Por meio de tecnologias cognitivas e de machine learning, IA está mudando paradigma da experiência do usuário e rompendo antigos padrões de consumo.
O impacto da Inteligência Artificial (IA) está cada vez mais evidente na economia mundial, na transformação digital das empresas e na sociedade. O uso inteligente de dados está modificando padrões de negócios, reduzindo custos operacionais e também alterando o antigo modelo de consumo, reinventando assim o conceito da experiência do usuário. Segundo o Gartner, a Inteligência Artificial será a classe mais disruptiva de tecnologias dos próximos 10 anos. Ao coletar, interpretar e correlacionar grandes volumes de dados, a IA decifra o comportamento dos usuários e identifica padrões de consumo.
Na prática, esses dados direcionam as preferências dos consumidores para determinados produtos ou serviço. Assim, as empresas conseguem mapear e engajar diferentes perfis e personas. É a chamada personalização do conteúdo, que tem sido cada vez mais utilizada por empresas como Spotify, Netflix, Uber, iFood, entre outras. Os mecanismos de recomendação, compostos por modelos de machine learning, têm o propósito de sugerir o conteúdo mais assertivo possível. Dessa forma, o usuário encontra rapidamente o filme, série, música ou restaurante desejado, com mais objetividade.
Essas facilidades são exemplos da mudança do padrão de consumo: há alguns anos, o usuário não conseguia assistir sua série ou filme favorito quando quisesse, por exemplo; ele tinha que esperar o horário em que o conteúdo seria exibido na TV. Hoje, não mais: a personalização (ou customização) tornou-se um elemento chave para empresas que querem proporcionar uma melhor experiência ao usuário. Ou seja, a forma de se relacionar com o cliente está mudando.
Neste novo cenário do consumo, tanto a personalização como a excelência no atendimento são fatores primordiais para empresas que querem ampliar o alcance de seus negócios. No entanto, apesar da estratégia de IA ser um passo importante dentro das companhias, cerca de 87% delas ainda têm baixa maturidade no assunto. Além disso, o IDC estima que 70% das iniciativas de transformação digital irão falhar. Como então garantir que o projeto de IA na estratégia digital irá trazer resultados?
Uma solução para este dilema é a homogeneização dos touchpoints, ou seja, a preocupação em “falar a mesma língua” do cliente, independentemente do canal em que a comunicação é feita. Para isso, a tecnologia cognitiva e a automação podem colaborar: além da personalização do atendimento e da busca por essa linguagem homogênea, é possível reduzir custos em projetos de curto e de longo prazo.
Tecnologias cognitivas como RPA (Robotic Process Automation), interpretação de linguagem natural (NLU) e engines de conversação (chatbots), podem executar tarefas consideradas simples dentro das empresas. Porém, quando essas tarefas são executadas em grande escala, acabam poupando um grande número de horas das equipes.
O chatbot há alguns anos virou um hype, já que pode ser utilizado por empresas de qualquer segmento.
Estudos do Gartner apontam que:
Outro instituto renomado, a Allied Market Research, diz que só o mercado de chatbots para BFSI – bancos, serviços financeiros e seguros, está projetado para crescer quase 30% anualmente até 2024.
Já a Juniper Research aponta que, além de uma economia de cerca de US$ 8 bilhões até 2022, os chatbots serão responsáveis, apenas no mercado varejista, por 22 bilhões de interações e um resultado aproximado de US$ 112 bilhões até 2023 – uma taxa de crescimento anual de 98%.
Mas, como fazer um roadmap dessa tecnologia para que ela, de fato, traga resultados?
Um dos principais cuidados ao implementar esse tipo de projeto é ter uma estratégia granular, pensar em um roadmap de projetos e resultados estratégicos com entregas a curto, médio e longo prazo. É aconselhável dar início ao projeto com pilotos e MVP’s, com uma quantidade de funcionalidades menor e voltado para um público-alvo limitado, analisando as métricas e colhendo feedbacks. Um dos grandes erros das empresas é lançar um chatbot e oferecer ao usuário uma experiência ruim, o que pode queimar este canal. Por isso, durante os primeiros três ou quatro meses é necessário pensar nesse roadmap, dosar os passos, adaptar-se a situações, errar e estar pronto para corrigir os erros quando necessário.
Entre os exemplos de sucesso que posso citar com propriedade está o chatbot feito para a Smiles, que foi a primeira empresa a emitir passagens para voos nacionais e internacionais por meio de milhas, através de um bot no Facebook Messenger. Conforme os usuários foram interagindo com o bot, os dados foram sendo coletados e aos poucos, novas funcionalidades inseridas no projeto. Em breve, a companhia pretende ampliar as funcionalidades e oferecer, através do chatbot, assinatura do Clube Smiles, solicitar crédito retroativo de voos Gol e reset de senha.
A experiência do Bradesco com a BIA (assistente digital), também pode ser citada como um dos maiores exemplos de sucesso do país. Foram contabilizados em 2019 mais de 126 milhões de interações em sua plataforma. O aumento das interações (que eram 84 milhões no final de 2018) deve-se à entrada da BIA no WhatsApp, segundo informações divulgadas no II Simpósio de Inteligência Artificial. Além do sucesso de interações, a avaliação é bastante positiva – a BIA conta com 83% das notas acima de três estrelas e 95% das perguntas respondidas.
Em um modelo totalmente diferente do que os bots voltados para usuários finais e consumidores, existem também os bots voltados para o público interno. É o caso da TAIS, bot que a TIM implementou para otimizar o relacionamento com os técnicos. Através da tecnologia IBM Watson, os técnicos utilizam o app Telegram para interagir com a TAIS, que foi criada com o auxílio da Icaro Tech para otimizar o atendimento do NOC (Network Operations Center). Com a TAIS, a TIM reduziu em até 60% o tempo de atendimento, o que otimizou também a geração de informações e aumentou a produtividade das equipes. O piloto do projeto durou quatro meses e, após a implantação, houve um avanço exponencial no número de interações.
Por baixo de toda a tecnologia dos chatbots cognitivos existe uma grande estrutura, com N integrações que conectam as informações solicitadas ao sistema. Quanto mais complexas as atividades, maior é a missão crítica. Eu costumo comparar um chatbot a um iceberg: o que vemos, de fato, é só a ponta de toda uma base. Essa infraestrutura, a complexidade das integrações e a capacidade analítica deixam o bot mais rico e com informações mais completas. E a capacidade de gerar contexto na conversa com o cliente, de aprender e tomar decisões, de solucionar problemas complexos e de alimentar seu banco de dados é o que torna essa ferramenta essencial para garantir uma melhor experiência ao usuário. Nos dias atuais, priorizar o atendimento e ter foco na experiência do usuário é fundamental para determinar o crescimento de um negócio, marca ou empresa.
*Por Gabriel Araujo, head de IA na Icaro Tech
