Resumo Executivo

Monique Cristine Garcez Barros; Camila Alves Cruz Ortega

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

A Experiência do Cliente, amplamente reconhecida pela sigla CX, é definida como a totalidade das percepções e sentimentos que um consumidor desenvolve ao longo de toda a sua jornada de interação com uma organização (Lemon e Verhoef, 2016). Esse campo de atuação tem se consolidado como um dos pilares estratégicos mais relevantes para a sustentabilidade corporativa contemporânea, visto que a diferenciação por meio do serviço e do relacionamento tornou-se um fator crítico de sucesso em mercados saturados. Dados de mercado indicam que organizações que priorizam a jornada do consumidor apresentam taxas de crescimento significativamente superiores, chegando a superar em até 190% o desempenho de concorrentes em um intervalo de três anos (BCG, 2023). Para sustentar esse nível de excelência e manter a competitividade, as empresas buscam na vanguarda tecnológica, especificamente na Inteligência Artificial Generativa e em ferramentas de análise de voz e texto, os meios para decodificar as necessidades implícitas dos consumidores e potencializar o engajamento.

Apesar do entusiasmo tecnológico, existe um hiato considerável entre o investimento e a compreensão estratégica dessas ferramentas. Levantamentos recentes apontam que, embora 87% das empresas realizem investimentos em tecnologias de inteligência artificial para o atendimento, apenas 35% compreendem efetivamente como empregar a modalidade generativa para agregar valor real aos negócios (Bain, 2024). No contexto específico da análise de voz, a subutilização é ainda mais evidente, com apenas 37% das organizações aplicando essa funcionalidade de maneira eficiente para gerar valor ao cliente (Statista, 2020). Essa disparidade sugere que a adoção tecnológica, embora avançada em termos de intenção de investimento, carece de maturidade operacional. De fato, enquanto a utilização corporativa atinge 78%, a fase de maturidade plena é uma realidade para apenas 1% das instituições (McKinsey, 2025). Tal cenário indica que a exploração do potencial da inteligência artificial não depende apenas da implementação de softwares, mas da capacidade de adaptação organizacional e da requalificação estratégica dos profissionais envolvidos.

O fundamento técnico que permite a análise aprofundada das interações humanas reside no Processamento de Linguagem Natural, campo dedicado a capacitar sistemas computacionais para interpretar e compreender a comunicação humana em sua complexidade (Jurafsky e Martin, 2025). É essa base que sustenta as ferramentas de Speech e Text Analytics, permitindo que conversas sejam transformadas em dados estruturados e, posteriormente, em insights estratégicos. A evolução dessas soluções possibilita captar não apenas o conteúdo verbal, mas o tom de voz, a intenção e o sentimento do cliente, fornecendo nuances fundamentais para a formulação de estratégias de marketing e aprimoramento de processos comerciais (Forrester, 2018). A análise de sentimentos, em particular, permite um entendimento profundo das emoções, ajudando a identificar oportunidades de evolução que métricas puramente quantitativas poderiam omitir (Ferreras, 2025).

A integração dessas análises com métricas de desempenho tradicionais oferece um panorama holístico da experiência, permitindo uma avaliação abrangente do serviço prestado. A melhoria contínua da jornada do consumidor, impulsionada por esses dados, permite que as empresas reduzam custos operacionais e aumentem a fidelização (Scheidt e Chung, 2019). Portanto, a adoção de ferramentas de análise de voz e texto não se limita a uma modernização do atendimento, mas configura-se como um motor de crescimento sustentável. O objetivo central desta análise consiste em investigar a relevância e os ganhos gerados pela implementação dessas tecnologias, utilizando como base o estudo de uma plataforma brasileira especializada e a percepção de profissionais do setor, visando compreender como a inteligência artificial generativa está sendo empregada para transformar dados brutos em inteligência de negócio.

O percurso metodológico adotado caracteriza-se como uma pesquisa de natureza aplicada e dedutiva, voltada à apresentação de soluções para o uso de ferramentas de análise de interações no cenário de CX (Prodanov e Freitas, 2013). A abordagem é exploratória, combinando métodos qualitativos e quantitativos para garantir uma compreensão profunda do fenômeno e a validação estatística das tendências observadas (Gil, 2017). O cronograma de execução das atividades compreendeu o período de maio a setembro de 2025, englobando o levantamento bibliográfico, a realização de entrevistas em profundidade e a aplicação de um questionário estruturado com profissionais do mercado brasileiro.

