O atendimento que já aconteceu antes do seu primeiro ticket
Em 7 de setembro de 2026, o cliente da Ótica Vieira digita no assistente de IA do celular: "ótica vieira, comprei óculos há 40 dias e a lente veio riscada, como que cancela e tem estorno". Ele não liga para a loja. Ele não abre o chat do site. A pergunta some numa janela de conversa que a empresa nunca vê, e a resposta que volta já decide o que ele vai exigir quando finalmente falar com alguém da Ótica Vieira. Esse caso é hipotético, e cada número específico dele que aparecer neste texto vem rotulado como tal.
Minha tese é direta e admite contestação: o primeiro atendimento da sua empresa não acontece mais dentro dela. Ele acontece num assistente de IA generalista, montado com o que existe publicamente sobre a sua marca, incluindo a reclamação de um terceiro no Reclame Aqui e a política de troca que ninguém atualizou desde 2023. Esse atendimento invisível não entra em nenhum indicador de CX que a sua operação monitora hoje, o mesmo tipo de ponto cego que descrevo em o texto sobre o funil invisível do comprador, quando a maior parte da jornada foge da medição da empresa, e mesmo assim ele já reformulou a expectativa do cliente antes de o primeiro ticket existir. A consequência operacional, que sustento no restante do texto, é que a documentação pública de política deixou de ser material de marketing e virou infraestrutura de atendimento: se ela está errada ou desatualizada, o erro chega ao cliente pela boca do assistente antes de chegar pela boca do seu atendente.
Quem lê este texto até o fim sai com uma tabela para auditar as fontes que a IA usa para responder por você, com o texto do Decreto que já obriga transparência no SAC brasileiro, com o ciclo que transforma erro de IA em reclamação e reclamação em nova fonte de erro, e com uma estrutura concreta para publicar política de forma que o assistente consiga citar com precisão.
O que os dados de 2025 e 2026 mostram sobre IA no atendimento brasileiro
No Brasil, a IA já responde por cerca de 30% dos casos de atendimento e a projeção do próprio setor é de 50% em dois anos, segundo o relatório global da Salesforce. Isso mede o atendimento formal, dentro do canal da empresa; o atendimento informal, fora dele, ainda não tem medição confiável.
O relatório 2025 State of Service da Salesforce ouviu 6,5 mil profissionais de atendimento em 40 países, com um recorte de 300 profissionais no Brasil. A reportagem da TI Inside de 11 de setembro de 2025 traduz o recorte nacional: "no Brasil, a IA deve resolver metade dos casos de atendimento ao cliente em dois anos, ante cerca de 30% hoje". A mesma amostra brasileira registra 91% dos profissionais de atendimento afirmando que a IA os torna mais produtivos e 84% dizendo que conversas com suporte de IA melhoram a acessibilidade para diferentes grupos de clientes.
Esse número de 30% descreve o bot da própria empresa, dentro do canal dela, que ela pode auditar. Ele não descreve o assistente generalista que o cliente abre no próprio celular antes de procurar qualquer canal da empresa. Para esse segundo movimento, que é o assunto deste texto, o dossiê que sustenta esta peça é categórico: não encontrei nenhum dado quantitativo, com percentual, amostra e método, que meça a proporção de consumidores brasileiros que consultam um assistente de IA generalista antes de acionar o SAC de uma empresa. [FALTA EVIDÊNCIA: survey brasileiro com pergunta direta do tipo "você consultou IA antes de acionar o SAC da empresa"]. O que existe é indício de comportamento ao redor: a reportagem da Forbes Brasil de 28 de novembro de 2025 sobre a Black Friday relata que 95% dos clientes esperam que sistemas de IA expliquem suas decisões, contra apenas 28% das empresas oferecendo essa explicação hoje, embora essa estatística trate de explicabilidade de IA da própria empresa, não de consulta prévia a um assistente generalista.
Há também um dado de sinal contrário, que qualquer ensaio honesto sobre o tema precisa carregar: a pesquisa Opinion Box com CX Brain, apresentada no Conarec 2025 e com 2.049 respondentes, encontrou que a totalidade dos consumidores entrevistados prefere ser atendida por humanos, especialmente em situações complexas ou de atrito, segundo a reportagem da Consumidor Moderno de 19 de setembro de 2025. Preferir humano na hora do conflito não é o mesmo que evitar o assistente de IA na hora de descobrir a regra antes do conflito começar, e é exatamente essa segunda pergunta, a de descoberta, que fica sem número no Brasil hoje.
