Fred Pericini
Co-fundador da Agência F2F, Engenheiro de Produção pela UFSCAR, empreendedor com mais de 10 anos de experiência em Marketing Digital, foi consultor na McKinsey, diretor comercial do Groupon Brasil e Groupon China.
EP 29
Customer Experience transformada com IA
Ingrid mostra como a tecnologia pode avançar para ajudar pessoas reais com problemas reais, e principalmente que automação não precisa comprometer a qualidade do atendimento.
06 abr 2026 
CONVIDADO
Ingrid Imanishi
Transcrição do episódio
Olá, eu sou Fred Pericini, sócio fundador da agência F2F e Gaspers.ai.
Tudo bem?
É isso aí, Fredão, tudo ótimo. E eu sou o Filipe Xavier, apaixonado por comunicação, marketing e acima de tudo inteligência artificial.
Nós somos o podcast AI Firstcast, o único podcast no Brasil voltado para discussão estruturada de adoção de inteligência artificial nos negócios. A gente traz executivos de empresas enormes e empresas startups em início de jornada, ou seja, diversidade de tamanho de empresas, para discutir como que eles estão adotando inteligência artificial, como isso está no dia a dia desses executivos.
E falando em diversidade, nós temos hoje mais um episódio, Fred, e eu sempre sou um pouco mais entusiasta quando eu vou falar do que está aqui com a gente do que você. Mas antes disso, meu cara, A segunda temporada do AI Firstcast é levada a você que nos escuta pelo SoftBank, que é, assim como nós, o banco de investimento que está mais prestando atenção em inteligência artificial na América Latina. Então, esse é um recorte importante de ser feito aqui, meu caro.
Claro. Voltando para o tema diversidade. Aí sim. Nós temos mais uma mulher e isso nos empolga. Você que está ouvindo a gente, tem alguma mulher que você conhece que tá protagonizando implementação, adoção de IA na empresa, nós queremos indicações para a gente poder ter um melhor balanço de entrevistados entre homens e mulheres. E hoje nós temos uma grande pessoa, muito divertida para ser entrevistada. Eu gostaria que ela se apresentasse.
Bom, obrigada pelo divertida, né? Acho que é um dos melhores elogios que eu já recebi. Bom, eu sou Ingrid Imanishi, eu trabalho na Nice, vim aqui falar um pouco com vocês sobre como que a gente está adotando inteligência artificial dentro da nossa plataforma, dentro da nossa oferta, né? Somos fornecedores de software para empresas e como esses clientes nossos estão utilizando essas soluções hoje, chegando a resultados bem interessantes e totalmente alinhados com a ideia do AI First, né?
Ingrid, vamos do começo? Fala pra gente o que é a Nice, de onde ela veio, o que ela está fazendo.
Bom, a Nice, ela é uma empresa que nasceu em 1986, ou seja, é uma senhora, né? 40 anos neste 2026. Pra ter uma ideia, o nome Nice é uma sigla, é NICE, Neptune Intelligent Computer Engineering. É uma empresa que nasceu em Israel. Na época, a ideia era gravação de interações de rádio. Tudo lá nasce meio que dos militares, vocês sabem, né? E todo mundo presta serviço militar, inclusive as mulheres, por vários anos. E muitos engenheiros são formados nessa área. Então, a empresa nasceu para gravar, de uma solução que eles desenvolveram para gravar conversas de rádio e fazer compliance, a governança sobre essas conversas de militares. E aí, na década de 80, os call centers estavam começando a aparecer, a substituir o atendimento presencial das empresas, né? E a gravação dessas interações de voz começou a ser utilizada não só para gravar e daí fazer processos de qualidade, mas também por regulamentação, né? Então, eu precisava provar que eu tinha falado alguma coisa, ou o banco queria garantir que tinha sido dado o ok para compra daquelas ações. Então, mesa de transação financeira foram os primeiros clientes da solução. Com a evolução dos contact centers ao longo dos anos, a gente teve, a partir dessa necessidade de gravação para compliance nas mesas de transação financeira, a expansão realmente para aquilo que é o contact center atual, que atende todo tipo de interação, todo tipo de canal, para todo tipo de empresa.
