Agente de superinteligência em ouvidoria

Um agente de superinteligência em ouvidoria é, na prática, um sistema de IA com limites claros que ajuda a classificar reclamações, controlar prazos e preparar rascunhos de resposta, enquanto cada decisão fica registrada para auditoria. Ele não substitui o ouvidor: organiza a fila, aponta o que é urgente e deixa o julgamento sensível com uma pessoa. O valor está no método e no registro, não no nome do produto.

Principais pontos

• O agente trabalha em três frentes: classificar a reclamação, calcular e vigiar o prazo, e rascunhar a resposta para revisão.
• Prazo é regra de negócio, não opinião do modelo: o cálculo deve ser determinístico, com a IA apenas lendo e sugerindo.
• Todo passo precisa deixar rastro: o que entrou, o que o agente sugeriu, quem aprovou e o que foi enviado.
• Casos graves, sensíveis ou com risco jurídico devem sempre ir para uma pessoa, com o contexto já organizado.
• O caminho seguro é piloto em um fluxo real, com métrica combinada antes, e só depois ampliar, ajustar ou parar.

O que um agente de IA faz (e não faz) em uma ouvidoria

Ouvidoria lida com texto emocional, desordenado e muitas vezes incompleto. O cliente escreve pelo formulário, por e-mail, por WhatsApp ou por um canal público, e a equipe precisa descobrir do que se trata, quem é o responsável, quanto tempo resta e o que já foi dito antes. É exatamente esse trabalho de leitura e organização que a IA faz bem.

O que o agente pode fazer com segurança:

• Ler a reclamação e propor uma categoria, um tema e um grau de gravidade.
• Buscar o histórico do cliente e reclamações parecidas no sistema da empresa.
• Sugerir a área responsável e montar um resumo para quem vai tratar.
• Calcular o vencimento do prazo a partir de regras que você cadastrou.
• Redigir um rascunho de resposta com base em políticas aprovadas.

O que ele não deve fazer sozinho: conceder reembolso ou exceção, admitir culpa, interpretar contrato, decidir sobre caso com risco à saúde, segurança ou reputação, e encerrar uma reclamação sem que uma pessoa autorizada tenha aprovado. Quem quer entender por que o rótulo de superinteligência costuma gerar expectativa errada pode ler o texto sobre mitos sobre superinteligência que atrapalham decisões na empresa. Em ouvidoria, o que se opera é um agente com escopo estreito e supervisão.

Como classificar reclamações com IA sem perder o critério

A classificação é a etapa em que a IA mais ajuda e onde o erro mais se espalha. Uma reclamação mal classificada vai para a fila errada, perde prazo e gera retrabalho. Por isso, a taxonomia vem antes do modelo.

Um bom desenho de classificação tem:

• Uma lista fechada de categorias, com definição curta e exemplos de cada uma. O agente escolhe entre elas, não inventa novas.
• Um campo de gravidade com critérios escritos (por exemplo: risco à segurança, ameaça de ação judicial, menção a órgão público, cliente vulnerável).
• Um campo de confiança: quando o agente não tem certeza, ele marca para triagem humana em vez de forçar uma categoria.
• Uma justificativa de uma ou duas frases, para que o revisor entenda por que aquela categoria foi sugerida.

Um detalhe importante: a reclamação é texto escrito por terceiros, e pode conter instruções disfarçadas, como pedir que o agente ignore regras. Trate o conteúdo da reclamação sempre como dado, nunca como ordem. A orientação do OWASP sobre os riscos de aplicações com modelos de linguagem é uma boa referência para essa camada de defesa.

Para medir a qualidade, monte um conjunto de reclamações antigas já classificadas por pessoas experientes e compare com a sugestão do agente. Revise as divergências em grupo: às vezes o erro é do modelo, às vezes a categoria estava mal definida.

Como controlar prazos sem depender da memória do modelo

Prazo é onde a ouvidoria mais sofre e onde a tentação de pedir ao modelo para calcular tudo é maior. Evite isso. Modelos de linguagem podem errar contas de calendário, dias úteis e feriados. A forma confiável é separar as responsabilidades:

• A IA identifica o tipo de reclamação, o canal e a data de recebimento, e sugere qual regra de prazo se aplica.
• Um fluxo determinístico (uma regra de código ou de automação) calcula o vencimento a partir da regra cadastrada, do calendário de feriados e da data de recebimento.
• O sistema dispara alertas escalonados antes do vencimento e escala para o gestor quando o caso fica parado.

