Início Site Página 3

O limite da inteligência artificial como agente autônomo

Rodrigo Costa
-
0
O limite da inteligência artificial como agente autônomo

A inteligência artificial chegou ao centro das operações corporativas com modelos generativos e agentes capazes de assumir tarefas que, até pouco tempo, dependiam de análise humana contínua. A adoção avançou mais rápido do que a capacidade das organizações de definir até onde essa delegação pode ir sem comprometer a segurança, eficiência e a sustentação do negócio. Quando esse movimento acontece sem método, o custo aparece em falhas de conformidade, perda de confiança do cliente e decisões táticas mal conduzidas.

Delegar funções operacionais e estratégicas a agentes de IA, sem antes estabelecer critérios de autonomia, pontos de validação e responsabilidades claras cria uma dependência silenciosa. Em muitos casos, o problema é percebido quando o processo já está consolidado e o custo de reversão se torna elevado. A pressão pela adoção da IA cresce em ritmo superior à capacidade das organizações de estruturar os limites da automação. 

Autonomia sem critério amplia exposição

O avanço da IA elevou o nível de automação em áreas críticas e fez com que o atendimento, análise de dados e as operações passassem a depender diretamente de sistemas capazes de aprender e executar tarefas com pouca intervenção humana. Um agente pode monitorar níveis de estoque, separar ordens de compra e ajustar preços em tempo real, coordenando ações junto ao ERP sem exigir aprovação a cada etapa. Estimativas da McKinsey apontam que a IA generativa pode adicionar entre 2,6 trilhões e 4,4 trilhões de dólares por ano à economia global, impulsionando ganhos consistentes de produtividade.

O problema surge quando a autonomia é aplicada sem critérios bem definidos, já que os agentes operam com base em padrões estatísticos e nem sempre consideram as implicações mais amplas para o negócio. O funcionamento atende bem tarefas previsíveis, mas em decisões que afetam clientes, contratos ou exigências regulatórias a fragilidade aparece rapidamente e os riscos se acumulam antes que os critérios de controle estejam prontos para contê-los. De acordo com a Gartner, mais de 80% das empresas utilizarão modelos ou APIs de IA generativa em produção até 2026, o que evidencia uma expansão mais rápida doque a capacidade interna para estruturar uma governança adequada. 

Delegação exige critérios de responsabilidade

Transferir atividades para agentes de IA exige clareza sobre quais decisões podem ser automatizadas sem comprometer o negócio. Processos repetitivos e de menor impacto permitem níveis mais elevados de autonomia, enquanto decisões que influenciam na receita, relacionamento com clientes ou exigências regulatórias precisam de critérios mais rigorosos de validação. A ausência de parâmetros bem definidos compromete a consistência das decisões e aumenta a dependência de correções posteriores, reduzindo o ganho esperado com a automação. 

Modelos de IA são sensíveis a mudanças de contexto e podem perder qualidade ao longo do tempo. Sem acompanhamento estruturado, decisões automatizadas passam a se basear em dados desatualizados ou em padrões que já não refletem a realidade do negócio. A supervisão precisa fazer parte da própria operação, com mecanismos de auditoria, rastreabilidade e validação em pontos críticos. A Gartner prevê que 40% dos CIOs de grandes empresas passarão a exigir sistemas dedicados a rastrear e monitorar as ações dos agentes autônomos.

Esse cuidado se torna ainda mais relevante quando a IA deixa de apoiar análises isoladas e passa a executar tarefas em sistemas corporativos. Um agente conectado a bases de dados, ferramentas de atendimento, plataformas financeiras ou sistemas de gestão além de recomendar ações, pode acionar fluxos, alterar informações e influenciar decisões em cadeia. A responsabilidade, nesse caso, não pode ficar diluída entre tecnologia, operação e liderança. É preciso definir quem aprova os limites, acompanha os resultados e responde quando uma decisão automatizada gera impacto indevido.

Intervenção humana define o limite

Decisões que exigem interpretação, leitura de cenário e avaliação de impacto continuam dependendo de análise humana. Situações que envolvem reputação, negociação ou exceções operacionais permanecem fora do alcance completo da automação, especialmente quando não há histórico suficiente para garantir a segurança das decisões tomadas de forma autônoma. A intervenção deve ocorrer de acordo com o nível de risco envolvido, priorizando pontos em que falhas geram maior impacto para o negócio. 

A própria maturidade das empresas mostra que o desafio não está apenas em adotar IA, mas em redesenhar processos para que a tecnologia gere valor com controle. A McKinsey aponta que, embora o uso de IA esteja mais disseminado, apenas cerca de um terço das organizações afirma ter iniciado a escala de seus programas no nível empresarial. No caso dos agentes, 23% dos respondentes dizem que suas empresas estão escalando sistemas agênticos em alguma função, o que indica avanço, mas também mostra que a maior parte do mercado ainda está aprendendo a operar esse modelo com segurança.

A delegação de agentes de IA exige que autonomia e controle sejam definidos em conjunto antes da implantação. Manter esse equilíbrio exige revisão contínua de critérios e processos, à medida que o uso de IA evolui dentro da organização. O avanço sustentável está diretamente ligado à capacidade de manter o controle sobre decisões que impactam receita, conformidade e relacionamento com os clientes.

