Black Friday com IA: checklist de atendimento, estoque e mensagens

Black Friday com IA: checklist de atendimento, estoque e mensagens

Para preparar o atendimento da Black Friday com IA, defina antes do pico o que o agente pode responder sozinho (prazo, frete, status de pedido, regras de troca), conecte-o a fontes atualizadas de estoque e preço, e estabeleça limites de envio e um caminho claro para um humano assumir. A IA absorve bem o volume de perguntas repetidas, mas só funciona se as regras da promoção estiverem escritas e se existir um plano para quando algo sair do previsto.

Principais pontos

• A IA deve responder só o que está documentado: regras de promoção, troca, frete e prazo precisam estar escritas antes de entrar na base do agente.
• Estoque e preço mudam durante a campanha, então o agente deve consultar a fonte atual e nunca depender de texto copiado na véspera.
• Mensagens ativas têm limites de consentimento, de ritmo e de qualidade do número. Disparar sem controle é o caminho mais curto para perder o canal.
• Todo agente precisa de regras de transferência para humano, com contexto resumido, e de um interruptor para pausar a automação.
• Um ensaio com perguntas reais antes do pico vale mais do que qualquer ajuste feito durante a campanha.

Por que a Black Friday quebra o atendimento que funciona no resto do ano?

No dia a dia, o atendimento tem variação pequena: as perguntas se repetem, as regras mudam pouco e a equipe conhece as exceções. Em uma campanha de promoções, quase tudo muda ao mesmo tempo. Entram preços novos, condições especiais, produtos que acabam em poucas horas, prazos de entrega diferentes e clientes mais ansiosos do que o normal.

Isso cria três riscos que a IA pode piorar se for ligada sem preparo. O primeiro é responder com informação desatualizada, por exemplo confirmar um produto que já esgotou. O segundo é prometer o que a política não permite, como uma troca fora do prazo ou um desconto que não existe. O terceiro é gerar volume de mensagens ativas que o canal não suporta, o que afeta a reputação do número.

A boa notícia é que a maior parte desses problemas é de processo, não de tecnologia. Quem escreve as regras, define os limites e testa antes do pico reduz muito a chance de surpresa. Para ver o que costuma valer a pena automatizar e o que deve ficar com pessoas, vale ler o guia sobre SAC com IA: o que automatizar e o que manter.

Quais perguntas prever e como montar a base de respostas?

Comece pelo histórico. Reúna as conversas de atendimento de períodos anteriores de promoção, os e-mails, os comentários nas redes e as perguntas que o time de vendas mais ouve. Agrupe por tema e escolha os que mais se repetem. Essa lista é o seu mapa de demanda e não depende de nenhum dado externo.

Na maioria das lojas, as perguntas previstas caem em grupos parecidos:

• Status do pedido e prazo de entrega, incluindo o que muda durante a campanha.
• Disponibilidade de produto, tamanho, cor e voltagem.
• Regras da promoção: quais itens participam, se há cupom, se acumula com outras condições.
• Formas de pagamento, parcelamento e o que fazer quando o pagamento não é aprovado.
• Troca, devolução, arrependimento e garantia.
• Mudança de endereço, cancelamento e segunda via de nota fiscal.

Para cada grupo, escreva uma resposta oficial curta, com fonte e responsável. Se a resposta depende de dado em tempo real (status, estoque), registre que o agente deve consultar o sistema, e não responder de memória. Se a pergunta exige julgamento, como uma exceção de prazo, registre que ela vai para uma pessoa.

Um erro comum é jogar um documento enorme com todas as regras para dentro do agente e esperar que ele se vire. Documentos curtos, atuais e organizados por tema funcionam melhor, e a Anthropic discute esse princípio de simplicidade e de ferramentas bem definidas em seu material sobre construção de agentes eficazes. Se quiser orientação sobre como redigir as instruções, veja como escrever prompt para atendimento ao cliente com IA.

Como definir regras de troca, prazo e frete antes do pico?

A IA não cria política. Ela repete a política que você escreveu. Por isso, o trabalho mais importante antes da Black Friday está fora do agente: decidir e documentar.

Para compras feitas fora da loja física, o Código de Defesa do Consumidor prevê o direito de arrependimento. Como a interpretação de casos específicos pode variar, peça a revisão do texto final a quem cuida do jurídico ou da conformidade da empresa. O agente não deve opinar sobre direito do consumidor; deve informar a política aprovada e encaminhar casos de dúvida.

Um roteiro para fechar as regras:

• Liste cada tipo de caso: arrependimento, defeito, produto errado, atraso, extravio, troca por tamanho.
• Para cada caso, escreva a regra, o prazo interno de resposta e quem aprova exceções.
• Defina o que o agente pode fazer sozinho (informar o procedimento, abrir o chamado) e o que só uma pessoa pode fazer (aprovar reembolso, abrir exceção).
• Escreva a frase que o agente usa quando não sabe, por exemplo: vou pedir para uma pessoa da equipe confirmar isso e retornar por aqui.
• Revise a política de promoção item a item, porque condições especiais costumam ter regras próprias.