Não são mais as empresas de telefonia e os bancos, mas qualquer empresa que se preze tem canais de interação com seus clientes. Então a gente fala muito de CX, né? A Nice hoje é um fornecedor de plataforma que viabiliza a experiência do cliente em interações diretas com as empresas.
CX, Customer Experience. Conta para nós alguns clientes que vocês têm, porque eu acho que isso posiciona melhor a nossa audiência para entender a Nice.
Olha, nós temos muitos clientes, vou falar aqui só do Brasil, né, porque a gente está em casa, mas a gente tem clientes desde os grandes bancos, né, Itaú, Banco do Brasil, Banco Pan, a gente tem clientes na área de telecomunicações, então a Vivo, a Claro, tem clientes na área de saúde como a Redditor, A SulAmérica, Porto Seguro, né? Então, desde essas empresas aí com grandes volumes de agentes interagindo com clientes, de agentes de IA também hoje em dia, né, interagindo através dos diversos canais, seja de voz ou de texto, até empresas que têm um número bastante menor, né, de agentes também fazem parte do nosso portfólio, né?
Ou seja, quase toda grande empresa que tem volume de atendimento ao cliente trabalha com a NICE provendo soluções de inteligência para o contato com o cliente.
É isso aí.
Você contou para a gente da empresa ter surgido na década de 80, hoje nós estamos em 2026. Muita coisa aconteceu nesse período. O software, eu imagino que tenha saído de uma versão on-premise, de instalar mesmo na máquina, para uma versão web. E hoje nós estamos entrando na era da inteligência artificial. São eras muito distintas. E essa adaptação da empresa a esses movimentos?
A empresa só tá— eu só tô aqui hoje, né, porque houve essa adaptação, né? Então, de fato, acho A gente pode comentar a transformação digital, né? Porque a gente tinha nessas caixas, a gente tinha lá software mesmo, né? Então, do ponto de vista da fundação, a origem é a mesma, mas aonde ele vai estar hospedado e a elasticidade que a gente vai poder dar para esses sistemas. Então, quando eu ia ampliar, eu precisava de uma caixa nova. E tinha um custo realmente muito mais relacionado à variável, né? À quantidade de interações e à quantidade de usuários que iam estar conectados ali. Hoje em dia, com a transformação para a nuvem, com a transição para a nuvem, realmente isso passou a ser muito mais facilitado, né? Os custos diminuíram tremendamente, né? Acho que no começo a gente falava que a gente era fornecedor high-end, né? Só grandes empresas, né? Com grandes margens. Conseguiam pagar a gravação de 100% das interações, por exemplo, né? Esse tipo de tecnologia. Hoje em dia não. Hoje em dia qualquer empresa consegue ativar um contact center para atender voz, atender texto, colocar um agente de IA para fazer o primeiro atendimento, seja na voz, seja no texto.
E essas transformações todas, elas foram trazidas por uma tecnologia, por esses viabilizadores tecnológicos, mas também pelas demandas de mercado, como o mercado foi adotando tudo isso ao longo do tempo. Primeira grande transformação, eu acho que a gente passou fora essa de plataforma, de onde você está hospedado, é a questão da transformação digital, dos nossos clientes não estarem mais atendendo só na voz e passarem a atender no aplicativo móvel, no website, também atender através de um de um canal de chat e depois através de redes sociais, né, o WhatsApp, o Facebook. Então isso tudo mudou muito a característica do tipo de interação que ia chegar nos nossos clientes através da nossa plataforma, né. Então o autoatendimento lá nas aplicações resolvia muita coisa e o que chegava na plataforma já não era mais só voz, passava a ser texto também. E passava a ser interações muito mais complexas do que as operações mais simples que os clientes hoje em dia já conseguem fazer sozinhos. Então, acho que teve essa grande complexidade aumentada no atendimento humano e agora, mais recentemente, a capacidade da gente replicar esse atendimento humano de uma maneira muito mais sofisticada e muito mais próxima da interação natural com os agentes de IA, com IA conversacional, com o uso de IA generativa para responder às perguntas, para entender a necessidade do cliente, com IA agêntica para executar tarefas, aprender de fato como tratar essas interações, resolver os problemas o máximo possível e só então eventualmente transferir essas interações para os agentes humanos.