Os prazos em si dependem da sua política interna, do contrato e, em alguns setores, de regras de órgãos reguladores. Confirme com o jurídico e com o compliance quais valem para cada tipo de caso, e cadastre-os como configuração, com data de vigência, para que mudanças fiquem registradas. O agente nunca deve ter permissão para alterar uma regra de prazo.

Se a empresa conversa com o cliente pelo WhatsApp, vale também entender as regras do canal antes de prometer retorno automático. O texto sobre a janela de 24 horas no WhatsApp API explica como o agente deve se comportar quando a janela de conversa se fecha.

Como redigir a resposta com apoio de IA

A resposta é o produto final da ouvidoria, e o rascunho assistido economiza tempo quando tem estrutura. A ideia é que o agente monte a base e a pessoa decida o conteúdo final.

Um rascunho confiável usa só o que está aprovado:

• Política e texto-padrão da empresa para aquele tipo de caso, recuperados de uma base controlada.
• Fatos do caso retirados do sistema (datas, protocolos, status), não da memória do modelo.
• Tom definido: direto, respeitoso, sem promessas que a empresa não possa cumprir.
• Marcadores claros para pontos que exigem decisão humana, como valor de compensação ou exceção.

A resposta deve reconhecer o problema, explicar o que foi apurado, dizer o que será feito e informar o próximo passo e o prazo. Se o agente não encontrar um fato no sistema, ele deve deixar a lacuna sinalizada, não preencher com algo plausível. O texto sobre como responder o Reclame Aqui com IA detalha a lógica de histórico, rascunho e revisão para canais públicos, que se aplica bem à ouvidoria. Para o atendimento de primeira linha, o artigo sobre o que automatizar no SAC com IA ajuda a separar o que fica com a automação e o que fica com a pessoa.

O que registrar para cada decisão ser auditável

Auditar é conseguir reconstruir, depois, o que aconteceu e por quê. Sem isso, a ouvidoria não consegue defender uma resposta nem corrigir um erro sistemático. O registro precisa ser criado pelo sistema, não pelo próprio modelo, e não deve ser editável pelo agente.

Para cada reclamação, guarde:

• Identificador do caso, canal e data e hora de recebimento.
• Texto original e versão tratada (por exemplo, com dados pessoais mascarados quando fizer sentido).
• Classificação sugerida pelo agente, confiança, justificativa e classificação final aprovada.
• Regra de prazo aplicada, data de vencimento calculada e alertas disparados.
• Fontes consultadas para o rascunho (política, histórico, documento) e versão de cada uma.
• Rascunho gerado, edições feitas pela pessoa, quem aprovou e quando.
• Versão do modelo e das instruções em uso na data, para explicar mudanças de comportamento.
• Resposta enviada e eventual reabertura do caso.

Esse conjunto é o que a literatura de observabilidade chama de rastros, métricas e registros que permitem entender o comportamento de um sistema por dentro. O guia de conceitos do OpenTelemetry é um bom ponto de partida para quem vai montar essa camada. Defina também por quanto tempo cada registro é guardado e quem pode consultá-lo, pois o próprio log contém dados pessoais.

Passo a passo para pilotar em um fluxo real

O método que aplicamos é mapear, limitar, pilotar e transferir. Em ouvidoria, ele fica assim:

• Mapear: descreva como uma reclamação chega, quem a lê, em quais sistemas ela vive, onde os prazos se perdem e como a resposta é aprovada hoje. Meça a linha de base: tempo até a primeira triagem, reclamações vencidas, retrabalho por classificação errada.
• Limitar: escolha um tipo de reclamação e um canal. Defina quais dados o agente pode ver, quais ferramentas ele pode usar (ler histórico, sugerir categoria, gerar rascunho) e quais ações ficam bloqueadas (enviar resposta, conceder exceção, alterar prazo).
• Pilotar: rode o agente em modo sombra primeiro, sugerindo enquanto a equipe trabalha como sempre. Compare as sugestões com as decisões humanas, ajuste e só então passe a usar o rascunho de fato, sempre com aprovação. Combine antes a métrica de sucesso e o critério para parar.
• Transferir: documente as regras, os testes, o painel de registros e quem cuida de quê, e decida em conjunto se vale expandir, ajustar ou encerrar.

