primeiro lugar, a integração do conhecimento — como fazer com que a IA compreenda efetivamente o seu negócio específico sem um projeto de engenharia de dados? A maioria das soluções ainda requer a curadoria manual de bases de conhecimento, a importação de FAQs estruturadas ou longos períodos de «treino». Em segundo lugar, a manutenção contínua da precisão — os produtos mudam, as políticas são atualizadas, surgem casos extremos. Quem mantém a IA atualizada quando não se tem uma equipa dedicada a operações de IA? Terceiro, calibração da confiança — os líderes do mercado médio precisam de compreender quando é que a IA irá lidar com as coisas de forma autónoma, em vez de «em breve teremos mais alguns casos de uso testados e partiremos daí…». Clareza.

Agora, pode sentir-se tentado a dizer «facilidade de utilização» ou «configuração simples» — e esses aspetos estão relacionados, mas são requisitos básicos, não fatores diferenciadores. A Zendesk e a Intercom já dominam o discurso da «fácil configuração». A perceção mais profunda é que a facilidade de configuração é diferente da facilidade de operacionalização. Pode ter um chatbot ativo em 10 minutos que dá respostas erradas em 30% das vezes e que encaminha para um agente humano 50% dos casos que não são o seu percurso ideal.
Isso é configuração fácil, operacionalização terrível.

A Glassix está a apresentar uma «experiência do cliente (CX) baseada em agentes que funciona efetivamente em produção para o mercado médio — sem precisar de um exército por trás», e essa é uma lacuna que nenhuma das quatro camadas de fornecedores conseguiu preencher: os fornecedoresde modelos de base operam a um nível demasiado básico. As plataformas de automação não compreendem a CX. Os fornecedores de sistemas operativos baseados em agentes estão focados em conquistar logótipos de grandes empresas. E os gigantes estabelecidos da CX estão a integrar a IA em arquiteturas legadas que não foram concebidas para um funcionamento autónomo.

E se pudesse — em poucos dias — criar uma equipa de agentes de atendimento ao cliente que compreenda o seu negócio, fale a sua linguagem empresarial e continue a fazê-lo à medida que o seu negócio evolui? E não, não precisa de encomendar tabuleiros de pizza para um exército de engenheiros de implementação — porque não são necessários (nem os engenheiros, nem as pizzas).