Então tudo isso a gente passou nesses, na verdade, os 40 anos não foram tudo isso, né, mas eu acho que nos últimos 15 anos foi bem vertiginoso assim, nos últimos 3 então.
Então eu quero pegar essa sua resposta e a gente contextualizar um pouco nesse ponto, né. Então vamos lá, quando você percebeu que a sua plataforma evoluiu no nível para o agente fazer a primeira interação, né? Você mencionou que agora os agentes estão fazendo a primeira interação. Quando isso mudou e até onde ele vai e direciona para o humano? O que que ainda é preciso que o humano faça?
Então, isso vai depender muito da estratégia da empresa, né? O que que ela quer realmente conter lá no atendimento com o agente de IA. E o que ela acha que no fundo é uma oportunidade também, ou que é um risco manter no agente de IA e não transferir para o humano. Então isso pode ter a ver com a experiência do cliente, o sentimento que ele está demonstrando durante essa conversa com o agente de IA. Se ele for muito negativo, ele com certeza tem uma oportunidade aí para eu evitar um risco da perda do cliente, uma criação de um atrito desnecessário. E os agentes humanos realmente são aqueles que estão capacitados a criar uma relação de empatia e usar a criatividade de uma maneira mais livre, né? Porque a gente não pode deixar os agentes de IA tão livres assim, né? Então tem essa questão do atrito, tem a questão da oportunidade também. Então, dependendo do tipo de demanda que o cliente traz, ele pode estar abrindo nos seus comentários para o agente de IA, ele pode abrir oportunidades ou necessidades que são de geração de valor mesmo, né? Então, nesse caso, muitas empresas preferem, se a intenção do cliente é relacionada a uma necessidade de um investimento mais específico ou de um crédito, né, ou de uma negociação, eventualmente, para um certo nível, um certo valor, ele prefere realmente que essa interação seja transferida para um agente humano.
Mas na maior parte dos casos, a perspectiva realmente é de contenção e de eu garantir que eu vou ter agentes humanos suficientes quando eles sejam, quando eles forem necessários, né?
Traz casos bem práticos pra gente, assim, você disse que os últimos 3 anos foi bem vertiginoso, então eu imagino que a tecnologia de vocês deva ter acompanhado esse processo. Conta para nós casos, melhorias, evoluções, o que que é possível fazer no atendimento ao cliente usando inteligência artificial.
Ah, então alguns casos, né? Eu acho que um deles a gente tá falando das agências de IA, mas o outro é o assistente para o agente humano, né? Então há 3 anos, quando surgiu o ChatGPT, né, quando ele foi lançado e o mundo todo descobriu que uma interface de usuário, uma UI, como a IA generativa, é a melhor que pode haver, porque ela entende o que você quer, ela responde o que você quer. Às vezes ela responde só o que você quer e não o que você precisava saber, mas de fato essa é a experiência que eu quero ter quando estiver conversando com uma URA, por exemplo, com um atendente que a gente já tinha antes da IA, mas que era muito travado, mas era isso que eu quero. É isso que eu quero como mecanismo de interface com as empresas, eu quero poder conversar de forma fluida e quero que ela me entenda sem precisar usar necessariamente um agente humano para fazer isso. E esse agente humano também é um usuário de tecnologia, de sistemas para atender às necessidades dos clientes. Então, desde essa interação aí com do mundo com o ChatGPT, a gente já tava desenvolvendo parcerias com, na época, né, com a OpenAI, e já tava começando a desenvolver o nosso copiloto antes.