Da conversa à recompra: como fechar o ciclo entre WhatsApp, pedido e pós-venda no e-commerce

Everton Santos
-
0
Da conversa à recompra: como fechar o ciclo entre WhatsApp, pedido e pós-venda no e-commerce

No e-commerce, a jornada não termina quando o pagamento é aprovado. Para fechar o ciclo de relacionamento, a loja precisa conectar o contexto da conversa ao pedido, acompanhar a entrega, registrar o motivo de cada contato e transformar o pós-venda em uma próxima ação mensurável. Sem essa continuidade, marketing, atendimento e operação enxergam clientes diferentes, mesmo quando falam com a mesma pessoa.

O WhatsApp tornou a compra mais conversacional, especialmente em negócios que vendem produtos de maior consideração, itens personalizados ou recorrentes. O cliente pergunta sobre tamanho, prazo, composição, troca ou disponibilidade e espera uma resposta rápida. O problema aparece quando esse contexto fica preso na conversa e não acompanha o pedido.

O resultado é conhecido: a equipe pede novamente uma informação que o cliente já forneceu, o pós-venda não sabe o que foi prometido e a próxima campanha trata todos da mesma maneira. Para evitar isso, o e-commerce precisa administrar um ciclo único, não uma sequência de ferramentas isoladas.

O pedido é um marco, não o fim da jornada

Um pedido aprovado muda o tipo de relacionamento. Antes da compra, a prioridade era remover dúvidas e ajudar o cliente a decidir. Depois dela, a loja precisa cumprir o combinado, reduzir a ansiedade e identificar o momento adequado para uma nova interação.

Essa mudança parece simples, mas costuma atravessar vários sistemas: plataforma de e-commerce, pagamento, estoque, transportadora, atendimento e CRM. Quando cada sistema guarda apenas a sua parte, o cliente vira um número de pedido para a operação, um contato para o marketing e uma conversa para o atendente.

Fechar o ciclo significa criar uma linha de continuidade. A equipe precisa conseguir responder, sem procurar em cinco lugares:

  1. de onde o cliente veio;
  2. o que ele perguntou antes da compra;
  3. qual produto comprou e em que condição;
  4. o que foi prometido sobre prazo, entrega ou personalização;
  5. se houve atraso, troca, devolução ou elogio;
  6. qual é a próxima ação útil para esse relacionamento.

1. Capture o contexto antes de automatizar

O primeiro passo não é instalar uma nova automação. É definir quais informações da conversa precisam sobreviver ao atendimento.

Para a maioria das lojas, cinco campos já criam uma base útil: origem do contato, interesse principal, objeção, próxima ação e responsável. Se o cliente chegou por um anúncio de uma coleção específica, perguntou sobre troca e pediu retorno quando um tamanho voltasse ao estoque, isso precisa acompanhar o seu cadastro.

O objetivo não é transformar o atendente em digitador. Respostas rápidas, formulários curtos, integrações e classificação assistida por inteligência artificial podem reduzir o trabalho manual. Ainda assim, a regra deve ser clara: registrar somente o que ajuda alguém a tomar uma decisão ou executar o próximo passo.

2. Ligue a conversa ao pedido com uma identificação comum

O maior ponto de ruptura acontece quando a conversa e o pedido não compartilham uma identificação. A loja sabe que houve uma venda, mas não consegue atribuí-la ao atendimento que esclareceu a dúvida ou recuperou a oportunidade.

E-mail e telefone normalizados costumam ser os identificadores mais práticos. Quando possível, o número do pedido também deve voltar para o histórico do cliente. Assim, o atendente não precisa perguntar o que foi comprado e a gestão consegue analisar quais conversas geraram pedidos.

Essa ligação também evita automações inadequadas. Um cliente que acabou de comprar não deve continuar recebendo mensagens de recuperação de carrinho. Da mesma forma, quem abriu uma solicitação de troca não deveria entrar imediatamente em uma campanha pedindo avaliação positiva.

3. Trate eventos operacionais como parte do relacionamento

Pagamento aprovado, pedido separado, envio realizado, atraso, entrega, troca e reembolso não são apenas atualizações logísticas. Cada evento altera a expectativa do cliente e pode exigir uma comunicação diferente.

Uma operação madura define quais eventos pedem somente uma notificação e quais devem criar uma tarefa humana. O envio do código de rastreamento pode ser automático. Um atraso relevante, uma segunda tentativa de entrega ou uma troca reincidente pode exigir a intervenção de alguém com acesso ao histórico completo.

O critério é simples: automatize informações previsíveis; envolva pessoas quando houver risco, ambiguidade ou oportunidade de recuperar confiança.

4. Faça o pós-venda nascer de um evento, não do calendário

Muitas lojas resumem pós-venda a uma campanha enviada alguns dias após a compra. O problema é que o mesmo intervalo não serve para todos os produtos nem para todas as experiências.

O melhor momento depende do evento real. A solicitação de avaliação deve considerar a entrega. A orientação de uso pode chegar depois que o cliente teve tempo de experimentar o produto. A oferta de reposição precisa respeitar o ciclo médio de consumo. E a recomendação de um item complementar deve partir do que foi comprado, não apenas de uma lista genérica.

Esse modelo reduz mensagens irrelevantes e ajuda a loja a construir uma cadência útil:

  • confirmar o que aconteceu;
  • verificar se existe alguma pendência;
  • entregar orientação relacionada ao produto;
  • pedir feedback no momento adequado;
  • sugerir o próximo passo somente quando houver contexto.

