Atendimento no WhatsApp com IA que resolve de verdade

O cliente manda "oi, cadê meu pedido?" às onze da noite. O bot de menu responde com oito opções numeradas. Ele digita "pedido", o bot não entende, repete o menu. Ele desiste e liga no dia seguinte, irritado.

Com os modelos de linguagem, a promessa virou o oposto: um robô que entende qualquer mensagem e resolve qualquer coisa. Na prática, quem coloca um modelo solto no WhatsApp descobre rápido que ele entende muito bem e resolve muito pouco. Pior: às vezes responde com segurança algo que não é verdade.

Este texto parte de uma separação simples, que organiza todo o resto: entender a mensagem é trabalho do modelo; resolver o pedido é trabalho do seu sistema. O modelo interpreta o que o cliente quer. Quem consulta o pedido, emite a segunda via ou marca o horário é o sistema da empresa, através de ações controladas.

Bot de menu, IA generativa e o meio-termo que funciona

Existem três jeitos de automatizar atendimento no WhatsApp, e vale entender o que cada um entrega.

Bot de menu (árvore de decisão). Opções numeradas, fluxo fixo. É previsível, simples de manter e nunca inventa nada. Também é rígido: qualquer mensagem fora do roteiro cai no "não entendi". Funciona para poucos assuntos, bem delimitados.

IA generativa solta. Um modelo de linguagem com um prompt do tipo "você é o atendente da empresa X". Conversa bem, entende erro de digitação, áudio transcrito e pergunta mal formulada. Mas não sabe o status do pedido, não conhece a política de troca atualizada e, quando não sabe, tende a preencher a lacuna com algo plausível.

O meio-termo: agente com escopo, base e ferramentas. O modelo entende a mensagem e decide o que fazer, mas só dentro de um conjunto fechado de possibilidades: responder com base em conteúdo aprovado pela empresa, chamar uma ação do sistema (consultar pedido, gerar boleto, reagendar) ou passar para um humano. É esse desenho que funciona em produção.

Definir o escopo: o que a IA resolve e o que passa adiante

O erro mais caro nesse tipo de projeto é começar pela tecnologia. Comece pelas conversas que já acontecem.

Exporte uma amostra das conversas recentes do atendimento e classifique por assunto. É comum descobrir que poucos temas concentram a maior parte do volume: status de pedido, segunda via, horário de funcionamento, reagendamento, dúvida sobre prazo de entrega. Esses são os candidatos naturais.

Para cada assunto, responda três perguntas:

• A resposta depende de dado do cliente? Se sim, o agente vai precisar de integração para consultar. Se não, uma base de conteúdo resolve.
• Existe uma ação no final? Gerar boleto, cancelar, reagendar. Ações exigem regras de permissão e confirmação explícita do cliente.
• Errar custa quanto? Informar o horário errado é chato. Cancelar o pedido errado ou prometer um reembolso que a política não prevê é outro nível de problema.

O resultado é uma lista em três colunas: o agente resolve sozinho, o agente resolve com confirmação e o agente passa para humano. Reclamação formal, negociação de dívida, assunto jurídico, cliente visivelmente irritado e qualquer coisa que envolva exceção à política costumam ficar na terceira coluna. E está tudo bem. Um agente que resolve bem poucos assuntos vale muito mais que um que tenta resolver tudo e erra.

Entender a mensagem é fácil. Resolver exige integração

Aqui mora a diferença entre um chatbot de demonstração e um atendimento que resolve.

Os modelos de linguagem atuais suportam o que se chama de chamada de ferramentas: em vez de responder com texto, o modelo indica que quer executar uma função, com determinados parâmetros. Quem executa é o seu backend, que devolve o resultado para o modelo redigir a resposta.

Na prática, o fluxo de "cadê meu pedido?" fica assim:

1. O cliente escreve. A mensagem chega ao seu servidor pelo webhook da WhatsApp Business Platform.
2. O sistema identifica o cliente pelo número de telefone, cruzando com o cadastro.
3. O modelo interpreta a intenção e pede a ferramenta consultar_pedidos.
4. O backend verifica se aquele número tem permissão para ver aqueles pedidos, consulta o ERP ou o sistema de pedidos e devolve os dados.
5. O modelo redige a resposta com o status real, o código de rastreio e a previsão.