Um cenário ilustrativo: uma empresa recebe, por formulário, reclamações sobre cobrança. O agente lê o texto, sugere a categoria cobrança indevida, marca gravidade média, busca o histórico de faturas e aponta que a regra de prazo para esse tipo vence em determinada data calculada pelo fluxo. Ele monta um rascunho com os fatos do sistema e deixa em destaque o campo de eventual estorno, que só um analista autorizado preenche. O analista corrige a categoria para outra, o ajuste fica registrado como divergência, e a resposta sai com a aprovação anotada. Nada nesse exemplo representa resultado de cliente real.

Quais riscos exigem atenção: LGPD, texto malicioso e decisão automatizada

Reclamações trazem dados pessoais e, às vezes, dados sensíveis, como informações de saúde. Antes de ligar qualquer IA ao fluxo, defina a base legal do tratamento, minimize o que o agente enxerga e saiba onde os dados são processados. Se o provedor do modelo estiver fora do Brasil, vale ler o texto sobre transferência internacional de dados com IA e LGPD e consultar as orientações da ANPD. Para dados muito sensíveis, uma opção é avaliar um modelo rodando em ambiente controlado pela própria empresa.

Também há o ponto da decisão automatizada. Se a classificação ou a resposta afetar os interesses do titular, ele pode ter direito a pedir revisão, e a empresa precisa conseguir explicar os critérios. Manter a pessoa na decisão final e guardar a justificativa reduz esse risco. O artigo sobre decisões automatizadas na LGPD e o direito de revisão aprofunda o tema.

Para estruturar a gestão de risco do sistema como um todo, o NIST AI Risk Management Framework oferece um vocabulário útil: mapear, medir, gerenciar e governar. E, sobre a arquitetura do agente, o texto da Anthropic sobre construção de agentes eficazes reforça uma ideia prática: começar com fluxos simples e só adicionar autonomia quando houver evidência de que ela é necessária.

Um checklist final antes de ir ao ar:

• A taxonomia de categorias e gravidade está escrita e aprovada pela ouvidoria.
• As regras de prazo estão cadastradas e validadas pelo jurídico, fora do modelo.
• O agente não tem permissão de enviar, reembolsar ou encerrar.
• Existe fila de triagem humana para baixa confiança e casos graves.
• O registro de cada decisão é gerado pelo sistema e protegido por acesso restrito.
• Há um conjunto de testes com casos reais antigos e uma rotina de revisão das divergências.
• Alguém é responsável por acompanhar o agente depois da entrega.

Perguntas frequentes

O agente de IA pode responder a reclamação sozinho? Tecnicamente pode, mas em ouvidoria não é o desenho recomendado. A resposta carrega responsabilidade da empresa, então o agente prepara o rascunho e uma pessoa autorizada aprova. Casos simples e bem delimitados podem ganhar mais autonomia depois de um período de piloto com evidência.

A IA calcula o prazo da reclamação? Ela ajuda a identificar o tipo de caso e a regra aplicável, mas o cálculo do vencimento deve ser feito por um fluxo determinístico com calendário e regras cadastradas. Assim o resultado é previsível, testável e auditável, sem depender de uma conta feita por um modelo de linguagem.

O que torna o registro de decisões realmente auditável? É o sistema, e não o modelo, registrar entrada, sugestão, aprovação, fontes consultadas, versão das instruções e resposta enviada, com data e responsável. O registro deve ser protegido contra edição e ter acesso restrito, pois também contém dados pessoais.

Por onde começar na minha empresa? Escolha um tipo de reclamação com volume razoável e regras claras, meça como ele é tratado hoje e rode o agente em modo sombra, sem enviar nada ao cliente. Com a métrica combinada e os registros em mãos, vocês decidem se expandem, ajustam ou param.

Fontes

• NIST: AI Risk Management Framework
• OpenTelemetry: observability concepts
• OWASP Top 10 for LLM Applications
• Anthropic: Building effective agents