5. Meça o ciclo completo, não apenas a conversão inicial

A taxa de conversão continua importante, mas não explica a qualidade da operação. Uma campanha pode gerar muitos pedidos e, ao mesmo tempo, aumentar atrasos, trocas e contatos repetidos.

Para enxergar o ciclo completo, o e-commerce pode acompanhar indicadores como:

  1. tempo entre o primeiro contato e o pedido;
  2. percentual de conversas associadas a uma compra;
  3. contatos de suporte por pedido;
  4. tempo de resolução no pós-venda;
  5. taxa de troca, devolução e recompra por origem;
  6. clientes sem próxima ação definida;
  7. receita recorrente ou recompra influenciada pelo relacionamento.

Esses indicadores mostram onde a jornada perde contexto. Se muitos clientes perguntam a mesma coisa antes da compra, talvez a página de produto precise melhorar. Se as mensagens aumentam depois da entrega, a embalagem, a orientação de uso ou a comunicação de prazo podem estar incompletas.

Um exemplo prático: a compra que continua depois do checkout

Imagine uma loja de cosméticos que recebe pelo WhatsApp uma pergunta sobre um produto para pele sensível. O atendente esclarece a composição, recomenda uma opção e registra a preocupação principal. O cliente compra pelo site usando o mesmo telefone informado na conversa.

Com o ciclo conectado, o pedido aparece no histórico do cliente. Após a entrega, a loja envia uma orientação de uso coerente com a dúvida inicial. Alguns dias depois, pergunta se houve boa adaptação. Se a resposta for positiva, solicita uma avaliação. Se houver desconforto, cria uma tarefa para atendimento humano e interrompe qualquer oferta automática.

Nenhuma dessas ações depende de uma mensagem massiva. Elas dependem de contexto, identificação e eventos compartilhados entre atendimento e operação.

Checklist para fechar o ciclo no e-commerce

Antes de adicionar outra ferramenta, vale revisar se a operação consegue responder “sim” aos pontos abaixo:

  1. Conversas e pedidos usam uma identificação comum?
  2. O histórico registra origem, interesse, objeção e próxima ação?
  3. O atendente enxerga pedido, entrega, troca e reembolso?
  4. Eventos críticos criam tarefas para uma pessoa responsável?
  5. Automações param quando existe uma pendência de atendimento?
  6. O pós-venda considera a entrega e o tipo de produto?
  7. Campanhas excluem clientes em situações inadequadas?
  8. Marketing, atendimento e operação usam definições iguais?
  9. A loja mede recompra e resolução, além da primeira conversão?
  10. Existe um responsável por corrigir rupturas entre os sistemas?

O e-commerce que fecha esse ciclo não precisa enviar mais mensagens. Precisa usar melhor cada interação. Quando conversa, pedido e pós-venda compartilham o mesmo contexto, a operação ganha previsibilidade e o cliente deixa de recomeçar a própria história em cada canal.

36% dos brasileiros já fizeram compras de supermercado pela internet, com a Geração Y liderando o hábito

E-Commerce Uptate
-
0
36% dos brasileiros já fizeram compras de supermercado pela internet, com a Geração Y liderando o hábito

Comprar mercado pela internet deixou de ser exceção no Brasil. Segundo o estudo “O Mapa da Busca no Brasil 2026“, da Optimiza Marketing, 36% dos consumidores fizeram ao menos uma compra na categoria de mercado e supermercado nos últimos três meses. O hábito é ainda mais forte entre a Geração Y, consumidores de 30 a 44 anos, entre os quais o índice sobe para 39%, o maior recorte etário da categoria.

O dado se encaixa em um recorte mais amplo do Mapa da Busca sobre categorias de consumo online, que também mostra 30% de compra em eletroeletrônicos, celulares e informática, com maior presença de homens (36%) e da Geração X (34%), e 24% de compra em casa, móveis e decoração, categoria em que as mulheres também lideram, com 27%.

Por que a Geração Y compra mais mantimento online?

Uma explicação plausível para a liderança da Geração Y na categoria de mercado está no perfil de vida dessa faixa etária no Brasil de 2026. São consumidores em fase de estruturação familiar e profissional mais intensa, com rotina apertada e maior disposição a pagar por conveniência, o que torna a entrega de mantimentos em casa um alívio direto de tempo, não apenas uma opção de preço.

O supermercado digital ainda é menor que moda e beleza, mas cresce em relevância estratégica

Apesar de aparecer atrás de categorias como moda (56%) e beleza (46%) em volume de consumidores que compraram ao menos uma vez, o mercado e supermercado tem uma característica que nenhuma das duas categorias anteriores tem no mesmo grau: a recorrência. Compra de mantimento tende a se repetir semanalmente ou quinzenalmente, o que torna essa categoria especialmente valiosa para a construção de hábito de compra recorrente em um único aplicativo ou plataforma, diferente de categorias de compra mais espaçada, como moda ou eletroeletrônicos.

Para redes de supermercado e aplicativos de entrega, o dado é estratégico em dois sentidos. Primeiro, porque mostra que o público mais valioso para conquistar hábito recorrente, a Geração Y, já está mais aberto a comprar mantimento online do que a média nacional. Segundo, porque essa recorrência de compra é justamente o tipo de comportamento que, uma vez capturado, tende a ser mais resistente à migração para concorrentes, desde que a experiência de entrega e a confiança na plataforma se mantenham consistentes ao longo do tempo.

