Resumo Executivo

Helber Teixeira Alves; Nicole Cerci Mostagi

Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

A intensificação do uso de tecnologias baseadas em inteligência artificial no cenário contemporâneo impulsionou as instituições financeiras a incorporarem soluções automatizadas para o atendimento ao cliente, visando otimizar a digitalização dos canais de contato. Em 2025, registros globais indicaram que o setor bancário observou tanto oportunidades quanto riscos significativos no uso de chatbots, destacando a capacidade dessas ferramentas em operar com agilidade, embora persistam desafios críticos relacionados à segurança de dados e à experiência final do usuário (Reuters, 2025). A digitalização dos serviços financeiros surgiu como uma resposta direta à crescente demanda por atendimentos remotos que fossem, simultaneamente, eficientes e de baixo custo operacional. Com a ascensão meteórica dos bancos digitais e o consequente aumento da competitividade, as instituições tradicionais foram forçadas a adotar estratégias robustas para automatizar o relacionamento com os clientes, tornando a implementação de chatbots um recurso amplamente disseminado para suportar o volume crescente de interações diárias (Skinner, 2016; King, 2018).

A relevância dessa transformação tecnológica reside na necessidade premente de garantir que tais soluções não apenas reduzam despesas, mas preservem a qualidade e a resolutividade das demandas apresentadas. A adoção de inteligência artificial no setor bancário exige uma integração profunda com sistemas legados, além de uma rigorosa adequação regulatória e o monitoramento constante de indicadores de desempenho para assegurar a sustentabilidade do canal (Boobier, 2020). Apesar dos avanços técnicos, desafios práticos ainda permeiam a jornada do usuário, uma vez que muitos clientes relatam dificuldades em resolver demandas complexas exclusivamente por meios automatizados, o que gera a necessidade frequente de transferência para atendentes humanos. Essas barreiras podem comprometer a eficiência esperada da ferramenta, tornando fundamental a compreensão dos fatores que afetam diretamente a adoção e a utilização plena desses sistemas (Kagan, Wamba & Queiroz, 2025).

A superação desses obstáculos operacionais possui o potencial de gerar ganhos de escala significativos, pois a digitalização do atendimento bancário possibilita a padronização de processos e um controle mais rigoroso sobre a experiência do consumidor. O uso eficaz de chatbots contribui diretamente para a melhoria de indicadores como o tempo médio de atendimento e a taxa de resolução na primeira chamada, permitindo que as instituições aumentem sua capacidade de resposta sem a necessidade de ampliar custos fixos de maneira proporcional (Skinner, 2016). Bancos que adaptaram suas estruturas para atuar em ambientes digitais passaram a operar de forma distribuída, eliminando a dependência de agências físicas, o que elevou a eficiência operacional e ampliou o acesso a serviços financeiros em diversas regiões (King, 2018). Recentemente, a introdução de inteligência artificial generativa exigiu uma reavaliação completa dos fluxos de atendimento, com foco redobrado na segurança da informação e no alinhamento com as normas regulatórias setoriais (Saha, Rani & Shukla, 2025).

A pressão contínua dos consumidores por serviços acessíveis e ágeis reforça a necessidade de aprimoramento constante das soluções de autoatendimento. Novas abordagens baseadas em modelos de linguagem avançados e sistemas de recuperação de informações permitiram saltos qualitativos no atendimento automatizado aplicado aos serviços financeiros (Landolsi, Aloulou & Belguith, 2025). Diante desse cenário complexo, compreende-se que a simples implementação da tecnologia é insuficiente, sendo imperativo avaliar sua efetividade sob a ótica dos gestores responsáveis, cujas decisões envolvem design conversacional, integração técnica e análise minuciosa de métricas de desempenho. A investigação buscou compreender como a utilização do autoatendimento por chatbot alavancou resultados quantitativos e qualitativos, fundamentando-se na visão estratégica de gerentes de produto que gerenciam esses canais em instituições de médio e grande porte.

O delineamento metodológico adotado baseou-se em uma abordagem quali-quanti, estruturada para captar tanto as percepções subjetivas dos gestores quanto os indicadores operacionais concretos associados ao uso de chatbots. A escolha por essa modalidade mista permitiu explorar simultaneamente dados descritivos e numéricos provenientes de diferentes fontes de informação (Creswell & Plano Clark, 2018). Utilizou-se o método de estudo de caso, focando em instituições financeiras que já possuíam a tecnologia implantada como parte central de sua estratégia de atendimento. A unidade de análise concentrou-se na experiência profissional de gerentes de produto diretamente envolvidos na gestão cotidiana desses canais, permitindo examinar a relação causal entre a adoção da ferramenta e os resultados operacionais obtidos no mundo real (Yin, 2018).