Se a empresa também responde publicamente a reclamações, combine o texto oficial com o que será dito nesses canais. O guia sobre responder o Reclame Aqui com IA mostra como manter histórico e revisão humana, o que evita respostas contraditórias entre canais.

Como ligar estoque e preço à IA sem prometer o que não existe?

O estoque é o ponto em que a IA mais pode ajudar e também o que mais machuca quando erra. Um cliente que recebe confirmação de um item esgotado fica mais irritado do que quem ouviu que o item está indisponível desde o início.

Existem três níveis de integração, do mais seguro ao mais arriscado:

• Só informar: o agente consulta o estoque e o preço no sistema e responde, sem criar pedido nem reservar nada.
• Informar e orientar: além de responder, envia o link correto do produto ou do carrinho, onde o checkout valida o estoque na hora.
• Agir: reserva produto, altera pedido ou aplica desconto. Só deve existir com regras rígidas, aprovação humana em casos fora do padrão e registro de cada ação.

Para a primeira Black Friday com IA, o segundo nível costuma ser suficiente. Se a sua operação usa Bling, Omie ou Tiny, o texto sobre integrar IA ao Bling, Omie ou Tiny por API detalha os caminhos e os riscos de cada um.

Regras práticas para estoque e preço:

• O agente consulta a fonte no momento da pergunta. Nada de tabela copiada para dentro do prompt.
• Se a consulta falhar ou demorar, a resposta padrão é avisar que vai confirmar, e não chutar.
• Itens com pouco estoque devem ter uma linguagem cautelosa, como sujeito à disponibilidade no fechamento da compra.
• Preço e condição promocional vêm da mesma fonte que o site usa, para evitar divergência entre canais.

Quais limites de envio e de ação o agente precisa ter?

Há dois tipos de limite. O primeiro é sobre mensagens ativas, aquelas que a empresa inicia. O segundo é sobre o que o agente pode fazer dentro da conversa.

Sobre mensagens ativas no WhatsApp, a regra de ouro é enviar apenas a quem deu consentimento, com conteúdo relevante e em ritmo controlado. Avisos de lista de espera, lembretes de carrinho e aviso de início de oferta podem fazer sentido, desde que o cliente tenha aceitado receber. Para detalhes sobre modelos aprovados, consentimento e boas práticas, consulte mensagens ativas no WhatsApp: templates, opt-in e boas práticas. E, como um pico de envio mal planejado pode afetar a qualidade do número, vale ler também como evitar o banimento de número de WhatsApp ao usar agente de IA.

Uma lista de limites para definir antes da campanha:

• Quantas mensagens ativas por contato durante o período, com um teto claro.
• Janela de horário permitida para envio.
• Segmentos autorizados e segmentos proibidos, por exemplo quem pediu para não receber.
• Ritmo de envio em lotes, com pausa automática se houver aumento de bloqueios ou de reclamações.
• Ações que o agente nunca executa sozinho: reembolso, cancelamento, alteração de dados de pagamento, concessão de desconto.
• Limite de passos e de tempo por conversa, para impedir que um agente fique em ciclo. O texto sobre agente em loop e limites de passos trata disso, mas sem precisar entrar nesse nível agora.

Em relação a dados pessoais, aplique o princípio da LGPD de coletar só o necessário. O agente não precisa pedir documento completo para informar um prazo. A ANPD publica orientações e materiais que ajudam a entender as obrigações, e vale registrar quem na empresa responde por dúvidas de privacidade durante a campanha.

Que plano de contingência montar para quando algo der errado?

Contingência não é pessimismo, é conhecer os pontos de falha. Em uma campanha, os cenários mais prováveis são: o site ou o sistema de pedidos ficar lento, o estoque divergir do que o agente informa, a fila de atendimento humano crescer além da capacidade e o agente passar a dar respostas inadequadas.

Monte o plano com quatro peças:

• Interruptor: uma forma simples, conhecida por mais de uma pessoa, de pausar o agente ou de reduzi-lo para o modo só triagem. Teste esse interruptor antes do pico.
• Mensagem de espera: um texto aprovado para usar quando o sistema estiver instável, dizendo que a equipe está com volume alto e quando o cliente pode esperar retorno, sem prometer prazo que não se cumpre.
• Escala de pessoas: quem assume a fila humana, em que turnos, e quem decide quando pausar mensagens ativas.
• Registro: cada conversa transferida, cada exceção e cada falha ficam anotadas, para a revisão do dia seguinte.