3 em cada 10 brasileiros já compram direto pelo WhatsApp, e isso marca o fim da era do disparo em massa no CRM do varejo

E-Commerce Uptate
-
0
3 em cada 10 brasileiros já compram direto pelo WhatsApp, e isso marca o fim da era do disparo em massa no CRM do varejo

Três em cada dez brasileiros já utilizam o WhatsApp diretamente para realizar compras, segundo o CX Trends 2025, estudo da Octadesk em parceria com o Opinion Box. Para o material “O Novo Playbook de CRM para WhatsApp no Varejo”, da Dito, plataforma de CRM marketing para o varejo, esse comportamento marca o fim de uma era: o próximo estágio de maturidade do WhatsApp como canal de CRM no varejo deve ser definido pela capacidade das marcas de usar dados para decidir quem abordar, e não pela quantidade de mensagens disparadas.

O documento descreve um cenário em que operações de CRM cada vez mais orientadas por inteligência artificial de propensão e segmentação RFM tendem a superar operações baseadas em volume, à medida que as regras de uso do canal se tornam mais rígidas e o custo por mensagem via API se consolida como parte do orçamento de marketing.

O comportamento de compra já está migrando para o WhatsApp

Dados recentes do mercado brasileiro sustentam essa leitura de tendência. Segundo o CX Trends 2025, estudo da Octadesk em parceria com o Opinion Box, 30% dos consumidores brasileiros já utilizam o WhatsApp diretamente para realizar compras, e 56% acreditam que tecnologias de automação e autoatendimento, quando bem configuradas, podem aumentar a eficiência do atendimento sem perder a qualidade da relação. O dado indica que a conversa comercial pelo WhatsApp deixou de ser uma exceção operacional para se tornar parte esperada da jornada de compra no varejo brasileiro.

Esse movimento também aparece refletido em projeções específicas para o setor de tecnologia de CRM: segundo a Business Research Insights, o mercado global de software de CRM voltado ao varejo deve crescer de US$ 4,42 bilhões em 2026 para US$ 17,66 bilhões até 2035, uma expansão composta de 12,3% ao ano, o que sugere um investimento crescente das redes varejistas em plataformas capazes de sustentar essa nova forma de relacionamento.

Eficiência por contato como métrica central

Segundo o Playbook, a métrica que deve ganhar mais relevância nos próximos anos é a receita por contato, em vez do volume total de mensagens enviadas, um movimento já observado em operações mais maduras, que reduzem o número de abordagens por vendedor sem perder resultado comercial, ao mesmo tempo em que preservam a saúde dos números utilizados.

O material projeta ainda uma consolidação do uso de plataformas de CRM verdadeiramente omnichannel, capazes de distribuir promoção, retenção, relacionamento e recuperação entre WhatsApp, e-mail, SMS e API de forma automatizada, reduzindo a dependência de qualquer canal isolado e tornando a operação de CRM do varejo menos vulnerável a mudanças de política das próprias plataformas de mensageria.

A análise completa de tendências e a metodologia usada nos benchmarks estão disponíveis em: https://conteudo.dito.com.br/playbook-whatsapp

A em pagamentos: já não apenas detecta fraudes, agora aprende como você compra para identificar quando não é você

E-Commerce Uptate
-
0
A em pagamentos: já não apenas detecta fraudes, agora aprende como você compra para identificar quando não é você

O crescimento dos pagamentos digitais tem sido acompanhado por uma transformação silenciosa das fraudes financeiras. O que antes dependia principalmente do roubo de credenciais ou da clonagem de cartões agora incorpora engenharia social, identidades sintéticas e ferramentas de inteligência artificial capazes de tornar os ataques mais convincentes e escaláveis. Nesse cenário, bancos, fintechs e empresas enfrentam um desafio cada vez mais complexo: proteger os usuários sem comprometer a velocidade e a simplicidade que caracterizam os pagamentos digitais.

Segundo levantamento do Instituto Datafolha em parceria com o Fórum Brasileiro de Segurança Pública (FBSP), cerca de 24 milhões de brasileiros foram vítimas de golpes financeiros envolvendo Pix, cartões e boletos entre julho de 2024 e julho de 2025, acumulando prejuízos estimados em quase R$29 bilhões. Além disso, informações da Estratégia Nacional de Combate à Corrupção e à Lavagem de Dinheiro (ENCCLA) apontam que mais da metade dos brasileiros já sofreu algum tipo de fraude financeira.

Hoje, três tendências estão redefinindo a gestão de risco no setor financeiro. De um lado, a fraude cresce rapidamente e mudou de natureza, impulsionada pela engenharia social e pelo uso de inteligência artificial generativa. De outro, a regulação exige sistemas de monitoramento em tempo real, transparentes e auditáveis. E, por fim, a defesa se torna cada vez mais dependente da inteligência artificial e de mecanismos de autenticação de baixa fricção, capazes de proteger o usuário sem comprometer a experiência de pagamento.

Imagine um consumidor que compra café todas as manhãs, no mesmo horário e na mesma cafeteria. De repente, poucos minutos depois, surge uma compra de alto valor, feita em outro dispositivo e em outra cidade. Nesse momento, a pergunta mais importante já não é “qual é a senha?”, mas “esse comportamento faz sentido para esse cliente?”. Essa é a nova fronteira da prevenção a fraudes: em vez de confiar apenas em senhas ou credenciais, a inteligência artificial aprende como cada pessoa compra para identificar quando quem está pagando pode não ser ela.