A etapa qualitativa consistiu na realização de duas entrevistas em profundidade, conduzidas via videoconferência. A primeira entrevista ocorreu em 16 de maio de 2025, com o fundador de uma plataforma brasileira de Speech e Text Analytics sediada em São Paulo. O roteiro focou na concepção da ferramenta, no propósito da tecnologia e nos avanços conquistados pelas empresas contratantes, explorando como a inteligência artificial generativa democratiza o acesso a informações úteis para usuários não técnicos. A segunda entrevista qualitativa foi realizada em 26 de junho de 2025, com uma especialista em CX de uma empresa cliente da referida plataforma. O objetivo foi coletar dados sobre os ganhos de eficiência, os desafios de integração sistêmica e o impacto real da solução na gestão da experiência do cliente no dia a dia operacional.

Complementarmente, a vertente quantitativa foi viabilizada por meio de um levantamento de campo, utilizando um formulário eletrônico disponibilizado entre 04 de junho e 08 de agosto de 2025. A amostra foi composta por 109 profissionais brasileiros atuantes na área de CX, recrutados em grupos especializados de mensagens instantâneas e redes sociais profissionais. O instrumento de coleta foi estruturado em cinco seções distintas, totalizando 13 questões de múltipla escolha e uma questão aberta. A primeira seção buscou traçar o perfil socioprofissional dos respondentes, incluindo cargo, tempo de experiência, setor de atuação e porte da empresa baseado no faturamento anual. A segunda seção investigou o nível de conhecimento e a adoção prática da inteligência artificial generativa nas organizações.

As seções subsequentes do questionário focaram especificamente no uso de plataformas para análise de interações de voz e texto. Os participantes foram questionados sobre as finalidades do uso, os ganhos percebidos e os impactos mensuráveis em indicadores-chave de desempenho, como o Tempo Médio de Atendimento e o Net Promoter Score. Por fim, a última seção explorou as barreiras para a implementação tecnológica e a percepção dos profissionais sobre o potencial transformador da inteligência artificial. A análise dos dados quantitativos foi realizada de forma descritiva, permitindo confrontar as percepções dos profissionais com os dados teóricos e os relatos obtidos nas entrevistas qualitativas, garantindo a integridade e a profundidade da investigação.

A análise dos dados coletados revela um panorama detalhado sobre o perfil dos profissionais de CX no Brasil e o estágio de adoção tecnológica nas empresas. Dos 109 respondentes, a distribuição de cargos demonstra uma presença significativa de lideranças e analistas: 26 coordenadores, 25 analistas, 18 gerentes, 15 diretores e 13 consultores, além de especialistas e cargos de alta gestão. A senioridade da amostra é elevada, com 54 profissionais possuindo mais de sete anos de atuação na área, o que confere autoridade às percepções coletadas. Em termos setoriais, as empresas de tecnologia lideram a participação com 38 ocorrências, seguidas pelo varejo com 13 e o setor financeiro com 10, abrangendo também áreas como saúde, educação e construção civil. O porte das organizações é predominantemente grande, visto que 44 respondentes atuam em instituições com faturamento anual superior a 300 milhões de reais.

A disseminação do conceito de inteligência artificial generativa é quase universal entre os profissionais, com 106 dos 109 participantes afirmando conhecer o tema. No entanto, a aplicação prática reflete o cenário de evolução gradual apontado pela literatura (McKinsey, 2025). Atualmente, 67 empresas já utilizam a tecnologia, enquanto 19 estão em fase de testes e cinco planejam a implementação para o próximo ano. As frentes de uso mais comuns são os chatbots ou assistentes virtuais, citados por 76 respondentes, e a geração de respostas automatizadas, mencionada por 60. O uso de Speech e Text Analytics aparece como a terceira aplicação mais frequente, com 48 menções, evidenciando sua relevância crescente na análise de sentimentos e na classificação automática de chamados. Essa diversidade de aplicações reforça a versatilidade da tecnologia em automatizar tarefas repetitivas e personalizar o atendimento (Jurafsky e Martin, 2025).

