Diretora de Clientes diz que a IA está a mudar os organogramas de experiência do cliente — e é por isso que está a transitar para um modelo de «unidade de serviço»

Sofia Barbosa é a Diretora de Clientes da BMC Software, uma empresa B2B que presta serviços a clientes com ambientes de TI complexos.

Falámos com Sofia para saber como está a implementar a IA — e como esta está a mudar o organograma da sua organização de experiência do cliente. Eis o que nos disse.

Liderar todo o ciclo de vida do cliente pós-venda

Sou Sofia Barbosa, Diretora de Clientes da BMC Software. Lidero a área de Clientes, uma organização unificada que reúne Serviços Profissionais, Apoio, Gestão do Sucesso do Cliente, Formação e Voz do Cliente.

Em conjunto, estas funções abrangem todo o ciclo de vida do cliente pós-venda, desde a implementação e capacitação até ao sucesso contínuo, à adoção e à defesa da marca.

Prestamos serviços a clientes B2B que operam alguns dos ambientes de TI mais complexos do mundo, o que significa que as nossas equipas trabalham através de uma vasta gama de canais e modelos de interação, desde relações estratégicas com contas que exigem um acompanhamento próximo até ao apoio dimensionado e de autoatendimento.

Porque é que a IA está a mudar os organogramas de experiência do cliente

A maioria dos organogramas de experiência do cliente atuais reflete décadas de complexidade acumulada: equipas especializadas, transferências restritas e processos que partem do princípio de que os seres humanos executam todas as etapas do trabalho. A IA põe em causa esse pressuposto, mas muitos líderes continuam a tentar integrar a IA na estrutura existente, em vez de questionarem qual deveria ser o aspeto da estrutura se esta fosse concebida de raiz, partindo do princípio de que a IA está disponível.

O meu conselho é esquecer deliberadamente o "estado atual" e concentrar-se no "estado futuro". Isso significa resistir à tentação de perguntar: "Como é que a IA se integra nas nossas equipas e processos atuais?" Em vez disso, pergunte: "Se construíssemos hoje esta organização de raiz, com capacidades de IA disponíveis, qual seria o seu aspeto?"

Na maioria dos casos, a resposta é mais simples do que aquilo que existe atualmente: menos estruturas isoladas, menos transferências e funções definidas pelos resultados, em vez de tarefas funcionais restritas.

Isto é difícil porque implica abandonar estruturas, títulos e processos construídos ao longo de anos, mas os líderes que redesenharem a organização em torno do "estado futuro", em vez de adaptarem o "estado atual", criarão estruturas organizacionais simultaneamente mais simples e mais capazes do que as originais.

Como é que a IA permite um modelo de «unidades de serviço»

A Sofia partilha

A responsabilidade está a passar de “qual é a equipa responsável por isto” para “qual é a unidade responsável pela experiência deste cliente de ponta a ponta,“, o que reduz gradualmente a atribuição de culpas e facilita a identificação dos casos em que a IA ajuda verdadeiramente, em contraste com aqueles em que as lacunas ainda exigem acompanhamento humano.

Ao longo do último ano, implementámos um modelo de "unidades de serviço" — uma reestruturação contínua para eliminar as estruturas isoladas entre serviços, apoio, CSM e formação, e integrar agentes de IA nesse mesmo organograma unificado, em vez de os tratar como uma ferramenta separada e acrescentada à posteriori.

O catalisador foram os agentes de IA, que passaram a assumir uma parte crescente das interações de rotina. Percebemos que, se a IA funcionasse fora da estrutura de equipas existente, criaria uma nova estrutura isolada — uma nova lacuna na transferência, em vez de eliminar as já existentes. Por isso, estamos a trabalhar para colocar os agentes de IA, o apoio, a CSM, os serviços e a formação sob uma liderança partilhada, com visibilidade comum sobre o histórico da conta, os problemas em aberto e o contexto do cliente.

Como resultado, nas áreas onde o modelo de unidades já está a ganhar forma, os clientes já não têm de voltar a explicar a sua situação através dos vários canais. O contexto acompanha-os, independentemente de ser a IA ou uma pessoa a responder primeiro.

Os agentes de IA também identificam padrões, como perguntas frequentes e pontos de fricção, em tempo real — permitindo-nos atualizar proativamente a formação e a documentação, em vez de o fazermos reativamente.

A responsabilidade está a passar de "qual é a equipa responsável por isto" para "qual é a unidade responsável pela experiência deste cliente de ponta a ponta", o que reduz gradualmente a atribuição de culpas e facilita a identificação dos casos em que a IA ajuda verdadeiramente, em contraste com aqueles em que as lacunas ainda exigem acompanhamento humano.

Um fluxo de trabalho de IA de ponta a ponta para formar os utilizadores

Um fluxo de trabalho integrado baseado em IA que utilizamos atualmente centra-se na criação de conteúdos e formação, e estamos agora a alargá-lo com um agente de adoção.