A resposta da indústria aponta para modelos capazes de interpretar comportamentos, e não apenas aplicar regras predefinidas. Frequência de compra, valores habituais, horários, localização, dispositivos utilizados e tipos de estabelecimento são alguns dos sinais que permitem construir perfis dinâmicos de risco dos consumidores. Quando uma transação se desvia significativamente desse padrão, os sistemas conseguem identificar anomalias e avaliar o nível de risco antes de autorizar uma operação.

Essa mudança também responde a uma necessidade econômica. Além de combater fraudes, as instituições precisam reduzir os chamados falsos positivos, transações legítimas rejeitadas por suspeitas de risco. Para bancos, fintechs e empresas, o desafio não é apenas bloquear atividades fraudulentas, mas fazê-lo sem gerar atritos desnecessários ou impactar a conversão de pagamentos legítimos.

A pressão sobre o ecossistema tende a aumentar nos próximos anos. Um estudo da GlobalData estima que as perdas associadas a golpes via Pix poderão alcançar cerca de R$11 bilhões por ano até 2028, enquanto dados da Serasa Experian mostram que, em 2025, houve uma tentativa de fraude a cada dois minutos no comércio brasileiro. Nesse cenário, a gestão de risco deixará de ser apenas uma função de proteção para se tornar um elemento estratégico da experiência financeira digital.

*Rodrigo Rodrigues, COO e cofundador da Akua

81% dos consumidores já compraram produtos recomendados por influenciadores

E-Commerce Uptate
-
0
81% dos consumidores já compraram produtos recomendados por influenciadores

A influência dos criadores de conteúdo na decisão de compra dos brasileiros segue em um patamar elevado. Segundo a pesquisa O Efeito da Influência no Consumo 2026, realizada pela YouPix em parceria com a Nielsen, 81% dos consumidores já compraram algum produto recomendado por um influenciador, índice acima dos 80% registrados no ano anterior. 

O comportamento aparece de forma consistente entre diferentes públicos: 83% das mulheres, 77% dos homens, 82% dos entrevistados entre 18 e 34 anos e 79% das pessoas acima de 35 anos afirmam já ter comprado por influência. O estudo também aponta que 7 em cada 10 consumidores dizem que um influenciador já impactou sua decisão de compra. Em uma escala de 0 a 10, 40% deram notas entre 7 e 8 para esse impacto, enquanto 33% atribuíram notas entre 9 e 10, classificadas como impacto total na decisão.

Para Fabio Gonçalves, há mais de uma década no mercado de marketing de influência e diretor de talentos da Viral Nation, os dados mostram que o influenciador deixou de ocupar apenas um papel de divulgação dentro das campanhas.

“Durante muito tempo, o influenciador foi visto como alguém que ajudava a marca a ganhar visibilidade. O que esse estudo mostra é que ele já está em uma etapa muito mais decisiva da jornada. Quando 81% dos consumidores dizem que já compraram algo recomendado por um creator, estamos falando de influência como comportamento consolidado, não mais como tendência ou aposta de mercado”, afirma.

Segundo o executivo, o dado também reforça uma mudança importante na forma como marcas devem planejar suas estratégias. Se antes o marketing de influência era tratado como apoio de mídia ou complemento de campanha, agora passa a ter impacto direto na construção de desejo e conversão.

“O creator não entra apenas para amplificar uma mensagem pronta. Ele traduz o produto para a rotina da audiência, mostra uso real, gera identificação e reduz a distância entre marca e consumidor. Essa é a força real da influência, já que ela acontece dentro de uma relação de confiança que já existe entre criador e comunidade”, explica.

Para Gonçalves, a maturidade do setor também exige que marcas deixem de avaliar influenciadores apenas por número de seguidores ou engajamento. Com a influência cada vez mais próxima da decisão de compra, critérios como credibilidade, nicho, contexto, reputação e coerência entre criador e produto passam a ter peso maior.

Segundo o especialista, a escolha do talento precisa ser cada vez mais estratégica: “Não adianta olhar só para alcance se aquela pessoa não tem conexão real com o produto ou com a comunidade que a marca quer atingir. A influência mais eficiente é aquela que faz sentido para quem acompanha o criador. E isso também aumenta a responsabilidade do próprio talento, que precisa escolher com cuidado as marcas com as quais vai trabalhar”, avalia.

O avanço desse comportamento também muda o papel das agências e dos agentes. A intermediação entre marcas e creators deixa de ser apenas uma negociação comercial e passa a envolver curadoria, leitura de público, análise de reputação e construção de parcerias mais consistentes.

“O mercado está entrando em uma fase em que influência precisa ser pensada com mais método. Na Viral Nation, olhamos para esse movimento com foco em profissionalização: dados, brand safety, escolha criteriosa de talentos e parcerias que sejam boas para marcas, creators e consumidores. Quando a recomendação de um influenciador passa a impactar diretamente a compra, todo o ecossistema precisa operar com mais estratégia e responsabilidade”, finaliza.