No que tange especificamente às plataformas de análise de voz e texto, 97 profissionais já possuem conhecimento sobre essas soluções, e 33 empresas já as utilizam de forma corrente. O fundador da plataforma brasileira entrevistado destaca que a inteligência artificial generativa representa uma mudança de paradigma, pois permite que usuários sem formação técnica gerem informações estratégicas a partir da voz do cliente em larga escala. As principais finalidades identificadas na pesquisa para o uso dessas ferramentas incluem a avaliação da satisfação do cliente, a identificação de motivos de contato e a análise de sentimentos. Esses dados corroboram a tese de que a integração da análise de sentimentos com ferramentas de inteligência de negócios tem o potencial de otimizar estratégias de marketing e acelerar o desenvolvimento de produtos (Adekunle et al., 2024).

A eficácia das ferramentas de análise textual também é sustentada pela capacidade de mineração de dados linguísticos, que proporciona um entendimento mais abrangente das interações ao captar o cenário e as ações empregadas no processo de geração de valor (Ordenes et al., 2014). A especialista de CX entrevistada relatou que a plataforma permitiu identificar a causa raiz de problemas que não eram detectados na tabulação manual. Em um caso específico, a análise revelou que 80% das ligações em uma central de atendimento eram dúvidas informativas simples. Esse insight permitiu a implementação de um agente autônomo de inteligência artificial para sanar tais dúvidas, reduzindo drasticamente o volume de chamadas para os operadores humanos. Além disso, a detecção de padrões e gargalos operacionais foi citada por 46 respondentes como um ganho fundamental.

Os impactos mensuráveis nos indicadores de desempenho são expressivos. O fundador da plataforma relatou que seus clientes conseguiram reduzir o Tempo Médio de Atendimento em 20% ao identificar lentidão em sistemas internos. Além disso, a tecnologia permitiu detectar 15% de pagamentos indevidos e reduzir custos em 10% através da automação de relatórios regulatórios, evitando multas. Na empresa da especialista entrevistada, o tempo necessário para o mapeamento da jornada do cliente foi reduzido de seis para dois meses, utilizando uma equipe menor e mais eficiente. No levantamento quantitativo, a redução de custos operacionais foi o impacto mais citado (49), seguida pela melhoria na satisfação dos clientes (43) e no Net Promoter Score (37). É relevante notar que a resolutividade medida pela ferramenta (FCR) muitas vezes é menor do que a tabulada manualmente, pois a inteligência artificial realiza uma análise mais rigorosa e profunda, considerando o sentimento real do cliente (Ferreras, 2025).

A produtividade e a eficiência operacional foram os benefícios mais destacados pelos profissionais, com 39 menções. A especialista de CX ressaltou que a ferramenta permite um monitoramento proativo, antecipando problemas antes que se tornem crises. Um ganho de escala notável é a capacidade de monitorar 100% dos atendimentos, algo humanamente impossível, dado que supervisores tradicionais conseguem auditar apenas cerca de 1% da amostra. Essa visibilidade total permite priorizar melhorias não apenas no atendimento, mas em setores como logística e estoque, evitando rupturas que prejudicam a experiência do consumidor (Scheidt e Chung, 2019). O papel do profissional de CX está, portanto, se transformando: de um analista de planilhas para um curador de informações que interpreta insights gerados pela tecnologia para impulsionar o negócio.

Apesar dos benefícios, barreiras significativas persistem. A falta de conhecimento técnico foi apontada por 50 respondentes como o principal obstáculo, seguida pela baixa maturidade digital das empresas (46) e pela dificuldade de integração com sistemas legados (43). O custo elevado e preocupações com privacidade de dados também são fatores limitantes. A implementação exige um trabalho dedicado de engenharia de dados e construção de APIs para o envio de metadados, o que demonstra a complexidade operacional envolvida. No entanto, a crença no potencial transformador é elevada: 57 profissionais avaliam o impacto da inteligência artificial como alto e 45 como uma transformação total. A tendência é que a tecnologia atue como um copiloto, eliminando tarefas repetitivas e permitindo que os humanos se concentrem em atividades de maior valor agregado (Gartner, 2024).

Conclui-se que o objetivo foi atingido, uma vez que a análise demonstrou a relevância estratégica e os ganhos tangíveis proporcionados pelas ferramentas de Speech e Text Analytics na gestão da experiência do cliente. Os dados evidenciaram que a implementação dessas tecnologias resulta em reduções significativas de custos operacionais, otimização de indicadores como o Tempo Médio de Atendimento e uma compreensão muito mais precisa das necessidades e sentimentos dos consumidores. Embora existam desafios consideráveis relacionados à maturidade digital, integração de sistemas e necessidade de capacitação técnica, a percepção dos profissionais do setor é de que a inteligência artificial generativa é um elemento transformador e indispensável para a competitividade. A transição do profissional de CX para uma função de curadoria de dados aponta para um futuro onde a tecnologia e a sensibilidade humana atuam de forma complementar. Sugere-se que estudos futuros explorem o retorno sobre o investimento a longo prazo e as potencialidades das análises preditivas para antecipar demandas de forma proativa, consolidando a inteligência artificial como o pilar central da estratégia de relacionamento com o cliente.