O fluxo de trabalho começa com dados brutos: interações com clientes, pedidos de suporte, dados de utilização do produto e notas de casos. A IA sintetiza estes dados para identificar perguntas comuns, pontos de fricção e lacunas na adoção de funcionalidades entre as contas.

A partir daí, a IA cria um primeiro rascunho do conteúdo relevante: módulos de formação, atualizações da documentação, histórias de sucesso ou materiais localizados/traduzidos, consoante as lacunas reveladas pela análise. Em seguida, uma pessoa revê e aperfeiçoa este resultado antes de o publicar ou de o integrar na nossa biblioteca de formação e capacitação.

As ferramentas utilizadas incluem o Salesforce Service Cloud, o Microsoft Copilot Studio, o Easygenerator, o EasyCoach e ferramentas de telemetria de produtos.

Estamos também a implementar um novo componente: um agente de adoção desenvolvido internamente em conjunto com o Copilot Studio. Este fecha o ciclo, permitindo que, em vez de nos limitarmos a criar conteúdos de formação e esperar que os clientes os encontrem e utilizem, o agente identifique proativamente quando um cliente ou utilizador não está a adotar uma funcionalidade ou um fluxo de trabalho conforme previsto e disponibilize diretamente a formação ou orientação relevante no momento em que é necessária.

O fluxo de trabalho integrado é o seguinte: sinais de dados → conteúdos/formação gerados por IA → revisão e aperfeiçoamento humanos → publicação → o agente de adoção associa o conteúdo certo ao cliente certo no momento certo, com base nas suas lacunas reais de utilização.

Ainda estamos numa fase inicial da implementação do agente de adoção, mas o nosso objetivo é transformar a criação de conteúdos, de uma transmissão unidirecional num sistema de circuito fechado, no qual a IA informa tanto a criação como a distribuição de conteúdos.

Como a IA gera ganhos de eficiência no CX

Quanto aos resultados que estamos a observar, a IA gerou ganhos significativos em escala e produção. Aproximadamente triplicámos o número de histórias de sucesso e observámos mudanças igualmente expressivas na automatização da documentação, na criação de cursos de formação/aprendizagem, nos conteúdos de vídeo e na tradução automática.

O esforço manual costumava criar estrangulamentos em tarefas como escrever histórias de clientes, localizar conteúdos ou criar módulos de formação. Atualmente, a IA cria um primeiro rascunho deste trabalho numa fração do tempo, permitindo às equipas produzir mais conteúdos para mais contas e em mais idiomas do que era anteriormente viável.

A divisão entre o trabalho da IA e o trabalho humano no CX

De um modo geral, a IA informa agora várias atividades de CX: a definição de prioridades do backlog, a análise de casos, o planeamento da adoção, a criação de histórias de sucesso e as revisões do valor concretizado. Em cada uma destas áreas, a IA sintetiza dados, identifica padrões entre casos, assinala contas em risco e cria os primeiros resultados, enquanto as pessoas reveem, aperfeiçoam e acrescentam o seu discernimento antes de qualquer elemento chegar ao cliente.

As atividades explicitamente humanas exigem contexto relacional ou discernimento estratégico: a gestão da relação com os defensores da marca, o tratamento de escalamentos com partes interessadas importantes e as conversas sobre a concretização de valor, nas quais o "porquê" subjacente a uma recomendação é tão importante como a própria recomendação. Nestas áreas, a IA não consegue reproduzir a confiança, o tom e o historial vivido da conta.

A divisão é simples: a IA reduz o tempo dedicado à análise e à criação de rascunhos, tarefas que anteriormente exigiam horas de pesquisa manual em casos, dados de utilização ou notas. Ao transferirmos este trabalho para a IA, libertamos tempo das nossas equipas para se concentrarem em atividades de maior valor.

Porque é que os projetos-piloto de IA têm de ser escaláveis desde o primeiro dia

Os desafios que tenho observado têm estado menos relacionados com a própria IA e mais com a expansão da prova de conceito para a produção. Muitos destes casos de utilização funcionaram bem em projetos-piloto ou em contextos de pequena escala, mas descobrimos que a sua transição para processos prontos para produção e repetíveis — com os controlos de qualidade adequados, integração nos fluxos de trabalho existentes e consistência entre equipas — era mais difícil do que as experiências iniciais tinham sugerido.

A diferença entre "isto funciona numa demonstração" e "isto está incorporado de forma fiável na nossa forma de trabalhar diariamente" tem sido o principal ponto de fricção.

Quando se trata de IA, a experimentação é o ponto de partida certo, e avançar sem esperar por uma certeza absoluta é fundamental. No entanto, diria às equipas que estão agora a começar que devem conceber para a escalabilidade e para a produção desde o início, mesmo enquanto ainda estão a experimentar.