Do SEO ao GEO: inteligência artificial muda comportamento de compra e desafia marcas na disputa pela recomendação do ChatGPT e Gemini

E-Commerce Uptate
-
0
Do SEO ao GEO: inteligência artificial muda comportamento de compra e desafia marcas na disputa pela recomendação do ChatGPT e Gemini

A forma como os consumidores descobrem produtos e serviços está mudando rapidamente. Em vez de pesquisar diretamente em mecanismos de busca ou navegar por marketplaces, cada vez mais pessoas recorrem ao ChatGPT, Gemini, Copilot e outras ferramentas de inteligência artificial para pedir recomendações, comparar opções e esclarecer dúvidas antes de tomar uma decisão de compra. Para as empresas, essa mudança traz um novo desafio: como fazer a marca aparecer nas respostas geradas por IA?

O movimento acompanha a evolução do chamado comércio agêntico, em que assistentes e agentes de inteligência artificial passam a desempenhar um papel cada vez mais ativo na jornada de consumo. Segundo o relatório The Agentic Commerce Report, da Worldpay, 39% dos brasileiros estão prontos ou dispostos a experimentar compras mediadas por IA nos próximos 12 meses, enquanto os consumidores estimam que, em cinco anos, 11% de suas compras serão realizadas por bots de inteligência artificial. O estudo também mostra que 57% apontam rapidez e conveniência como os principais benefícios desse modelo, indicando que a IA tende a assumir um papel crescente na descoberta e recomendação de produtos.

Isso significa que a disputa pela atenção do consumidor online já não está mais restrita às páginas de resultados dos buscadores e passa a acontecer também dentro das respostas produzidas por modelos de IA. Quando alguém pergunta “qual o melhor banco digital?”, “qual notebook vale mais a pena?” ou “qual plataforma de e-commerce é mais indicada para pequenas empresas?”, a resposta pode ser construída a partir das informações que essas ferramentas conseguem encontrar e interpretar sobre as marcas disponíveis na internet.

Para Eduardo de Barros, especialista em marketing digital e CEO da IDK Brasil, o ambiente digital vive uma transformação semelhante à popularização dos mecanismos de busca, mas com uma lógica diferente, em que as marcas precisam não apenas ser encontradas, mas também reconhecidas como fontes relevantes pelas novas tecnologias.

“As empresas precisam entender que a competição não é mais apenas por cliques no Google, mas por relevância dentro dos sistemas de inteligência artificial. Quanto mais consistente e confiável for a presença digital de uma marca, maiores são as chances de ela ser considerada nas respostas geradas por esses modelos.”

Da busca por links à busca por respostas

Durante muitos anos, as estratégias digitais foram estruturadas para conquistar boas posições nos mecanismos de busca. O objetivo era fazer com que o consumidor clicasse em um link e acessasse o site da empresa. Com a popularização da IA generativa, essa dinâmica começa a mudar.

Em vez de apresentar dezenas de resultados para que o usuário escolha, ferramentas como ChatGPT e Gemini entregam respostas prontas, resumidas e contextualizadas. “Em muitos casos, o consumidor sequer precisa visitar vários sites para encontrar as informações que procura. Isso faz com que ser mencionado pela inteligência artificial se torne um novo objetivo para as empresas, especialmente em segmentos em que a comparação entre marcas faz parte da decisão de compra”, destaca Eduardo de Barros.

O que aumenta as chances de uma marca aparecer nas respostas da IA?

Para aumentar as chances de aparecer nas respostas da IA, Eduardo ressalta que não basta investir apenas em anúncios ou técnicas tradicionais de otimização para buscadores. “As inteligências artificiais tendem a privilegiar conteúdos claros, completos e produzidos por fontes consideradas confiáveis.” 

Isso significa manter informações institucionais atualizadas, descrever corretamente produtos e serviços, produzir artigos que respondam às principais dúvidas do público e construir autoridade sobre os temas relacionados ao negócio. Também ganham importância a presença em veículos de imprensa, estudos de mercado, entrevistas, pesquisas e outros conteúdos que reforcem a credibilidade da marca.

“Não existe uma fórmula exata para fazer uma IA recomendar uma empresa. O caminho é construir autoridade ao longo do tempo. Quanto mais referências de qualidade existirem sobre uma marca, maiores tendem a ser as chances de ela aparecer quando alguém fizer uma pergunta relacionada ao seu mercado”, explica o especialista.

GEO surge como evolução das estratégias digitais

Essa transformação também impulsiona um novo conceito dentro do marketing digital: o Generative Engine Optimization (GEO). Enquanto o SEO busca melhorar o posicionamento nos mecanismos de busca tradicionais, o GEO reúne práticas voltadas a aumentar as chances de que uma marca seja compreendida e utilizada como referência pelos modelos de inteligência artificial.

Embora ainda seja uma estratégia em desenvolvimento, o princípio permanece o mesmo: quanto mais consistentes, organizadas e confiáveis forem as informações disponíveis sobre uma empresa, maiores tendem a ser as possibilidades de ela aparecer nas respostas geradas por IA.

Isso envolve desde a produção de conteúdo especializado até a manutenção de informações padronizadas sobre a empresa em diferentes canais digitais, facilitando a interpretação desses dados pelos modelos de inteligência artificial.

O consumidor mudou e as marcas precisam acompanhar

A popularização da IA generativa tende a alterar não apenas a forma como os consumidores pesquisam, mas também como as empresas constroem sua presença digital. Se antes a estratégia estava concentrada em atrair visitantes para um site por meio dos mecanismos de busca, agora as marcas passam a disputar espaço nas respostas produzidas pelos assistentes de inteligência artificial, que sintetizam informações de diferentes fontes antes de apresentar uma recomendação.