Não sei se antes, né, mas a gente lançou junto, né, o nosso copiloto da Nice. E dentro da plataforma, então, os agentes, né, humanos passaram a ter a possibilidade de ter um agente de IA, né, um uma caixinha de diálogo aonde ele poderia fazer perguntas. E no caso da nossa plataforma, como é uma plataforma de atendimento, esse agente de IA, esse copiloto, está ouvindo tudo que o cliente fala e o agente fala, está lendo, né, nos chats e nos WhatsApps o que está sendo conversado em tempo real. Então, proativamente, ele oferecia conteúdos para conduzir esse atendimento, para que o agente ou verbalizasse isso para o cliente durante a conversa ou clicasse no botãozinho, ah, essa é a resposta que o meu copiloto já está mandando. Isso aconteceu assim num prazo de 3 meses, esse desenvolvimento. É um negócio que desenvolvimento de produto normalmente, principalmente para fornecimento para empresas, para uso massivo, é um negócio que normalmente longo, demora um bocado mais, né? Então assim, a primeira versão foi muito rápida, né? A gente lançou no meio, acho que de 22, acho que foi isso, e já começamos com a generativa. Um outro ponto que mudou muito rapidamente foi a questão da tropicalização, né, da adoção em múltiplos idiomas.
A gente normalmente precisava esperar um tempo para, depois que as aplicações, as funcionalidades estavam disponíveis em inglês, para que elas fossem localizadas para os outros idiomas. Com IA generativa hoje é praticamente imediato isso, né? Porque tá tudo traduzido e traduzido bem, né? Não é mais uma questão. Então a gente já começou a implementar, já começou a utilizar. Esses copilotos, já começou a utilizar a IA generativa também nas interações diretas com clientes. E aí, você fala em aceleração, como é que a gente faz para acelerar, mas com qualidade? Porque não adianta eu ter respostas rápidas que não são tão inteligentes e tão adequadas, né? Você precisa de um exército de desenvolvedores e de validadores e de testadores. Então, A gente foi desenvolvendo ferramentas também para teste, por exemplo. Então, hoje a gente tem mecanismos dentro da solução em que quando eu desenvolvo uma solução, uma aplicação para um cliente ou o cliente vai lá e desenvolve, ele tem uma ferramenta para testar o resultado disso com agentes de IA. Então, simulando interações de verdade e realmente numa qualidade muito próxima daquilo que é uma conversa entre clientes e agentes, né? E tudo isso dentro de um contexto controlado, totalmente fora de produção, mas com grandes volumes, que era uma coisa que a gente fazia na mão, a gente ligava, a gente ficava fazendo chat manual, entendeu?
Para testar.
Você consegue, isso é muito rico, né? Quando a gente pensa e a gente tenta trazer essas histórias do que é o pensamento AI First, essa é uma história potente na tua realidade. Dá para você mensurar quanto tempo levaria para fazer um teste do que era antes versus esse novo modelo?
Nossa, são meses assim, projetos levavam meses para serem testados e hoje realmente você consegue cenários muito, muito mais amplos e muito mais seguros em semanas.
Então você aumentou a cobertura, a escala e você reduziu drasticamente o tempo.
Drasticamente. E aí esses meses eram com equipes maiores assim, inclusive. Então É vertiginoso em todos os sentidos, né, o que a gente vem experimentando de transformação, de evolução nesses últimos anos, que de fato são viabilizadores aí em todos os sentidos, né, de tanto daquilo que é o produto final na interface com o cliente, quanto com aquilo que é, o que são as ferramentas que você consegue disponibilizar para o desenvolvimento, né, de novas funcionalidades e do teste, validação, governança, controle, controle de viés, né? Tem tantos aspectos aí que precisam de ferramental.
Voltando aos casos práticos, então eu entendi o caso prático de um copiloto, um assistente para o atendimento humano, e esse copiloto ajudando ali em tempo real durante a conversa Entendi também que acelerou o desenvolvimento de produto e teste de produto. Entendi também que viabilizou alguns primeiros atendimentos sendo feito com agentes de inteligência artificial e o humano para um nível 2 de atendimento. E eu fiquei muito curioso sobre a questão de controle e de qualidade? Porque pela natureza da IA generativa, ela é um pouco imprevisível. É a palavra que me faltou e você me assoprou. Muito obrigado. E aí, como é essa implementação do que chamam de guardrails? E teste de qualidade em volume, mesmo assim, não é uma garantia. E vocês estão tratando com o cliente do seu cliente. É bem sensível, né?
