Por que nenhuma empresa consegue acompanhar o movimento da Amazon na área de comércio com IA

Ronen Schwartz é CEO na K2view.

Descubra as principais notícias e eventos de fintech!

Subscreva a newsletter da FinTech Weekly

Lida por executivos da JP Morgan, Coinbase, Blackrock, Klarna e mais

A história não contada por detrás dos títulos de IA da Amazon

Quando a Amazon anunciou que o seu assistente de compras por IA, o Rufus, estava agora a promover aumentos massivos no envolvimento dos clientes e milhares de milhões em vendas incrementais, a reação foi imediata: surpresa, admiração e um toque de inveja. Foi encarado como um salto ousado no modo como as empresas abordam a experiência do cliente.

Mas isto não foi apenas uma vitória de modelos de IA. Foi possível graças a um ecossistema fechado. A Amazon opera inteiramente na sua própria plataforma, onde dados de produto, de clientes, comportamentais e de compras são unificados e controlados. Este tipo de configuração não é um modelo realista para a maioria das empresas, especialmente nos serviços financeiros. Esta indústria tem a maior taxa de adoção de centros de contacto com IA, representando cerca de um quarto do mercado global. No entanto, os seus dados continuam dispersos entre gestão de contas bancárias, CRM, faturação e plataformas de suporte. Em ambientes como estes, a IA tem dificuldades.

A lição é simples: o sucesso na experiência do cliente depende menos do engenho do modelo e mais da qualidade e da integridade dos dados por baixo dele. Sem uma visão unificada e contextual, os agentes de IA têm mais probabilidades de perturbar o suporte do que de o melhorar.

Quando a IA encontra uma realidade caótica

Para a maioria das empresas, o ambiente de dados não se parece com a plataforma da Amazon, simplificada e verticalmente integrada. A informação vive em dezenas de sistemas, cada um guardando partes do registo do cliente, duplicada em alguns locais, desatualizada noutros e raramente sincronizada.

Inserir IA nesse ambiente cria caos. Os clientes recebem respostas contraditórias ou parciais, a confiança diminui e os representantes humanos têm de intervir para restaurar a credibilidade. O que era suposto ser automação transforma-se em retrabalho, criando encargos maiores para ambos os lados da conversa.

Pense em contratar um representante de serviço qualificado, mas entregá-lo com uma sala de arquivo cheia de registos incompletos ou mal rotulados. O talento deles é desperdiçado porque a base está comprometida. O mesmo acontece com os agentes de IA: sem informação consistente, precisa e atualizada, estão preparados para falhar.

O que é realmente necessário para escalar a IA na experiência do cliente

As empresas que desejam replicar os grandes títulos da Amazon costumam focar-se no próprio modelo, ajustando prompts, comparando fornecedores ou procurando o próximo lançamento. Mas o fator decisivo para o sucesso a longo prazo é a base de dados que sustenta esses modelos.

Para tornar os agentes de IA fiáveis e prontos para empresas, as organizações precisam de três elementos essenciais:

*   **Integração**: a informação do cliente, dispersa por dezenas de sistemas, deve ser unificada numa única visão, consistente. 
*   **Governança e segurança**: os dados têm de ser exatos, deduplicados, protegidos e em conformidade com a regulamentação de privacidade antes de a IA poder atuar sobre eles. 
*   **Contexto em tempo real**: os agentes precisam da informação mais atual disponível, e não de instantâneos desatualizados ou registos estáticos. 

Sem estes fundamentos, a IA desmorona rapidamente, gerando erros, riscos de conformidade e clientes desapontados. Com eles, a IA pode ir além de projetos-piloto para gerar impacto significativo à escala. A lição é simples, mas muitas vezes ignorada: agentes inteligentes exigem dados mais inteligentes.

Dos pilotos à transformação

Em vários setores, as empresas estão a experimentar IA na experiência do cliente, implementando chatbots, assistentes virtuais ou ferramentas generativas nos fluxos de trabalho de serviço. Ainda assim, a maioria destas iniciativas continua presa ao modo de teste. Um relatório recente do MIT concluiu que quase 95% dos projetos de IA falham ao chegar à produção. As iniciativas de experiência do cliente não são exceção. 
A diferença entre experimentação e transformação resume-se à base.

Dados desconetados e de má qualidade minam o suporte. Informação limpa e unificada permite escala, consistência e adoção responsável. Com a preparação certa, as empresas podem finalmente passar de experiências para sistemas de produção que reforçam tanto as relações com os clientes como os resultados do negócio.

Inspiração e um aviso

A história da Amazon é simultaneamente um marco e um exemplo de cautela. Mostra o que é possível quando os agentes de IA são alimentados por dados ligados e de elevada qualidade, mas também revela quão raro é ter essa configuração. A maioria das empresas não consegue simplesmente replicá-la. O futuro da IA na experiência do cliente não será definido apenas por modelos cada vez mais sofisticados. Será moldado por organizações dispostas a investir na base de dados que torna esses modelos eficazes.