Atendimento híbrido: como combinar IA e pessoas no atendimento ao cliente

Por Bernardo Gontijo, fundador da NeftPublicado em Atualizado em 7 min de leitura

Resumo

Atendimento híbrido é a operação em que IA e pessoas dividem o mesmo atendimento: a IA resolve demandas simples e prepara o caso, e a equipe assume o que exige julgamento. Um estudo com 5.172 atendentes mediu ganho médio de 15% em produtividade com assistência de IA, e o Decreto do SAC de 2026 exige opção de pessoa em tempo real quando há IA.

O que é atendimento híbrido

Neste artigo, atendimento híbrido é o modelo em que inteligência artificial e atendentes humanos trabalham na mesma operação, com o mesmo protocolo e o mesmo histórico. A IA atende, classifica ou apoia o atendente; a pessoa assume quando o caso exige julgamento, negociação ou empatia, sem que o cliente precise repetir o pedido.

O termo também aparece em outros dois sentidos: atendimento que combina presencial e remoto e regime de trabalho híbrido de atendentes. Os três podem coexistir, mas aqui o foco é a divisão de trabalho entre IA e pessoas.

Por que não automatizar tudo

Uma taxa alta de conversas resolvidas pela IA pode esconder pouco trabalho economizado. As demandas mais fáceis costumam ser as mais frequentes e as mais curtas; as que consomem tempo da equipe, como contestação, exceção e caso com histórico longo, continuam chegando às pessoas.

Marty, cofundador e CEO da Pylon, empresa que vende software de suporte, descreveu esse efeito no SaaStr AI Day. Ele contou o caso de uma empresa com cerca de mil pessoas no suporte que adotou um agente de resolução automática:

“Ele desvia cerca de 50% dos chamados, mas o quadro de pessoal não mudou.”

Marty, Pylon, SaaStr AI Day, a partir de 4min54s. Tradução livre de “it deflects around 50% of their tickets, but their headcount didn't change”. Relato de fornecedor, não estudo independente.
Vídeo: SaaStr AI Day: The New Agentic Support Playbook (SaaStr AI, YouTube, ). Publicado em 22 de julho de 2026; reprodução a partir do trecho sobre desvio de chamados, em 4min54s. Palestra em inglês.

Segundo ele, o motivo é que a automação resolveu as perguntas mais fáceis, que tomavam menos trabalho. A Pylon vende ferramentas para apoiar atendentes, então o relato também defende o seu produto. Os números de resultado citados na palestra são de clientes da empresa e não foram auditados; por isso não são usados aqui.

O que a pesquisa mostra sobre IA apoiando atendentes

O estudo mais citado sobre o tema é Generative AI at Work, de Erik Brynjolfsson, Danielle Li e Lindsey Raymond, publicado no Quarterly Journal of Economics em 2025. Os autores acompanharam 5.172 atendentes de suporte ao cliente enquanto um assistente de IA era liberado em etapas.

O acesso ao assistente aumentou em 15%, em média, as demandas resolvidas por hora. Os atendentes menos experientes e menos qualificados melhoraram em velocidade e qualidade, enquanto os mais experientes tiveram ganhos pequenos de velocidade e leve queda de qualidade. Os autores também observaram clientes mais educados e menos pedidos para falar com um supervisor.

O estudo avalia IA que sugere respostas a pessoas, em uma única empresa de software. Ele não mede uma IA que atende sozinha. Mesmo assim, reforça um ponto do modelo híbrido: apoiar a equipe pode render tanto quanto substituir conversas.

Como dividir o trabalho entre IA e equipe

A divisão parte do tipo de demanda e da consequência de um erro, não da tecnologia disponível. Uma forma prática é separar em três faixas:

FaixaQuem conduzExemplos
Informativa e repetitivaIA, com opção de pessoa a qualquer momentoHorários, documentos necessários, etapas de um pedido, situação de protocolo
Com ação em sistemaIA com permissão limitada ou aprovação humanaAgendamento, atualização cadastral, segunda via após identificação
Com julgamento ou riscoEquipe, com a IA preparando o resumoContestação de cobrança, negociação, reclamação grave, urgência
Exemplo de divisão; cada operação define as faixas pela própria política e regulação.

A fronteira entre as faixas muda com o tempo. Revise a cada mês as transferências e os casos reabertos para mover demandas de faixa com base no que realmente aconteceu.

A transferência é o ponto crítico

O modelo híbrido falha quando a passagem da IA para a pessoa perde informação. O cliente repete o problema, o atendente começa do zero e a vantagem da automação vira retrabalho. Uma boa transferência leva junto o protocolo, o resumo do que foi dito e o que já foi verificado.

No Brasil, isso também é regra para os fornecedores abrangidos pelo Decreto nº 13.135/2026. O decreto permite IA na triagem e na resolução desde que haja opção de atendimento em tempo real por pessoa (art. 3º, § 3º), proíbe pedir que o consumidor repita a demanda (art. 6º) e exige continuidade até a conclusão (art. 7º). Veja o resumo em novo Decreto do SAC.