Referências Bibliográficas:

Adekunle, B.I.; Chukwuma-Eke, E.C.; Balogun, E.D.; Ogunsola, K.O. 2024. Sentiment analysis for customer behavior insights: a natural language processing approach to business decision-making. International Journal of Social Science Exceptional Research 3(1): 272-282.

Bain & Company [BAIN]. 2024. Pesquisa de IA: quatro temas emergentes. Disponível em: <https://www.bain.com/pt-br/insights/pesquisa-ia-quatro-temas-emergentes/>. Acesso em: 13 mar. 2025.

Boston Consulting Group [BCG]. 2023. Building customer experience for the future. Disponível em: <https://web-assets.bcg.com/73/40/e7ce8bdc41349717b1ef261d3025/building-customer-experience-for-the-future-april-2023.pdf>. Acesso em: 16 mar, 2025.

Ferreras, R.P. 2025. Análise de sentimento: um complemento na análise de satisfação dos usuários. Disponível em: <https://datasciencesolutions.com.br/artigos/An%C3%A1lise_de_Sentimento__Um_complemento_na_An%C3%A1lise_de_Satisfa%C3%A7%C3%A3o_dos_Usu%C3%A1rios.pdf>. Acesso em: 23 ago. 2025.

Forrester. 2018. The Forrester new wave™: AI-fueled speech analytics solutions, Q2 2018. Disponível em: <https://www.promero.com/wp-content/uploads/2019/02/The-Forrester-New-Wave%E2%84%A2_-AI-Fueled-Speech-Analytics-Solutions-Q2-2018-1.pdf>. Acesso em: 08 mar. 2025.

Gartner. 2024. Gartner predicts 40% of generative AI solutions will be multimodal by 2027. Disponível em: <https://www.gartner.com/en/newsroom/press-releases/2024-09-09-gartner-predicts-40-percent-of-generative-ai-solutions-will-be-multimodal-by-2027>. Acesso em: 23 ago. 2025.

Gil, A.C. 2017. Como Elaborar Projetos de Pesquisa. 6ed. Atlas, São Paulo, SP, Brasil.

Jurafsky, D.; Martin, J.H. 2025. Speech and language processing: an introduction to natural language processing, computational linguistics, and speech recognition with language models. 3. Disponível em: <https://web.stanford.edu/~jurafsky/slp3>. Acesso em: 31 ago. 2025.

Lemon, K.N.; Verhoef, P.C. 2016. Understanding Customer Experience Throughout the Customer Journey. Journal of Marketing 80(6): 69-96.

McKinsey & Company [MCKINSEY]. 2025. Technology trends outlook 2025. Disponível em: <https://www.mckinsey.com/~/media/mckinsey/business%20functions/mckinsey%20digital/our%20insights/the%20top%20trends%20in%20tech%202025/mckinsey-technology-trends-outlook-2025.pdf?shouldIndex=false>. Acesso em: 23 ago. 2025.

Ordenes, F.V.; Burton, J.; Theodoulidis, B.; Gruber, T.; Zaki, M. 2014. Analyzing Customer Experience Feedback Using Text Mining: A Linguistics-Based Approach. Journal of Service Research 17(3): 278-295.

Prodanov, C.C.; Freitas, E.C. 2013. Metodologia do Trabalho Científico: Métodos e Técnicas da Pesquisa e do Trabalho Acadêmico. 2ed. Universidade Feevale, Novo Hamburgo, RS, Brasil.

Scheidt, S.; Chung, Q.B. 2019. Making a case for speech analytics to improve customer service quality: vision, implementation, and evaluation. International Journal of Information Management 1(45): 223-232.

Statista. 2020. Revenues from the natural language processing (NLP) market worldwide from 2017 to 2025. Disponível em: <https://www.statista.com/statistics/607891/worldwide-natural-language-processing-market-revenues/>. Acesso em: 17 mar. 2025.

Resumo executivo oriundo de Trabalho de Conclusão de Curso da Especialização em Marketing do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy