O que o app da Pier no ChatGPT ensina sobre reter clientes em crise

Quando li que a Pier tinha colocado um app dentro do ChatGPT para segurados tirarem dúvidas sobre apólices, o primeiro pensamento que tive foi no telefone que toca aqui na UNODATA toda semana. Não era sobre seguro. Era sobre o momento em que o cliente decide que já não precisa mais de nós.

Na última terça, recebi uma ligação de um diretor de operações de uma fintech que usa nossa plataforma de dados. Ele queria reduzir o ticket médio de suporte. Depois de dez minutos de conversa, ficou claro que o problema real era outro: o time dele não conseguia responder rápido o bastante quando o cliente final perguntava sobre regras de retenção de logs. A resposta demorava 48 horas. Nesse intervalo, a chance de churn subia.

A notícia da Pier me fez pensar em como podemos usar a mesma lógica sem precisar construir um app do zero. O ponto não é copiar o modelo deles. É entender que o cliente quer resposta no instante em que a dúvida aparece.

Antecipar a dor antes do churn

Na maioria dos casos que vejo, o churn não acontece de uma hora para outra. Ele começa com uma dúvida pequena que não é respondida. O cliente tenta no portal, não acha, manda e-mail e espera. Quando o retorno chega, ele já pesquisou em outro lugar.

O que a Pier parece estar fazendo é encurtar esse ciclo. Colocar a resposta dentro do ChatGPT significa que o cliente não precisa sair do fluxo dele para abrir outro canal. Para quem trabalha com retenção, isso muda o jogo. Significa que podemos transformar o momento de dúvida em momento de prova de valor.

No meu time, começamos a testar algo parecido há quatro meses. Criamos um fluxo simples: toda vez que um cliente abria um ticket com palavras como “cancelar”, “reduzir” ou “trocar”, o sistema enviava automaticamente um resumo do histórico de uso dele junto com três respostas possíveis. O atendente só precisava confirmar ou ajustar. O tempo médio de primeira resposta caiu de 14 horas para menos de 3.

O cliente não cancela porque encontrou problema. Ele cancela porque não conseguiu resolver o problema no tempo que precisava.

O que muda na prática do dia a dia

Colocar IA no atendimento não substitui o time de CS. Ela apenas tira do caminho as perguntas repetidas que consomem tempo. O que sobra é espaço para conversas de verdade.

Aqui vai o que testamos e que funcionou para nós:

1. Conectar o modelo ao histórico completo do cliente antes de gerar qualquer resposta.
2. Treinar o prompt com exemplos reais de respostas que já deram certo em situações de crise.
3. Sempre deixar uma opção clara de falar com humano no final da conversa.
4. Registrar toda interação no mesmo sistema que usamos para calcular NPS.

O quarto ponto é o que mais faz diferença. Quando a conversa com IA entra no cálculo de satisfação, conseguimos medir se o cliente ficou mais ou menos propenso a renovar depois do contato.

Medir o que realmente importa

NPS sozinho não conta toda a história. Depois que implementamos o fluxo com IA, olhamos para dois números que importam mais: tempo até segunda resposta e taxa de reabertura de ticket em 15 dias. Os dois caíram. O NPS subiu três pontos em média, mas o que realmente chamou atenção foi a redução de churn em contas que tinham aberto ticket nos últimos 30 dias.

Ainda estamos aprendendo. Nem toda dúvida cabe em um prompt. Algumas precisam de contexto que só o humano tem. Por isso mantemos o canal aberto. O cliente que quer falar com a gente consegue. O que não quer, resolve sozinho e segue em frente.

Perguntas frequentes

Como integrar IA sem perder o toque humano no atendimento

Conectamos o modelo ao histórico do cliente e deixamos uma saída clara para humano no final de cada conversa. Assim o cliente escolhe o caminho que precisa.

Qual o impacto real no churn depois de usar ferramentas como ChatGPT

Em nossa base, contas que usaram o fluxo de IA nos últimos 90 dias apresentaram 18 por cento menos churn do que a média geral do período.

Precisa treinar o modelo com dados específicos da empresa

Sim. Usamos exemplos reais de tickets resolvidos nos últimos 12 meses para ajustar o prompt. Sem isso a resposta fica genérica e perde valor.

Como medir se a IA está ajudando ou atrapalhando a retenção

Acompanhamos tempo de primeira resposta, taxa de reabertura em 15 dias e NPS por canal. Quando esses três indicadores melhoram juntos, sabemos que o fluxo está funcionando.

O telefone ainda toca. A diferença agora é que muitas vezes o cliente já resolveu a dúvida antes de ligar. Quando ele liga, a conversa já começa em outro patamar. É isso que estamos tentando construir todos os dias.