Teste essa passagem como parte do processo, não só o resultado final. No preprint CXBench, de outubro de 2026, 80,1% das execuções de agentes de IA com resultado correto descumpriram alguma exigência de processo em tarefas reguladas simuladas.

Indicadores para acompanhar

  • Resolução por faixa: quanto a IA resolveu sozinha e quanto a equipe resolveu depois da transferência.
  • Transferências com contexto: proporção de casos em que o atendente não precisou pedir de novo a informação.
  • Reabertura: demandas que voltam em poucos dias, separadas por quem conduziu o primeiro atendimento.
  • Tempo até uma pessoa: espera entre o pedido de falar com alguém e o início do atendimento humano.
  • Satisfação por caminho: avaliação de quem foi atendido só pela IA, só pela equipe ou pelos dois.

Compare esses números com a operação antes da IA. Uma taxa de automação alta com reabertura alta é sinal de que a fronteira entre as faixas está errada.

Como a Neft organiza o atendimento com IA e pessoas

Na Neft, o Atendimento com IA funciona dentro da mesma fila, protocolo, gravação e relatórios da equipe. A atendente virtual conversa por voz, segue os limites definidos pela empresa e, quando o cliente pede uma pessoa ou o caso sai do escopo, passa o atendimento para a equipe com o resumo da conversa.

A empresa escolhe quando a IA atende, por exemplo fora do horário ou quando não há atendente livre, e quais ações ela pode executar. Os casos que pedem conversa face a face seguem no videoatendimento com a equipe, e os relatórios mostram os indicadores por período e por atendente.

Perguntas frequentes

O que é atendimento híbrido?
É o modelo em que IA e atendentes humanos trabalham na mesma operação, com o mesmo protocolo e histórico. A IA resolve demandas simples ou apoia o atendente, e a pessoa assume os casos que exigem julgamento, sem que o cliente precise repetir o pedido.
Atendimento híbrido é obrigatório por lei?
O Decreto nº 13.135/2026 não obriga o uso de IA, mas, para os fornecedores abrangidos, permite automação apenas se houver opção de atendimento em tempo real por pessoa, das 8h às 20h, todos os dias. Na prática, quem usa IA no SAC precisa operar de forma híbrida.
A IA vai substituir os atendentes?
Os estudos disponíveis apontam outro caminho. Na pesquisa com 5.172 atendentes publicada no Quarterly Journal of Economics, a IA que apoiava pessoas aumentou em 15% as demandas resolvidas por hora, com ganho maior entre novatos. Casos complexos continuam exigindo a equipe.
Quais demandas devem ficar com a IA?
Comece pelas informativas e repetitivas, com regras claras e baixo risco, como horários, documentos e situação de protocolo. Ações em sistemas pedem permissão limitada ou aprovação humana. Contestação, negociação e urgência devem ficar com a equipe.
Como evitar que o cliente repita tudo na transferência?
Faça a transferência levar o protocolo, o resumo da conversa e o que já foi verificado. O atendente deve começar do ponto em que a IA parou. Meça a proporção de transferências em que nada precisou ser perguntado de novo.

Fontes

Vídeos, estudos e documentos usados neste artigo. Preprints são versões publicadas pelos autores antes da revisão por pares. Artigo pesquisado e redigido com apoio de IA. Resumo do estudo conferido no NBER, preprint no arXiv, decreto no Planalto e data e canal do vídeo no YouTube em 18 de novembro de 2026. A transcrição do acervo serviu para localizar a fala citada. A divisão em faixas é uma recomendação editorial, não resultado medido.

  1. Artigo científico

    Generative AI at Work (abre em nova aba)

    Erik Brynjolfsson, Danielle Li e Lindsey R. Raymond (NBER Working Paper 31161; Quarterly Journal of Economics, v. 140, n. 2, p. 889–942) · publicado em

    5.172 atendentes de suporte; aumento médio de 15% nas demandas resolvidas por hora, com ganhos maiores entre os menos experientes. Números da versão publicada no periódico. Data do volume do periódico; working paper de abril de 2023.

  2. Vídeo

    SaaStr AI Day: The New Agentic Support Playbook (abre em nova aba)

    Marty, cofundador e CEO da Pylon; canal SaaStr AI · publicado em

    Data e canal conferidos no YouTube. Relato a partir de 4min54s sobre desvio de cerca de 50% dos chamados sem mudança no quadro. Fornecedor de software de suporte; relato não auditado.

  3. Artigo científico (preprint)

    CXBench: A Benchmark for Process-Compliant LLM Agents in Regulated Customer-Experience Workflows (abre em nova aba)

    Boxi Yu e outros nove autores · publicado em

    Versão 1. 80,1% das execuções com resultado correto descumpriram exigências de processo em tarefas reguladas simuladas.

  4. Legislação

    Decreto nº 13.135/2026 (abre em nova aba)

    Presidência da República · publicado em

    IA permitida com opção de pessoa em tempo real (art. 3º, § 3º), vedação de repetir a demanda (art. 6º) e continuidade (art. 7º).

Quer avaliar a IA no seu atendimento?

Solicite uma demonstração e avalie o fluxo com dados fictícios da sua operação.