Conteúdos superficiais ou produzidos apenas para melhorar o posicionamento em buscadores tendem a perder relevância. Ganha importância a construção de autoridade sobre determinado tema, a consistência das informações publicadas e a presença da marca em diferentes fontes consideradas confiáveis, como reportagens, estudos, sites especializados e canais institucionais.

Para Eduardo de Barros, essa mudança representa uma nova etapa da transformação digital do marketing. “Até agora, as empresas produziam conteúdo pensando principalmente em quem faria a busca. Agora existe um novo intermediário nesse processo: a inteligência artificial. Isso exige uma comunicação muito mais clara, estruturada e confiável, porque é ela quem vai interpretar essas informações antes de apresentá-las ao consumidor.”

Embora o SEO continue essencial, a inteligência artificial muda a forma como as empresas são encontradas na internet. Se antes o principal objetivo era aparecer entre os primeiros resultados de busca, agora também será preciso estar presente nas respostas que ferramentas como ChatGPT e Gemini oferecem aos consumidores quando eles procuram uma recomendação.

Liz Lingerie reduz em 36% tempo de resposta no pós-venda com agente de IA da OmniChat

E-Commerce Uptate
-
0
Liz Lingerie reduz em 36% tempo de resposta no pós-venda com agente de IA da OmniChat

A Liz Lingerie, marca brasileira do Grupo CMR e referência em moda íntima, reduziu em 36% o tempo médio de primeira resposta em seu atendimento ao cliente após implementar o recurso de inteligência artificial generativa em sua operação virtual de vendas. Para isso, utilizou o Whizz Agent, agente de IA que qualifica conversas e vende produtos como um humano de forma ininterrupta da OmniChat, plataforma de IA conversacional para vendas no WhatsApp – que já atende mais de 500 marcas no Brasil. A iniciativa também impulsionou em 8,5% o índice de satisfação dos consumidores (CSAT), desde que começou a utilizar o recurso no último trimestre de 2025.

Com uma operação de SAC formada por apenas dois profissionais e um alto volume de interações via WhatsApp, a marca enfrentava desafios relacionados à agilidade no atendimento, especialmente em períodos de alta demanda, como a Black Friday. Questões sobre status de pedidos, rastreamento, trocas e devoluções representavam a maior parte dos contatos e consumiam grande parte do tempo da equipe, que muitas vezes não dava conta de oferecer um atendimento mais próximo e personalizado, além de levar, em média, duas horas para atribuir a primeira resposta ao cliente.

Para resolver esse problema, a empresa iniciou a parceria com a OmniChat para integrar o Whizz Agent ao WhatsApp da varejista, com foco nos contatos de pós-venda. A solução foi configurada para atuar com os agentes de IA de forma autônoma para solucionar as dúvidas mais recorrentes e preservar o contexto da conversa quando houvesse a necessidade de transferência para atendimento humano. Além disso, o Whizz Agent também passou a operar conectado à Troquecommerce, plataforma especializada em trocas, devoluções e logística reversa — um dos principais motivos de contato no pós-venda de marcas de moda. 

Para Cris Angotti, gerente de SAC da Liz Lingerie, a adoção trouxe ganhos relevantes para a operação e iniciou um novo capítulo na relação com o consumidor. “Nosso desafio era manter a qualidade e a velocidade do atendimento mesmo com uma estrutura enxuta. Com o Whizz Agent, conseguimos dar respostas mais rápidas, organizar melhor o fluxo de pós-venda e oferecer uma experiência mais eficiente para os nossos clientes”, destaca.

No período, foram registrados 6.900 atendimentos, dos quais 1.653 foram conduzidos pelo agente de IA. Desse total, 1.263 casos exclusivos de pós-venda foram resolvidos de forma autônoma, permitindo que a equipe humana se concentrasse em situações de maior complexidade e personalização.

Além de realizar trocas e devoluções de forma mais rápida, com a integração a marca passou a realizar um atendimento mais ágil sem precisar expandir a equipe, diminuiu a dependência do time para demandas de baixa complexidade e aprimorou a experiência do cliente, refletindo diretamente no índice de satisfação dos consumidores (CSAT). Ou seja, a  conexão com o ecossistema da operação trouxe mais transparência ao processo e reduziu a dependência da equipe em tarefas repetitivas.

Segundo Mauricio Trezub, CEO da OmniChat, o case reforça como os agentes de  IA podem transformar operações de atendimento com impacto direto no negócio. “A automação inteligente não substitui o fator humano, ela potencializa. Quando a tecnologia assume processos repetitivos, as equipes ganham tempo para atuar onde realmente fazem diferença na experiência do cliente”, completa.

Farmácia e saúde já são compradas online por 41% dos brasileiros, com Baby Boomers na liderança do índice

E-Commerce Uptate
-
0
Farmácia e saúde já são compradas online por 41% dos brasileiros, com Baby Boomers na liderança do índice

De todas as surpresas do estudo “O Mapa da Busca no Brasil 2026”, da Optimiza Marketing, talvez a mais contraintuitiva esteja na categoria de farmácia, saúde e suplementos. Ao todo, 41% dos brasileiros compraram algum produto dessa categoria online nos últimos três meses. Mas o dado que chama atenção é o recorte geracional: entre os Baby Boomers, consumidores de 60 anos ou mais, o índice sobe para 57%, o maior salto registrado por qualquer geração em qualquer categoria do levantamento. Entre mulheres, o percentual também é elevado, atingindo 46%.