Sem dúvida. Essa, desde o início, né? Essa era uma preocupação muito grande. A gente começou falando de compliance, né? De gravação lá na década de 80. Acho que a gente continua falando disso até hoje nas empresas. Seja nas interações humanas, seja nas interações com agentes de IA.
Híbridas, né?
Vão ser híbridas. Híbridas ou até só com agente de IA mesmo, né? E de fato, nesse contexto, antes de usar agentes de IA para fazer esse autoatendimento nas Uras, né, ou nos chatbots tradicionais, você tinha um código rígido e era um processo, um script determinístico. Então, Depois de alguns testes, você via que a sua rota era sempre essa, né? Se o cliente falar A, eu vou responder sempre B, e pronto, não tinha muito para onde fugir. E é isso mesmo. E a generativa não é assim que funciona. Agentes de IA têm um comportamento realmente muito mais próximo ao comportamento humano nesse sentido, né? Elas têm variações, mas não são variações tão grandes Porque a gente tem mecanismos para— aí tem vários níveis aí de guardrail, né? Alguns deles estão no próprio prompt, né? Então você tem instruções claras, né, daquilo que pode e daquilo que não pode ser feito. Tem todo um mecanismo que a gente garante de colocar em camadas. Você tem uma camada que é no prompt lá, que é muito flexível, que o usuário de negócio que está criando e ao longo do processo de criação do job description até desse agente, ele vai definir.
E tem alguns mecanismos que estão um pouquinho mais amarrados antes desse nível, por exemplo, principalmente para questões de PCI, né? Questões de—
traduza—
PCI, como é que é mesmo? A sigla é Personal Contact Information.
Uma informação pessoal, LGPD.
É, tem a ver com LGBT, mas a PCI é mais específico da área financeira, né? Então ela foi, é um tipo de certificação inclusive, em que você vai garantir que a informação de cartão de crédito, mesmo depois de documentos pessoais e tudo aquilo que pode ser usado para viabilizar transações financeiras, não esteja visível para todo mundo, que possa ser mascarado, mesmo nas gravações a gente precisa fazer isso às vezes dependendo do uso que vai ser dado para essas gravações, então todos esses controles daquilo que você precisa mascarar durante o processo de registro de uma interação, de uma conversa, para fins de garantia de privacidade e de risco. Então, tudo isso é amarrado por trás do código para esse agente. Então, é um negócio que tem a ver com a nossa história de ser especialista em interações com clientes e nesse ambiente todo. E principalmente um ambiente muito regulado, não é só banco, mas também as telcos são reguladas, as utilities são reguladas, né? E os fornecedores, as BPOs, né, que são grandes clientes nossos também, precisam atender dessa mesma maneira aos seus clientes. Então, esse tipo de amarração está no código do agente, em que nós garantimos.
Se você vai ligar lá, eu preciso ser PCI compliant, eu preciso atender essas legislações, ele já consegue fazer esse controle e mesmo que no meu prompt eu não tenha especificado, ele vai tratar isso. Além disso, mesmo com esses controles, mesmo com os mecanismos de garantia de que a informação não vai vazar, enfim, ou que o agente de IA não vai ser totalmente autônomo, que ele precisa de validação, eu tenho um mecanismo para garantir que eu estou monitorando esse agente de IA do mesmo jeito, de um jeito realmente muito parecido com o jeito que eu faço a monitoração dos agentes humanos, né? E quando eu tiver uma situação de risco, isso gerar um alerta, né? Isso em última instância. Mas antes, até o principal mecanismo são esse, essa plataforma, essa ferramenta de testes que a gente acabou desenvolvendo e consegue gerar grandes massas, né, de interações para validar E era uma coisa que a gente não conseguia fazer nem para treinar agentes, né?
Existe algum indicador? Por exemplo, se a cada 1000 interações, 900 tiver qualidade, eu posso rolar o TÁ para os clientes?