A pesquisa caracterizou-se como descritiva, buscando registrar e interpretar os aspectos observados nas instituições investigadas sem a manipulação direta de variáveis. A coleta de dados e a organização das informações foram fundamentadas nos relatos dos participantes e em documentos institucionais disponibilizados pelas empresas envolvidas (Gil, 2019). A seleção dos casos seguiu critérios rigorosos de relevância, considerando apenas instituições com chatbots em operação por um período mínimo de 12 meses, com gestão formalizada e acesso a dados históricos de desempenho. Essa delimitação permitiu a comparação entre experiências distintas, garantindo a robustez das conclusões (Yin, 2018). Do ponto de vista ético, o estudo seguiu os princípios da Resolução CNS 510/2016, tratando de opiniões profissionais sem a identificação nominal dos sujeitos ou das empresas, com todos os participantes consentindo formalmente por meio de termos específicos.

O campo empírico foi composto por duas instituições financeiras brasileiras que operam como bancos comerciais privados, possuindo forte atuação no segmento de crédito consignado e soluções digitais de varejo. Ambas mantêm operações em nível nacional e atendem tanto o público pessoa física quanto o setor corporativo. Essas instituições apresentam estruturas ágeis que favoreceram a implantação de tecnologias voltadas à eficiência, utilizando plataformas de atendimento automatizado como o principal meio de interação com seus clientes. Tal perfil institucional reflete a tendência de eliminação de agências físicas em prol da ampliação do atendimento remoto como estratégia competitiva central (King, 2018). Uma das instituições destacou-se pela forte integração com marketplaces e plataformas de parceiros via interfaces de programação de aplicações, enquanto a outra estruturou sua atuação em produtos digitais personalizados para servidores públicos e aposentados.

Os dados primários foram coletados por meio de entrevistas semiestruturadas com quatro gerentes de produto, identificados para fins de análise como E1, E2, E3 e E4. As entrevistas foram conduzidas individualmente em ambiente virtual, com duração média entre 30 e 45 minutos, utilizando um roteiro previamente validado que abordou desde o histórico profissional até as perspectivas futuras do canal (Tracy, 2020). O roteiro incluiu questionamentos sobre as motivações para a implementação, rotinas de acompanhamento, benefícios percebidos, desafios enfrentados e aprendizados acumulados. As respostas foram gravadas e transcritas integralmente para garantir a fidedignidade do material analisado (Creswell & Poth, 2018). Adicionalmente, coletaram-se dados secundários, como relatórios gerenciais e dashboards operacionais, que forneceram evidências quantitativas sobre tempo médio de atendimento, taxa de resolução e volume de interações mensais (Yin, 2018).

A análise do material textual seguiu a técnica de análise de conteúdo, percorrendo as etapas de pré-análise, exploração do material e tratamento dos resultados (Bardin, 2011). As categorias temáticas foram construídas de maneira indutiva, baseando-se na recorrência e relevância dos temas emergentes nas falas dos gestores. Paralelamente, os indicadores operacionais foram organizados em planilhas e tratados com funções estatísticas básicas para identificar padrões e variações temporais. A integração entre os dados qualitativos e quantitativos, conhecida como triangulação, permitiu verificar a coerência entre a percepção dos gestores e os resultados efetivamente registrados pelas instituições, aumentando a consistência dos achados finais (Creswell & Plano Clark, 2018). Esse processo rigoroso de análise fundamentou a compreensão de como a governança e a tecnologia se articulam para gerar valor no setor financeiro.

Os resultados revelaram que a amostra de gestores apresentou variações na extensão e densidade de suas respostas, com o participante E4 fornecendo o maior detalhamento operacional, totalizando 287 palavras, enquanto o participante E3 apresentou uma síntese mais concisa com 115 palavras. No que tange às motivações institucionais para a adoção do chatbot, observou-se um foco unânime em eficiência e redução de custos. O gestor E1 destacou a busca por aumento de receita e eficiência, enquanto E2 reforçou o motivador financeiro e a economia direta. O participante E4 detalhou metas específicas, como a diminuição da taxa de conversão para o atendimento humano e a economia no tempo médio de atendimento, além de buscar uma maior personalização do contato. Essa convergência de relatos indica que a decisão pela automação foi impulsionada por metas operacionais e financeiras claras, alinhadas às necessidades de escala do negócio.