Dessa forma, não ficarão presas a um modelo de POC, a executar piloto após piloto que comprova que um conceito funciona sem criar os processos subjacentes, as integrações e os controlos de qualidade necessários para o colocar em produção. Se não pensarem nesse percurso desde cedo, acabam com um cemitério de pilotos bem-sucedidos que nunca se transformaram numa verdadeira capacidade operacional.

Por isso, o meu conselho é manter a mentalidade de experimentação, mas associá-la desde o primeiro dia a uma visão clara do que a preparação para a produção exige, para que os pilotos tenham um caminho real a seguir em vez de se tornarem becos sem saída.

A Sofia partilha

Quando se trata de IA, a experimentação é o ponto de partida certo, e avançar sem esperar por uma certeza absoluta é fundamental…Por isso, o meu conselho é manter a mentalidade de experimentação, mas associá-la desde o primeiro dia a uma visão clara do que a preparação para a produção exige, para que os pilotos tenham um caminho real a seguir em vez de se tornarem becos sem saída.

Porque é que a IA não pode substituir a estratégia humana na experiência do cliente

A expectativa de que a IA pudesse aumentar a escala da cobertura de contas estratégicas da mesma forma que aumentou a escala da produção de conteúdos ou da documentação não se confirmou. As relações de grande envolvimento e elevado risco continuam a ser fundamentalmente orientadas por pessoas, com a IA a desempenhar um papel de apoio, e não de liderança.

Em vez disso, a IA trouxe eficiência a esse processo. Ajuda a preparar mais rapidamente conversas estratégicas, apresenta dados e contexto relevantes antes das reuniões e cria rascunhos de materiais que são depois desenvolvidos e apresentados por pessoas. É um acelerador da estratégia orientada por pessoas, não um substituto para esta.

Como a IA alterou as preferências de canais entre gerações

Uma suposição de longa data que a IA nos obrigou a reconsiderar dizia respeito às preferências de canais entre gerações: a ideia de que os clientes mais jovens optam por defeito pelo chat ou pelo autosserviço, enquanto os clientes mais velhos optam pelo telefone ou pelo e-mail, e de que devemos conceber experiências estritamente com base nessas diferenças geracionais.

Descobrimos que a IA esbateu essas diferenças mais do que o esperado, mas não as eliminou por completo. Em todas as gerações, os clientes tendem cada vez mais a escolher o canal que resolve o seu problema mais rapidamente.

Por exemplo, um cliente mais jovem pode pegar no telefone para tratar de algo complexo, enquanto um cliente mais velho pode utilizar tranquilamente um chat de IA para algo simples. No passado, teríamos partido do princípio oposto. A rapidez e a qualidade da resolução muitas vezes pesam agora mais do que o próprio canal.

Dito isto, também observámos que, para determinados clientes — frequentemente, embora não exclusivamente, nas gerações mais velhas — a necessidade de contacto humano não desapareceu. Isto é particularmente verdade no caso de problemas complexos, situações delicadas ou conversas orientadas para a relação, nas quais a tranquilidade e a confiança são tão importantes como a própria resposta. A IA não substituiu essa necessidade. Se alguma coisa mudou, foi o facto de ter tornado mais visíveis os casos em que a interação humana é realmente importante, porque a IA trata agora do maior volume de interações transacionais.

Por isso, em vez de abandonarmos completamente a perspetiva geracional, passámos de uma abordagem de “conceção por geração” para uma abordagem de “conceção por necessidade”. Utilizamos a IA para tratar interações de elevado volume e resolução rápida para todos, preservando e dando prioridade a percursos orientados por pessoas e de grande envolvimento para momentos complexos ou emocionalmente significativos, independentemente de quem esteja a fazer o pedido.

Porque é que os líderes da experiência do cliente têm de criar diferenciação com dados proprietários

O meu conselho para os líderes de CX é que se concentrem na diferenciação através dos vossos próprios dados. As capacidades genéricas de IA estão a tornar-se requisitos mínimos; todos os fornecedores e concorrentes têm acesso a modelos e ferramentas subjacentes semelhantes. A verdadeira diferenciação provém dos dados exclusivos que acumularam: interações com clientes, padrões de utilização, histórico de suporte, resultados alcançados e conhecimento institucional único do vosso negócio e das vossas relações com os clientes.

Os líderes que conseguirão destacar-se serão aqueles que tratarem esses dados como um ativo estratégico e os integrarem ativamente nas suas iniciativas de IA, em vez de dependerem de IA pronta a utilizar que produz os mesmos resultados genéricos que os outros obtêm. Isso significa investir desde já na qualidade, acessibilidade e integração dos dados, para que as ferramentas de IA trabalhem com o contexto completo das vossas relações com os clientes, em vez de padrões genéricos.

Não compitam por ter IA. Compitam pela forma como fundamentam a vossa IA nos dados e conhecimentos que só vocês possuem.

Acompanhe

Pode acompanhar o trabalho de Sofia Barbosa no LinkedIn.

Haverá mais entrevistas com especialistas no The CX Lead!