O cliente não quer abrir o app da operadora nem logar no portal: quer mandar mensagem. Para o SAC, isso é ótimo (baixa latência percebida) e terrível (volume explosivo). A saída é camada de IA com governança + humano para casos complexos.

Framework analítico

O Gartner organiza os casos de maior valor em quatro áreas: habilitação de agentes humanos, autoatendimento de baixo esforço, automação de operações de suporte e IA agêntica. Press release: https://www.gartner.com/en/newsroom/press-releases/2025-10-08-gartner-says-the-most-valuable-ai-use-cases-for-customer-service-and-support-fall-into-four-areas

A McKinsey mostra que IA em operações de cliente é uma das frentes com maior potencial econômico quando há redesenho — não só chatbot cosmético. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

Desenho recomendado no WhatsApp

Classificação: intenção, produto, severidade.
Diagnóstico guiado: passos numerados com confirmação a cada etapa.
RAG em base de conhecimento: artigos versionados, release notes.
Handoff: fila com contexto para o analista — nunca “comece do zero”.

Cenário ilustrativo

Uma fintech de cartão tinha pico de WhatsApp após releases. O agente resolvia reset de senha, “onde vejo fatura?” e “como contesto?” com artigos oficiais; fraudes e chargeback iam para time especializado com score de risco no ticket. O head de CX citou queda de reabertura e aumento de CSAT em pesquisa pós-atendimento.

Métricas que importam

FCR (first contact resolution) por intenção.
AHT humano pós-bot (deve cair se o handoff for bom).
Contenção com qualidade (não “fechar ticket” à força).

Conclusão

SAC moderno é dados + linguagem + processo. Agente de IA no WhatsApp com base de conhecimento auditável é padrão de mercado — não experimento.