Do lado da expectativa de disponibilidade, a matéria do Mobile Time de 26 de novembro de 2025 sobre pesquisa da Zendesk relata que 74% dos entrevistados esperam resolver suas questões numa jornada de 24 horas com uso de IA, sem que a matéria informe o tamanho da amostra; [FALTA EVIDÊNCIA: ficha técnica completa da pesquisa Zendesk citada pelo Mobile Time]. E a matéria do Terra de 13 de outubro de 2025 sobre o relatório CX Trends da Opinion Box com Octadesk aponta que 20% dos consumidores brasileiros citam atendimento como fator essencial na decisão de compra e 18% apontam ausência de retorno como fator que corrói a confiança na marca, sem que a matéria informe a amostra do estudo original.
Por que o indicador de CX não vê esse atendimento, e o que dá para medir mesmo assim
O atendimento por IA que a sua empresa não vê não é inteiramente inauditável, apenas exige instrumentação nova em vez de reaproveitar a régua antiga: nenhum indicador de CX tradicional enxerga a conversa que o cliente teve com um assistente de IA fora dos canais da empresa, porque CSAT, NPS e tempo médio de atendimento nascem de um evento registrado dentro de um sistema que a empresa controla; a conversa no assistente não gera ticket, não gera protocolo e não passa pelo CRM.
O motivo estrutural é simples de nomear e difícil de resolver com ferramenta pronta: CSAT pergunta sobre a experiência de um atendimento que já aconteceu num canal da empresa; NPS pergunta sobre a disposição de recomendar depois de uma experiência com a marca, também amarrada a um contato reconhecível; tempo médio de atendimento conta minutos dentro de um sistema de filas que a empresa administra. Nenhum desses três nasce de uma pergunta que o cliente fez a um assistente de terceiro, num aplicativo de terceiro, sem se identificar. A conversa existe, tem consequência na decisão do cliente, e não deixa rastro em nenhum desses três sistemas.
Quatro frentes dão sinal indireto, mesmo sem fechar o número exato de quantos clientes consultam IA antes do SAC:
- Auditoria de resposta por amostragem: perguntar manualmente, num lote fixo de perguntas de atendimento (como cancelar, como acionar garantia, prazo de estorno), ao ChatGPT, ao Gemini, ao Claude e ao Perplexity, e registrar se a resposta bate com a política vigente; repetir o mesmo lote a cada trimestre para ver deriva.
- Cruzamento de ticket com pergunta específica demais para ser espontânea: quando um ticket chega citando um prazo, uma condição ou um termo que não está na sua página de política mas está numa reclamação antiga de terceiro, é sinal de que o cliente carregou essa informação de outro lugar antes de falar com você.
- Tráfego direto anômalo na página de política: pico de acesso à página de termos ou de trocas sem origem de busca ou de campanha costuma coincidir com o clique que volta de um assistente que citou aquela página; aplicativos móveis de assistentes de IA com frequência abrem o link em navegador interno e perdem o referer, então o acesso cai como Direct no GA4.
- Divergência entre o que o SAC informa e o que o cliente já "sabe" ao abrir o contato: monitorar, na abertura do atendimento humano, quantos clientes começam a conversa afirmando uma regra que não é a regra vigente da empresa; isso é o resíduo comportamental do atendimento invisível.
Nenhuma dessas quatro frentes produz um percentual nacional comparável ao que a Salesforce publicou para o bot próprio da empresa. Elas produzem, no entanto, um sinal operacional que a sua própria empresa pode acompanhar mês a mês, o que já é mais do que o silêncio atual. A primeira frente, a auditoria de resposta por amostragem, é o mesmo método que descrevo no protocolo em cinco camadas contra alucinação de IA sobre a empresa, aplicado a perguntas de atendimento em vez de a fatos institucionais.
As seis fontes que a IA consulta para responder sobre a sua marca
Quando um assistente de IA monta a resposta para "como cancelar contrato com a Empresa X", ele combina, em proporção que varia por modelo e por pergunta, seis tipos de fonte pública; a empresa controla integralmente apenas duas delas.