Olha, vou te falar, eu nunca vi um indicador, um benchmark assim muito específico. Nesse sentido de qual é a quantidade, né? O que a gente recomenda é um volume que seja proporcional à quantidade de interações que você vai estar tratando daquele assunto, que é o assunto mais crítico. Então, você não vai poder fazer isso para todos os casos de uso, né? Mas tem assuntos que são assuntos realmente críticos. Então, nesse caso, Você tem uma proporção que seria estatisticamente válida daquele volume que você atende, né, num período aí razoável de interações com essa temática, com essas intenções, com esses tópicos sendo tratados.
E quando você pensa na solução de vocês hoje, pós-inteligência artificial generativa, qual o maior case de sucesso que aparece na sua cabeça?
Olha, a gente aqui no Brasil está trabalhando em muitos, com muitos clientes assim já em produção, mas ainda num estágio de, ah, eu comecei nessa operação, comecei para esse caso de uso e não numa implementação massiva. Então, todos os nossos clientes praticamente estão utilizando IA de alguma maneira, Alguns num nível mais avançado, né, em termos de agentes de IA e assistentes para as operações dos agentes, mas eu acho que caso de uso bem interessante que a gente tem aqui no Brasil de agentes de IA atendendo é um que tem um viés até meio sentimental, né, mas que tem a ver com a aceleração, né, o quanto os agentes de IA viabilizaram uma aceleração muito grande da implementação de novas soluções e funcionalidades. E aconteceu da gente usar esse agente durante as enchentes no Rio Grande do Sul, que a AGEA é cliente nosso, dos nossos agentes de IA, eles usavam a nossa solução para fazer a conversa por WhatsApp com os clientes, né, para fazer o atendimento por WhatsApp com os clientes. E quando teve, eles atendem lá muito no Rio Grande do Sul, aqui em São Paulo eles não são, não aparecem tanto, mas eles estão no Brasil inteiro em fornecimento de água, esgoto.
Então a sua conta de luz, desculpa, a sua conta de água, sua conta de esgoto em boa parte dos municípios, em uma grande quantidade de municípios do Brasil vem pela AEGEA, né? Um desses fornecedores de infraestrutura, né?
Quando você começou a contar desse caso, eu pensei que ela ia falar que a gente vai ser um dia atendido pela voz do Cid Moreira, que é a voz para mim mais emblemática.
Olha, olha, tem direitos autorais, eu acho, né?
Então não sei se eu queria migrar para a parte de especificação. Como a gente tem oportunidade aqui de conversar com alguém que passou por eras diferentes da empresa, passou por eras diferentes da on-premise para transformação digital, web e agora AI, eu estava lendo um artigo de que o software as a service era mais escalável do que agora na era da AI, no sentido de preço, Porque tem um custo caro para desenvolver, mas depois não tinha um custo variável grande para cada novo usuário. Isso trazia empresas com margens brutas absurdas e valuations com múltiplos absurdos. E agora, na era da AI, existe um custo variável que são os tokens. Muito legal atender o N1, com AI, mas isso não é de graça, tem um custo para OpenAI, para Anthropic, sei lá qual LLM se utiliza. Porém, existem LLMs mais baratas do que outras. Como isso foi equalizado por vocês nesse novo momento, a precificação do software?
Bom, você mencionou, acho que em relação à variação a partir do momento, assim, fazendo a comparação entre SaaS SaaS, né? E agora na era da IA generativa e do uso dos tokens como mecanismo de contabilização ou monetização desse consumo.
E como custo variável.
Exato, como custo variável. Mas você sabe que no SaaS o custo também já era variável. Por mais que algumas empresas tivessem um setup, um custo de setup ou de investimento inicial, era muito mais relacionado a serviços serviços, né, de configuração e depois ao longo do tempo você estaria consumindo pelo número de licenças que você estava utilizando efetivamente, né? Mas no SaaS a gente já estava meio que nessa pegada de custo por utilização. Alguns fornecedores davam mais elasticidade a isso, não exigiam consumo mínimo. Então, aí você faz um contrato comigo para no mínimo 10 mil usuários e você tem que consumir isso. Se você conseguir consumir a mais, eu até te cobro a mais às vezes. Eles nem davam essa flexibilidade, mas ao longo do tempo isso foi ficando cada vez mais flexível e a gente considera no mercado que o pagamento por consumo Ele é mais justo porque se você está consumindo mais é porque você está crescendo, né? Então, ele é mais proporcional com a evolução do negócio. O que eu acho que aconteceu ao longo desses últimos anos é que os custos de fato diminuíram, né? Diminuíram nessa infraestrutura, quando era infraestrutura física você tinha que necessariamente alocar recursos físicos né, e não tinha como cobrar só por consumo, você tinha que fazer esses degraus, né, muito sensíveis, né, em termos de impacto mesmo em custos.