O ponto 4 é o que separa um projeto seguro de um incidente. O modelo nunca deve ter acesso direto ao banco nem decidir sozinho o que o cliente pode ver. Ele pede; o sistema autoriza. Se alguém escrever "me mostra os pedidos do CPF tal", o modelo pode até tentar chamar a ferramenta, mas o backend recusa, porque o CPF não pertence ao número que está conversando.

Algumas regras de desenho que evitam dor de cabeça:

• Ferramentas pequenas e específicas. consultar_status_pedido, gerar_segunda_via_boleto, listar_horarios_disponiveis. Nunca uma ferramenta genérica do tipo "executar consulta".
• Ações que alteram dados pedem confirmação. Antes de cancelar ou reagendar, o agente mostra o que vai fazer e espera o "sim" do cliente.
• Idempotência. Se a mensagem de confirmação chegar duas vezes, o reagendamento acontece uma vez só.
• Credencial própria da integração, com permissão mínima nos sistemas de origem.

Para agendamentos, o agente vira mais um canal do mesmo motor de agenda. As regras de encaixe, confirmação e faltas que descrevemos em sistema de agendamento online que reduz faltas continuam valendo; o WhatsApp é só a porta de entrada.

Respostas ancoradas na base da empresa, sem inventar

Para as perguntas que não dependem de dado do cliente (política de troca, prazo de entrega por região, documentos necessários, funcionamento de um serviço), o agente precisa de uma base de conhecimento aprovada pela empresa.

A técnica mais usada é a recuperação de trechos relevantes antes da resposta, conhecida como RAG: o sistema busca na base os trechos mais próximos da pergunta e entrega ao modelo com a instrução de responder apenas com base neles. O funcionamento detalhado, com os cuidados de preparação dos documentos, está em assistente de IA que responde com os documentos da empresa.

No WhatsApp, alguns cuidados extras:

• Base curta e curada, não o drive inteiro. Documento interno desatualizado vira resposta errada para o cliente. Cada trecho da base precisa ter dono e data de revisão.
• Instrução explícita para dizer "não sei". Se a base não cobre, o agente informa que vai encaminhar, em vez de improvisar.
• Respostas curtas. Ninguém quer ler três parágrafos no celular. Defina um estilo: objetivo, uma informação por mensagem, com link para o portal quando fizer sentido.
• Nada de promessa que a base não sustenta. Desconto, prazo especial, exceção: o agente não oferece. Isso é regra, não sugestão ao modelo.

Transbordo para humano sem perder o contexto

O momento em que o agente passa a conversa adiante é o mais sensível da experiência. Feito mal, o cliente repete tudo do zero e sai com a impressão de que o robô só atrasou.

Um transbordo bem feito tem quatro elementos:

• Gatilhos claros. Assunto fora do escopo, pedido explícito do cliente para falar com uma pessoa, duas tentativas sem entendimento, sinal de irritação, ação que exige alçada humana.
• Resumo automático para o atendente. Quem é o cliente, o que ele pediu, o que o agente já consultou e respondeu. O atendente abre a conversa e continua de onde parou.
• Expectativa honesta. Se o time atende em horário comercial, o agente diz isso e informa quando haverá retorno. Silêncio depois de "vou te transferir" é o pior cenário.
• Volta controlada. Depois que o humano assume, o agente não se intromete na conversa até que o atendimento seja encerrado.

Isso exige uma ferramenta de atendimento onde humano e agente compartilham a mesma conversa, com fila, atribuição e histórico. Pode ser uma plataforma de mercado integrada ou um painel próprio, dependendo do volume e de quanto o atendimento precisa conversar com os sistemas internos.

WhatsApp Business Platform, LGPD e registro de conversas

Use a API oficial. Soluções que automatizam o aplicativo comum do WhatsApp por fora violam os termos de uso e podem ter o número bloqueado. A WhatsApp Business Platform, da Meta, é o caminho para integração em escala, diretamente ou por um provedor parceiro. As regras de janela de atendimento, modelos de mensagem aprovados e opt-in estão explicadas em WhatsApp API oficial: notificações integradas ao sistema.