O crescimento da categoria de saúde no comércio eletrônico brasileiro não é um fenômeno isolado do estudo da Optimiza. Segundo levantamento da Neotrust, empresa de inteligência de dados do varejo digital, a categoria de saúde registrou alta de 72% no faturamento entre janeiro e setembro de 2025, impulsionada principalmente pelas vendas de canetas emagrecedoras, que somaram 2,34 milhões de unidades e R$ 3,01 bilhões em faturamento no período, cerca de 4,9 vezes mais que no mesmo intervalo de 2024.

Por que o consumidor mais velho lidera essa categoria

A combinação dos dois estudos sugere uma leitura interessante. Consumidores mais velhos, que em outras categorias do Mapa da Busca aparecem como público mais cauteloso e mais dependente de validação cruzada antes de comprar, se tornam justamente os mais ativos quando o assunto é saúde e farmácia, provavelmente por já terem uma relação de recompra recorrente com medicamentos e suplementos, o que reduz a barreira de adoção do canal digital para esse tipo específico de produto.

Uma categoria que também exige mais confiança

Vale lembrar que a categoria de saúde é justamente uma daquelas em que o Mapa da Busca identifica maior peso das avaliações de outros consumidores e da confiança em fontes verificadas, dado o risco percebido mais alto de comprar produtos ligados à própria saúde. Isso reforça a importância, para farmácias digitais e marcas de suplementos, de investir pesado em prova social e conteúdo confiável, não apenas em preço competitivo.

“Farmácia é a categoria onde eu mais cobro rigor de conteúdo dos meus próprios clientes. Não é sobre aparecer bonito, é sobre ser preciso, porque o consumidor que compra saúde online, principalmente o mais velho, está pesquisando com medo de errar. Prova social e informação correta pesam muito mais aqui do que em qualquer outra categoria”, afirma Júlia Neves, CEO da Optimiza Marketing.

Para farmácias online e marcas de saúde, o cruzamento dos dois estudos é claro. Existe uma demanda real e crescente, puxada por um público que o mercado muitas vezes subestima, e que exige comunicação clara, prova social robusta e atenção redobrada à confiabilidade do conteúdo, sob risco de perder um consumidor que já provou estar dispostos a comprar saúde pela internet, mas que também é o mais exigente quando o assunto é confiança.

A confiança virou o principal KPI da era da IA

E-Commerce Uptate
-
0
A confiança virou o principal KPI da era da IA

Por Rubens Lenzi, especialista em transformação digital e diretor de CX Tech

Durante muito tempo, a performance das áreas de Customer Experience (CX) foi medida por indicadores clássicos como NPS, CSAT, Tempo Médio de Atendimento (TMA) e Resolução no Primeiro Contato (FCR). Embora essas métricas continuem sendo fundamentais, a rápida incorporação da Inteligência Artificial ao relacionamento com o cliente adicionou uma nova variável – e talvez a mais crítica – à equação: a confiança.

Chatbots avançados, assistentes virtuais, motores de recomendação e agentes autônomos já aceleram interações e reduzem o Custo de Servir. Porém, à medida que a IA assume um papel decisivo na jornada do consumidor, surge a pergunta inevitável: o seu cliente realmente confia nas decisões tomadas pela tecnologia?

O dado que define a nova exigência

Os números mostram que a falta de transparência afeta diretamente a percepção de marca. Uma pesquisa global da Salesforce revelou que 61% dos consumidores afirmam que o avanço da IA torna ainda mais importante que as empresas sejam confiáveis. Além disso, 72% consideram essencial saber quando estão interagindo com uma inteligência artificial e não com um ser humano.

Ou seja, um atendimento pode ser concluído em poucos segundos, mas se o consumidor não compreender como aquela resposta foi construída ou desconfiar do uso dos seus dados, a experiência será percebida como negativa. A IA aumentou a eficiência, mas elevou drasticamente o nível de exigência.

Os 4 pilares da confiança em CX Tech

Diferente de métricas transacionais, a confiança não pode ser resumida a um único número de painel. Ela é o resultado de quatro pilares estruturais ao longo da jornada:

  1. Transparência radical: O cliente precisa saber claramente quando está falando com um sistema automatizado. O fim da opacidade é o primeiro passo para a aceitação da tecnologia.
  2. Consistência de respostas: Informações contraditórias ou mudanças inesperadas no comportamento do agente de IA destroem a credibilidade da marca em segundos.
  3. Sensação de controle: A tecnologia gera mais confiança quando o consumidor sabe que pode corrigir dados, contestar uma decisão ou migrar para o atendimento humano a qualquer momento.
  4. Governança e proteção de dados (LGPD): O cliente exige clareza sobre como suas informações são armazenadas e utilizadas. A segurança de dados é o contrato moral da era digital.

Conclusão: eficiência sem confiança não gera lealdade

O futuro do Customer Experience não será definido por uma disputa entre humanos e máquinas, mas pela qualidade da orquestração entre ambos. A IA entrega escala e velocidade; o ser humano oferece contexto, empatia e discernimento.

No fim das contas, a tecnologia pode otimizar processos e cortar custos, mas somente a confiança é capaz de transformar uma interação automatizada em um relacionamento duradouro e rentável.

1234...754Página 3 de 754