Case real: agente de IA 24/7 no WhatsApp em uma prestadora de serviços

Uma empresa de prestação de serviços de Montes Claros, Minas Gerais, opera desde 2026 um agente de IA no WhatsApp que atende clientes 24 horas por dia, 7 dias por semana, sem interromper o trabalho da equipe humana.

Este relato descreve o que foi implementado, como foi o processo de configuração e o que ficou de aprendizado para quem está avaliando o mesmo caminho.

O problema que motivou a implementação

Antes do agente, o atendimento funcionava via WhatsApp pessoal dos sócios e de dois funcionários. O volume de perguntas repetitivas — preço de serviço, disponibilidade de horário, cobertura geográfica, documentação necessária — consumia tempo de pessoas que deveriam estar em campo.

O pior: perguntas que chegavam depois das 18h ficavam sem resposta até o dia seguinte. Em alguns casos, o cliente já havia contratado um concorrente quando o WhatsApp era respondido pela manhã.

O que foi implementado

O agente foi configurado com um contexto de conhecimento da empresa:

- Serviços oferecidos e preços aproximados

- Área de cobertura (Montes Claros e região)

- Documentação necessária para contratação

- Horários de disponibilidade dos técnicos

- Forma de agendamento e pagamento

O fluxo de handoff para humano foi definido desde o início: qualquer pedido de orçamento personalizado, reclamação sobre serviço já realizado ou dúvida fora do FAQ vai direto para um atendente humano com o histórico completo da conversa.

O que funcionou

O resultado mais imediato foi na cobertura fora do horário. Nas primeiras duas semanas, o agente respondeu a um número relevante de perguntas entre 18h e 8h que antes ficavam represadas. Alguns desses contatos resultaram em agendamentos confirmados no dia seguinte.

A equipe humana relatou menos interrupções durante o horário de operação com perguntas básicas — o que é consistente com o objetivo original.

O que precisou ser ajustado

O primeiro ajuste foi no tom. O agente inicial usava linguagem formal demais para o perfil dos clientes da empresa. Em Montes Claros, o atendimento via WhatsApp é informal e próximo. A base de conhecimento foi revisada com exemplos de linguagem mais próxima ao padrão que a equipe usava nas conversas manuais.

O segundo ajuste foi no critério de handoff. A configuração inicial transferia para humano com muita frequência — qualquer variação na pergunta acionava o fallback. Com duas semanas de operação e revisão das conversas, o critério foi calibrado para um número menor de escaladas por dia.

O aprendizado principal

O agente não substitui o atendimento humano. Ele filtra o volume para que o atendimento humano seja aplicado onde faz diferença: nos casos complexos, nos clientes estratégicos, nas situações que exigem julgamento.

Esse reposicionamento do papel do atendente humano — de responder a maioria para decidir nos casos que importam — foi o maior impacto percebido pela equipe da empresa.

Próximo passo

Se você quer implementar um agente similar para o seu negócio, o diagnóstico HyperBoosters mapeia o fluxo, o canal e os critérios de handoff adequados para o seu contexto.