| Fonte | O que ela entrega para a resposta | Controle da empresa | O que fazer |
|---|---|---|---|
| Site oficial da empresa (institucional, FAQ, central de ajuda) | Descrição do processo, prazos declarados, canais de contato | Total | Manter uma pergunta por página, com resposta autossuficiente e data de atualização visível |
| Termos de uso e política de cancelamento/troca | Regra formal, prazo legal, exceção contratual | Total | Publicar em HTML navegável, nunca só em PDF; reescrever trecho relevante em linguagem de pergunta e resposta |
| Canal de reclamação pública (Reclame Aqui, ouvidoria setorial) | Relato de caso individual, muitas vezes desatualizado ou resolvido sem edição do texto original | Parcial, só a resposta da empresa ao caso | Responder publicamente todo caso, com data e desfecho, porque a resposta também é indexável |
| Fórum e rede social (Reddit, grupos de WhatsApp indexados, X) | Experiência relatada por outro cliente, sem obrigação de precisão | Nenhum | Monitorar menções recorrentes de política errada e corrigir a fonte oficial que a IA deveria preferir |
| Imprensa e veículo especializado | Contexto de mercado, cobertura de crise, comparação com concorrente | Nenhum direto; indireto via assessoria | Manter release e nota oficial acessíveis e datados para quando a cobertura acontecer |
| Avaliação em marketplace ou loja de aplicativo | Nota agregada e comentário pontual sobre atendimento | Nenhum sobre o conteúdo, algum sobre a resposta | Responder avaliações negativas citando a política correta, para que o texto da resposta também sirva de fonte |
Legenda: tabela de leitura de fontes, elaborada a partir da estrutura descrita no dossiê de atendimento e IA no Brasil (2025-2026) e da prática de auditoria de resposta de IA da Brasil GEO; não é resultado de survey com amostra e método próprios, e deve ser lida como mapa de controle, não como medição.
A leitura direta da tabela é desconfortável: das seis fontes, a empresa controla o conteúdo de apenas duas, o site e os termos, e mesmo essas duas só valem alguma coisa se estiverem estruturadas de um jeito que o assistente consiga extrair com precisão. Nas outras quatro, o máximo que a empresa controla é a própria resposta ao fato relatado por terceiro, nunca o fato em si. É por isso que a resposta do assistente com frequência prefere o Reclame Aqui ou um fórum à sua própria página institucional, tema que detalho em por que a IA cita o Reddit e a Wikipedia mais do que o blog da sua empresa: a lógica de autoridade que vale para conteúdo editorial vale igual para política de atendimento.
O que o Decreto do SAC já exige, e onde a lei brasileira ainda não fala de IA
O Decreto nº 11.034, sancionado em cinco de abril de 2022, já obriga disponibilidade contínua e transparência mínima no SAC regulado; nenhuma norma brasileira, até 7 de setembro de 2026, trata especificamente de assistente de IA generalista respondendo por uma marca fora dos canais dela.
O decreto, segundo a explicação publicada pela Frete Rápido, exige acesso ao SAC disponível ininterruptamente, 24 horas por dia, sete dias por semana, em pelo menos um dos canais integrados da empresa; veda publicidade durante o tempo de espera sem consentimento prévio do consumidor; exige atendimento humano disponível por, no mínimo, oito horas diárias; e determina que o primeiro menu do atendimento traga, obrigatoriamente, as opções de reclamação e de cancelamento de contrato, além de garantir acessibilidade para pessoas com deficiência.
Repare no ponto de contato direto com o assunto deste ensaio: o decreto obriga que cancelamento e reclamação sejam opções de primeiro menu dentro do canal formal da empresa. Ele não obriga, porque não previa esse cenário em 2022, que a descrição pública dessas mesmas regras esteja correta e atualizada no lugar de onde um assistente de IA vai buscá-la. A lei regula o canal; não regula a fonte que alimenta a resposta que antecede o canal. Essa lacuna não é hipótese minha, é ausência verificável: nos materiais consultados para este texto não há norma brasileira específica sobre IA generalista respondendo por conta de terceiros no atendimento ao consumidor. [FALTA EVIDÊNCIA: regulação setorial ou projeto de lei brasileiro em tramitação especificamente sobre IA e atendimento ao consumidor, com data e status].
Na prática, isso empurra a responsabilidade de precisão para o único lugar que a empresa efetivamente controla, que é a própria publicação da política. Se o decreto já obriga que cancelamento e reclamação estejam no primeiro menu do canal formal, a mesma lógica de acesso imediato deveria valer para a página pública que descreve essas regras, porque é essa página, e não o menu do SAC, que o assistente de IA lê. É a mesma lógica que sustenta a nossa própria política de correção: publicar onde o erro aconteceu, com data, é o que torna a correção citável no lugar do erro original.