Hoje, a partir do momento que você começou a fornecer na nuvem, por mais que, ah, eu já desenvolvi o software, mas algum consumo você tem lá nessa nuvem, a nuvem não é uma nuvem tão espiritual assim, token, ela também tem processamento lá e tem um custo que hoje quando a gente fala em custo por token, no fundo o token ele é uma tradução de uma certa maneira também desse consumo. Acho que as LLMs mais caras por token, digamos, são as LLMs que de fato consomem mais processamento por token, são mais sofisticadas Entendeu? E claro, você vai ter uma margem relacionada também ao valor que se gera, mas a gente tá chegando cada vez mais em cenários em que o consumo de fato de processamento é uma tendência que não vai deixar de existir, entendeu? Num modelo comercial atual, pensando agora em IA generativa e uso de LLMs, e construção de agentes de IA que podem consumir quantidades de tokens às vezes difíceis de prever, né? Como é que vai ser essa conversa com o agente? Quantos tokens eu vou realmente consumir? De fato, a gente tem tido discussões em relação a essa variabilidade do preço, né?
Mas na nossa experiência, o que a gente tem visto? Para cada implementação que a gente faz, a gente vai monitorando esse consumo e tomando decisões estratégicas em relação a quais LLMs são mais aplicáveis para quais processos e fazendo um ajuste em termos de uso, mesmo de configuração dentro dos agentes de IA, de quais LLMs vale a pena a gente utilizar. Isso está mudando todo dia. Então não é uma coisa que dá para a gente travar agora. E no estado atual, que com certeza não é o estado mais otimizado de custos, a gente já tem retorno do investimento imediato. Então, a gente, uma das coisas que eu mais faço na empresa, é uma das minhas funções, é avaliar caso de uso e avaliar impacto e custo de implementação para cada um dos cenários. E a gente sempre tem retorno do investimento da ordem aí de no máximo 6 meses, 7 meses, Para projetos muito complexos que envolvem muito serviço, a gente é um pouco mais conservador, estende um pouco mais, mas não vai passar de 12 meses o retorno do investimento. E a partir dali, o consumo variável vai estar sempre abaixo daquilo que seria o custo de um atendimento humano ou de tudo que você deixou de fazer de um negócio com um atendimento de baixa qualidade, com um bot não que não aproveita, né, a tecnologia mais avançada, agêntica, para atender esses clientes, né.
Ingrid, você, Fred falou no começo da nossa conversa, né, mais diversidade nas nossas conversas. Então, uma mulher imersa no mundo de tecnologia, imersa no mundo de inteligência artificial, o que que você pode compartilhar com quem vai resolver agora para que essas pessoas sejam 1% melhor depois de ouvir a nossa conversa? O seu, um aprendizado grande nesse ano com inteligência artificial que você pode dividir com a gente.
Eu acho que principalmente em relação, a gente tinha conversado outro dia sobre isso, né, sobre humanos e agentes de IA, né, tecnologia versus empatia, e eu acho que coisas realmente andam muito juntas. Eu tive uma experiência recente numa operação de atendimento de um banco em que a gente estava implementando agentes de IA para ajudar a detectar cenários em que existe uma crise muito grande entre o cliente humano, o agente humano e o cliente durante as interações, e que hoje em dia esse operador, esse assistente humano, ele tem que levantar o braço para pedir ajuda de um solucionador, é o nome da função. E esse solucionador é um cara que fica circulando ali por trás dos agentes ao longo do dia tentando ajudar a conduzir as interações, a salvar os agentes que estão em dificuldade. E nesses testes que a gente fez, Um desses solucionadores, ele falou assim, sabe, o agente de IA que você colocou para assistir o operador humano, ele gera um alerta quando tem uma situação, né, em que ele deveria me chamar, e às vezes ele não me chama, mas eu vejo o alerta, e esse alerta é muito bom para mim, porque eu vou lá e chego perto e realmente decido daí se eu deveria ou não ajudar, né?