Nas rotinas de gestão, emergiram práticas de governança contínua essenciais para o sucesso do canal. O gestor E1 mencionou a realização de reuniões diárias e o acompanhamento rigoroso de indicadores como satisfação do cliente, resolutividade e volumetria. O participante E2 descreveu o uso de dashboards e a curadoria constante das conversas, utilizando o funil de conversão como ferramenta de suporte à decisão. Já o gestor E4 informou a existência de cadências executivas semanais e mensais para reportar resultados. Interpretou-se que esses rituais de governança funcionaram como mecanismos vitais de ajuste, conectando a operação diária com a revisão estratégica periódica. A relação entre os benefícios percebidos e as rotinas de curadoria mostrou-se direta, sugerindo que a revisão constante de conteúdo e fluxos sustenta os ganhos em autonomia do usuário e redução no tempo de solução.

Os desafios apontados pelos gestores concentraram-se em limitações de acurácia das respostas e dificuldades de integração técnica. O participante E2 registrou gargalos na precisão das informações fornecidas pelo bot, enquanto E1 e E4 mencionaram a complexidade dos processos de autenticação e a necessidade de monitorar constantemente a volumetria para evitar sobrecargas. Esses obstáculos de qualidade e o acoplamento com sistemas internos legados atuaram como condicionantes do desempenho, exigindo decisões frequentes de roteamento para o atendimento humano em casos de maior complexidade. No campo dos aprendizados, houve menções significativas à ampliação do escopo de serviços e à adoção incipiente de inteligência artificial generativa. O gestor E1 relatou o uso experimental de modelos avançados para reduzir o tempo de disponibilização de novas funcionalidades, enquanto E3 destacou a expansão do canal para novos serviços após a observação da demanda reprimida.

Quanto ao impacto nos indicadores, as associações entre automação e redução de custos foram recorrentes, acompanhadas por métricas de satisfação e resolutividade. O gestor E3 relacionou diretamente o canal à economia gerada pela redução do uso de centrais de voz. Propôs-se, a partir dos relatos, que o desempenho do canal depende de três pilares fundamentais: curadoria de conteúdo, integração técnica robusta e governança de decisões. Nas perspectivas futuras, os gestores identificaram direções claras para a incorporação de voz, tratamento de imagens e expansão da inteligência artificial generativa. O participante E1 listou recursos inteligentes e campanhas personalizadas como o próximo passo evolutivo, enquanto E4 indicou o foco na tecnologia de voz para ampliar a cobertura de casos e reduzir ainda mais as transferências para humanos.

A comparação transversal entre os casos revelou uma convergência em relação aos objetivos macro e às estruturas de governança, mas evidenciou divergências quanto ao estágio de maturidade tecnológica e à adoção de inteligência artificial avançada. Enquanto o gestor E4 apresentou rituais executivos mais detalhados, o gestor E3 concentrou-se na agilidade de resultados e na ampliação da oferta de serviços. Essa diversidade sugere que a maturidade do canal de autoatendimento varia conforme o contexto institucional e a capacidade de investimento de cada banco. Os trechos analisados sobre governança indicaram um fluxo decisório recorrente composto por monitoramento, curadoria, testes de alteração e reavaliação de métricas, funcionando como um ciclo de aprendizagem organizacional contínuo.

Os ajustes de escopo e jornada responderam, em grande medida, aos gargalos identificados nas métricas de desempenho. O relato de E3 sobre a expansão de serviços após a observação da demanda exemplifica como o canal evolui organicamente. O vínculo estabelecido por E1 entre o uso de inteligência artificial generativa e a redução nos prazos de implementação reforça a tese de que a tecnologia atua como um acelerador operacional. Assim, registrou-se que a automação atendeu às metas de eficiência quando amparada por uma governança ativa e integração técnica suficiente. Os desafios de acurácia e a dependência de sistemas legados foram os principais fatores que condicionaram a resolutividade, exigindo ciclos curtos de ajuste baseados em evidências de dados.

A discussão dos resultados, ao conectar os achados com a literatura, confirmou que a decisão pela automação buscou a manutenção da capacidade de atendimento em um cenário de operação distribuída e sem dependência de agências físicas (Skinner, 2016; King, 2018). O segundo achado relevante mostrou que o sucesso da implantação dependeu criticamente da integração com sistemas internos e da estrita adequação regulatória, convergindo com a necessidade de conformidade reportada em estudos sobre inteligência artificial em bancos (Boobier, 2020). A presença de governança com rituais de curadoria funcionou como o elo entre a operação diária e a reconfiguração das jornadas dos clientes, alinhando-se aos relatos setoriais sobre a necessidade de monitoramento contínuo para mitigar riscos (Reuters, 2025).