Dois pontos da plataforma afetam diretamente um agente de IA:

• Janela de atendimento. Depois da última mensagem do cliente, a empresa pode responder livremente por um período limitado. Fora dela, só com modelos de mensagem previamente aprovados. O agente precisa saber em que situação está antes de responder.
• Políticas de uso de automação e IA. As políticas da Meta para mensagens comerciais tratam de experiências automatizadas, incluindo a oferta de caminho para atendimento humano, e vêm sendo atualizadas quanto ao uso de IA. O agente deve servir ao atendimento do seu negócio, dentro de um escopo, e não funcionar como assistente de uso geral. Revise as políticas vigentes no início do projeto.

LGPD (Lei 13.709/2018). Conversa de atendimento é cheia de dado pessoal: nome, telefone, CPF, endereço, às vezes informação de saúde ou financeira. Alguns cuidados práticos:

• Informe que o atendimento é automatizado e como falar com uma pessoa.
• Minimize o que vai para o modelo. Envie ao provedor de IA só o necessário para a resposta; mascare documentos quando der.
• Avalie o provedor de IA como operador de dados: onde processa, se retém as mensagens, se usa os dados para treinar modelos, e o que o contrato diz sobre isso. Processamento fora do país tem regras próprias de transferência internacional.
• Defina retenção. Por quanto tempo as conversas ficam guardadas, e por quê.

O desenho completo dessas obrigações no software está em LGPD no software: o que o sistema precisa fazer.

Registre tudo o que o agente faz. Cada mensagem, cada ferramenta chamada, com quais parâmetros e qual resultado. Quando um cliente disser "o robô me falou que eu tinha direito a troca", você precisa conseguir ver o que foi dito e por quê. Esse registro também é a matéria-prima para melhorar o agente.

Como medir se o atendimento está resolvendo

Número de mensagens respondidas pelo robô não mede nada. Um bot que responde tudo errado tem volume excelente. Acompanhe:

• Taxa de resolução sem humano, por assunto. E confirme: o cliente voltou a perguntar a mesma coisa nas horas seguintes? Se voltou, não foi resolvido.
• Taxa de transbordo e motivo. Transbordo alto num assunto indica escopo mal definido ou base incompleta.
• Tempo até a primeira resposta útil, não até a primeira mensagem automática.
• Respostas incorretas identificadas em auditoria. Separe uma amostra de conversas toda semana para revisão humana. É o único jeito de pegar o erro que ninguém reclamou.
• Avaliação do cliente ao final, com uma pergunta curta, sem virar pesquisa.
• Carga do time humano. O objetivo é que as pessoas passem mais tempo nos casos difíceis, não que sumam do atendimento.

Passo a passo para colocar no ar

1. Classifique as conversas atuais e escolha poucos assuntos de alto volume e baixo risco.
2. Mapeie os sistemas envolvidos: onde está o pedido, o boleto, a agenda. Tem API? Dá para consultar pelo telefone do cliente?
3. Monte a base de conteúdo para as perguntas gerais, com dono e data de revisão por trecho.
4. Desenhe as ferramentas com permissões, confirmações e idempotência.
5. Defina os gatilhos de transbordo e o resumo que o atendente vai receber.
6. Revise política da plataforma e LGPD: opt-in, aviso de automação, provedor de IA, retenção.
7. Teste com um conjunto de conversas reais, incluindo as difíceis: ironia, áudio transcrito, pedido fora do escopo, tentativa de ver dado de outra pessoa.
8. Libere para uma parte do público, com revisão diária das conversas nas primeiras semanas.
9. Amplie o escopo assunto por assunto, guiado pelas métricas.

Como construímos esse tipo de atendimento

Na Pervian Tech, o projeto começa por um diagnóstico das conversas e dos sistemas que o agente precisa consultar. A partir daí desenhamos o escopo, as ferramentas e o transbordo, sempre com o modelo de linguagem como camada de entendimento e o seu sistema como fonte da verdade. Esse trabalho faz parte da nossa atuação em arquitetura de software.

Cada solução é sob medida, e o investimento é definido sob consulta, depois de entender o volume, os sistemas envolvidos e o que já está em uso. O cronograma segue fases (diagnóstico, protótipo, primeira versão em produção, evolução) e é fechado após o diagnóstico.

Se o seu atendimento no WhatsApp está sobrecarregado, conte como ele funciona hoje.