Eu nunca tinha imaginado que o agente de IA que tava na tela de um operador que tá sentado fosse chamar atenção visualmente de um agente humano, né, do solucionador humano que fica circulando ali pelas, pelas baias, né, pelas espinhas de peixe, né, da operação de atendimento. E isso é uma coisa que a gente só descobre quando a gente vai lá cara a cara dentro das operações no site. A tecnologia é uma tecnologia que sempre vai ajudar se ela tiver atendendo necessidades das pessoas, seja o cliente final daquele banco, seja o gestor daquele banco que precisa de resultados, seja o operador ou supervisor ali que ajuda no dia a dia dessas operações Está todo mundo querendo ajudar. Então não tem medo de tecnologia, né? Eu acho que na ponta e as pessoas mais que você menos esperaria que fossem, que não fossem resistentes, né, acabam realmente abraçando, elas gostam, né, de IA. Então a gente não deve ter preconceito. Eu acho que isso é um ensinamento que eu recebi na semana passada. Eu acho que todo mundo deve pensar muito nisso, a gente não deve ter preconceito com inteligência artificial, é um aliado de fato e vai transformar muito a nossa vida, a vida de todo mundo e eu acho que para melhor mesmo, viu?
Olha, eu acho que eu vou conseguir dobrar a nossa aposta, eu te pedi 1%, ouvindo o que você falou, você descreve também um cenário de metodologia Lean, ver onde os problemas acontecem, né? Então o que você descreveu aqui narra ver um problema onde ele tá acontecendo. Então às vezes a gente quer resolver alguma coisa longe do problema. Se a gente for lá e combinando com inteligência artificial, pode ser que a nossa resolução seja ainda melhor. Muito obrigado, muito obrigado.
É isso aí, muito bem. Eu acho que valeu a pena assim a conversa, aprendemos aqui. Gostei muito da estrutura que você dá para aquilo que eu falo, né? Olha, ele estruturou tudo direitinho. E acho que é uma oportunidade ótima para trocar essas experiências e avançar, né?
E aí a gente aprende em todas as entrevistas e aprendemos novamente. Eu quero te agradecer, muitíssimo obrigado por estar presente. Eu espero que vocês tenham gostado assim como nós. Deixe o seu like, curta o canal, compartilhe, comente, que a gente lê todos os comentários sem inteligência artificial. E a gente também se baseia nesses comentários para poder elaborar as próximas entrevistas e perguntas. Lembrando, pessoal, nosso podcast é um oferecimento patrocinador oficial SoftBank. Um imenso orgulho para nós ter uma marca tão grande do nosso lado nos apoiando para que esse podcast continue. A agência F2F é o negócio que elaborou, que criou esse podcast. Caso vocês que estão nos ouvindo tenham desafios de marketing e queiram contar com uma agência que entende de inteligência artificial, É só nos chamar, a gente vai ficar muito feliz em bater um papo com vocês. E te agradecer muito pelo papo de hoje e obrigado pelo seu tempo.
Valeu pela troca, por todas as histórias que você compartilhou aqui com a gente. Certamente nossa audiência vai adorar o que vai escutar.
Muito bom, obrigada meninos, adorei também.
Valeu, valeu, até uma próxima, tchau tchau!
APRESENTADORES
Quem apresenta o AI First Cast
Fred Pericini
Co-fundador da Agência F2F, Engenheiro de Produção pela UFSCAR, empreendedor com mais de 10 anos de experiência em Marketing Digital, foi consultor na McKinsey, diretor comercial do Groupon Brasil e Groupon China.
Filipe Xavier
Especialista em marketing digital, branding e estratégia de conteúdo. Experiência c-level, visão ampla de comunicação e tecnologia e entusiasta early-adopter de inteligência artificial.