Identificou-se a centralidade dos desafios de acurácia, onde as menções à transferência para o atendimento humano e aos ajustes constantes de conteúdo corroboram as evidências sobre barreiras de adoção descritas na literatura (Kagan, Wamba & Queiroz, 2025). Os efeitos positivos nos indicadores de resolutividade e custos operacionais sustentam a relação entre automação e desempenho, validando a premissa de que a digitalização gera ganhos de escala e padronização (Skinner, 2016). A expansão iterativa do escopo como resposta às demandas observadas demonstrou-se coerente com as abordagens técnicas modernas de uso de modelos de linguagem para qualificar o atendimento (Landolsi, Aloulou & Belguith, 2025). Por fim, a intenção de evoluir para modelos generativos e multimodais exige uma reavaliação dos fluxos e requisitos de segurança, criando novos condicionantes para a evolução do canal (Saha, Rani & Shukla, 2025).

A leitura transversal dos casos sugeriu que a presença de governança e a profundidade da integração técnica moldaram os efeitos percebidos no desempenho institucional. A convergência entre os relatos dos gestores e a base teórica apoiou a interpretação de que o ciclo composto por monitoramento, curadoria, ajuste e reavaliação sustentou a operação e reduziu a dependência de intervenção humana. A aplicabilidade prática desses achados derivou de quatro linhas de ação fundamentais: a priorização de integrações críticas para reduzir transferências, o estabelecimento de rituais de curadoria baseados em métricas de experiência, a definição de critérios transparentes para o escalonamento ao atendimento humano e o planejamento cuidadoso da evolução tecnológica com avaliação de riscos regulatórios.

A lição aprendida indicou que os resultados operacionais não são automáticos, mas dependem de condições específicas de contorno. Na ausência de integração suficiente ou de uma governança recorrente, os relatos registraram um aumento indesejado nas transferências e a necessidade de revisões exaustivas de conteúdo. A evolução para modelos de inteligência artificial generativa, embora promissora, exige o desenho de processos rigorosos de aprovação e mecanismos de auditoria para conter riscos operacionais. A aplicação prática observada consistiu na implementação de um ciclo de melhoria contínua ancorado em métricas, onde a priorização de jornadas e o ajuste de intenções organizaram o uso do canal e conectaram as decisões de produto com as metas financeiras da instituição (Skinner, 2016; Boobier, 2020). Os resultados apresentados responderam ao objetivo da investigação ao descrever como o autoatendimento alavancou resultados sob condições específicas de governança e tecnologia.

Conclui-se que o objetivo foi atingido ao demonstrar que o uso de autoatendimento por chatbot alavancou resultados operacionais e financeiros nas instituições financeiras analisadas, desde que amparado por três pilares fundamentais: integração técnica profunda com sistemas legados, governança ativa com rituais de curadoria e critérios de escalonamento bem definidos. A investigação evidenciou que a automação reduziu custos e aumentou a escalabilidade, mas sua eficácia foi condicionada pela acurácia das respostas e pela capacidade de evolução para modelos de inteligência artificial generativa. O estudo organizou um ciclo de melhoria contínua que serve como guia para gestores, destacando a necessidade de monitoramento constante de indicadores de experiência e resolutividade. Apesar das limitações quanto ao número de casos, os achados reforçam que a maturidade do canal depende da transição de uma ferramenta de resposta simples para um ecossistema integrado e inteligente, capaz de responder às demandas dinâmicas do mercado financeiro digital.

Referências Bibliográficas:

Boobier, T. (2020). AI and the future of banking. Wiley. https://www.wiley.com/en-us/AI+and+the+Future+of+Banking-p-9781119548960

Breslin, P. (2025, abril 22). AI chatbots bring new opportunities + risks to the banking industry. Reuters. https://www.reuters.com/technology/ai-chatbots-bring-new-opportunities-risks-banking-industry-2025-04-22/

Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE Publications.

Gil, A. C. (2019). Métodos e técnicas de pesquisa social (7ª ed.). Atlas.

King, B. (2018). Bank 4.0: Banking everywhere, never at a bank. Wiley. https://www.wiley.com/en-us/Bank+4+0%3A+Banking+Everywhere%2C+Never+at+a+Bank-p-9781119484936

Saha, A., Rani, R., & Shukla, A. (2025). Generative AI in financial institutions: A global survey of opportunities, threats, and regulation. AI & Society. Advance online publication. https://doi.org/10.1007/s00146-024-01754-5

Skinner, C. (2016). Digital bank: Strategies to launch or become a digital bank. Marshall Cavendish Business.

Tracy, S. J. (2020). Qualitative research methods: Collecting evidence, crafting analysis, communicating impact (2nd ed.). Wiley-Blackwell.

Yin, R. K. (2018). Case study research and applications: Design and methods (6th ed.). SAGE Publications.

Resumo executivo oriundo de Trabalho de Conclusão de Curso de Especialização em Digital Business do MBA USP/Esalq

_{Saiba mais sobre o curso; clique aqui:}