Para saber quando uma conversa deve sair do agente, use sinais objetivos: pedido de falar com pessoa, cliente irritado, assunto de pagamento ou reembolso, terceira tentativa sem resolver, ou informação que o agente não encontrou. O texto sobre análise de sentimento e quando chamar um humano aprofunda essa decisão.

Observabilidade ajuda aqui. Se você registra o que o agente respondeu, de qual fonte e quando transferiu, consegue detectar um padrão ruim ainda na primeira manhã de campanha. O OWASP também mantém uma lista de riscos para aplicações com modelos de linguagem, incluindo manipulação de instruções e ações excessivas, que serve como roteiro de revisão para quem conecta o agente a sistemas reais.

Como aplicar mapear, limitar, pilotar e transferir antes da campanha?

O método que usamos para projetos de IA segue quatro passos, e eles cabem bem em uma preparação de Black Friday.

• Mapear: levantar as perguntas, os sistemas e as regras atuais, e anotar como o atendimento funciona hoje, para ter um ponto de comparação.
• Limitar: decidir quais dados o agente vê, quais ações pode tomar e quais mensagens pode enviar.
• Pilotar: testar um fluxo real, de preferência o mais repetitivo, com registro de conversas e uma métrica combinada, como a taxa de perguntas resolvidas sem retrabalho.
• Transferir: entregar para a equipe o runbook, o interruptor e a lista de quem decide o quê, e então decidir se amplia, ajusta ou para.

Um cenário ilustrativo: uma loja online de utensílios domésticos decide usar o agente só para três fluxos, status do pedido, regras de troca e disponibilidade de itens da vitrine promocional. Nos dias anteriores, a equipe monta cerca de uma lista de perguntas reais, testa as respostas com colegas que fingem ser clientes difíceis, descobre que o agente confundia a regra de troca de itens em oferta com a de itens normais e corrige o texto. Na campanha, qualquer pergunta sobre reembolso vai direto para uma pessoa com o resumo da conversa. Esse exemplo é apenas ilustrativo e não representa resultado de cliente.

Para avaliar o agente antes do pico, crie um conjunto de perguntas de teste com a resposta esperada e rode a cada mudança de regra. A Anthropic e a OpenAI publicam materiais sobre avaliações (evals) que explicam como estruturar esse tipo de teste. Para medir o piloto em si, o artigo sobre como medir um piloto de automação com IA traz métricas e critérios de decisão.

E se faltarem poucos dias para a campanha?

Quando o tempo é curto, corte escopo em vez de pular etapas. Uma versão enxuta e segura vale mais do que uma versão ambiciosa e sem teste.

• Limite o agente a responder perguntas frequentes e a informar status de pedido.
• Deixe qualquer ação que mexa em dinheiro ou em cadastro para a equipe.
• Não faça disparo ativo novo; use apenas listas que já têm consentimento claro.
• Escreva a mensagem de espera e defina o interruptor.
• Faça um teste com perguntas reais e corrija as respostas erradas antes de abrir.
• Reserve alguém para ler as conversas nas primeiras horas e ajustar o que for necessário.

Depois da campanha, faça uma revisão simples: o que o agente resolveu, o que transferiu, onde errou e o que a equipe precisou refazer. Isso vira a base da próxima etapa.

Perguntas frequentes

A IA pode responder sozinha durante toda a Black Friday? Pode responder sozinha perguntas documentadas e de baixo risco, como prazo, status de pedido e regras publicadas. Casos de reembolso, exceção, reclamação grave ou dado sensível devem ir para uma pessoa. O ideal é começar com poucos fluxos e ampliar conforme os registros mostrarem que o agente acerta.

Preciso avisar o cliente de que ele está falando com IA? É uma boa prática de transparência, e ajuda a alinhar expectativas, principalmente quando há opção de falar com uma pessoa. Confirme com quem cuida do jurídico e da privacidade na sua empresa como apresentar isso, e acompanhe o que a ANPD e a legislação de IA em discussão no Brasil indicam.

Posso usar a IA para disparar mensagens de promoção para toda a base? Não é recomendável. Mensagens ativas devem ir para contatos que deram consentimento, com conteúdo relevante e em ritmo controlado, usando os modelos exigidos pela plataforma. Disparo em massa sem critério aumenta o risco de bloqueios e de prejuízo à reputação do número.

Como saber se o agente está errando durante a campanha? Registre as conversas e revise uma amostra nas primeiras horas, com atenção às transferências, às reclamações e às respostas sobre estoque e preço. Defina antes quais sinais pedem pausa, como respostas contraditórias ou aumento de clientes pedindo humano, e mantenha o interruptor ao alcance de mais de uma pessoa.

Fontes

• Anthropic: Building effective agents
• OWASP Top 10 for LLM Applications
• ANPD: Autoridade Nacional de Proteção de Dados
• OpenAI: Evals guide