O ciclo que transforma erro de IA em reclamação, e reclamação em nova fonte de erro
Quando o assistente de IA erra a política de cancelamento de uma marca, ele não erra uma vez; ele cria uma expectativa que, ao ser frustrada, vira reclamação pública, e essa reclamação pública volta a alimentar a próxima resposta do mesmo assistente, ou de outro.
O mecanismo, no caso hipotético da Ótica Vieira, funciona em quatro passos. Primeiro, o cliente pergunta ao assistente como cancelar a compra da lente riscada; o assistente monta uma resposta a partir do que encontra publicamente, e nesse caso hipotético encontra uma reclamação de 2024, resolvida, mas nunca editada, que menciona prazo de estorno de sete dias úteis. Segundo, o cliente chega ao SAC da Ótica Vieira já esperando sete dias úteis, quando a política vigente da loja, atualizada em 2025, prevê dez dias úteis contados a partir da devolução física do produto; o atendente informa o prazo correto, e o cliente sente que a empresa está "enrolando" em relação ao que "todo mundo sabe". Terceiro, frustrado, o cliente abre uma nova reclamação pública repetindo o prazo de sete dias como se fosse o compromisso oficial da marca. Quarto, essa nova reclamação, publicada e indexável, se soma à anterior como segunda fonte confirmando o número errado, e a próxima pessoa que perguntar ao assistente recebe uma resposta ainda mais consistente, e ainda mais equivocada.
O ciclo tem uma propriedade cruel para quem só mede o próprio canal: cada rodada do ciclo parece, de dentro da empresa, apenas mais uma reclamação isolada e mal informada. Só ao olhar a data e o teor de várias reclamações lado a lado é que o padrão de origem comum aparece. Quebrar o ciclo exige dois movimentos simultâneos: corrigir e datar visivelmente a fonte oficial, para que o assistente tenha algo mais recente e mais autoritativo para preferir; e responder publicamente cada reclamação antiga citando a regra correta, porque essa resposta pública também vira fonte, e uma fonte que a empresa efetivamente escreveu.
Como escrever política pública que a IA consegue citar com precisão
Política pública citável tem quatro propriedades que a maioria dos sites de atendimento não tem hoje: mora em HTML navegável, está organizada por pergunta, mostra data de atualização visível na própria página, e nunca depende de PDF como formato principal.
Onde publicar: a página de política de cancelamento, troca ou garantia precisa ter URL própria, indexável, fora de qualquer área logada, e distinta da página de marketing que vende o produto. Misturar a regra formal dentro do texto promocional da página de vendas obriga o assistente a extrair a regra de um contexto que também contém adjetivo e argumento comercial, o que aumenta a chance de paráfrase incorreta.
Com que estrutura: cada regra relevante (prazo de cancelamento, condição de garantia, forma de estorno, canal de contato) merece um parágrafo autossuficiente, que comece pela resposta e não pela introdução. Um parágrafo que abre com "o prazo para solicitar o cancelamento é de dez dias úteis contados a partir da devolução física do produto" é mais citável do que um parágrafo que abre com "para garantir a satisfação dos nossos clientes, criamos uma política". A pergunta que o cliente realmente digita, "como cancelo", "quanto tempo demora o estorno", "como acionar a garantia", deveria aparecer como título ou subtítulo literal da seção que responde, com o primeiro parágrafo cabendo sozinho como resposta, no espírito do que descrevo em answer capsules: os 120 a 150 caracteres que a IA extrai e cita.
Com que data visível: toda página de política precisa exibir, no corpo visível e não só em metadado invisível, a data da última atualização e, quando possível, o que mudou desde a versão anterior. Assistentes que priorizam frescor de conteúdo tratam essa data como sinal de qual versão da regra prevalece quando duas fontes divergem; sem data visível, o assistente não tem como preferir a versão nova à reclamação antiga.
Por que PDF é péssimo para isso: um PDF de termos de uso costuma vir sem cabeçalho semântico, sem data de atualização no corpo do texto, muitas vezes como imagem escaneada ou como bloco de texto corrido sem parágrafo por regra, e frequentemente atrás de um clique adicional que o crawler de busca e o fetcher de agente não seguem da mesma forma que seguem um link HTML comum. Uma política que existe só em PDF é, para fins práticos de citação por IA, uma política que não existe.
Limitação declarada
Este ensaio parte de um dossiê que reúne dados de adoção de IA no atendimento formal brasileiro, com fonte, amostra e método nomeados, e admite abertamente que não existe, até 7 de setembro de 2026, medição direta e confiável do fenômeno central que ele descreve, o de o consumidor brasileiro consultar um assistente de IA generalista antes de acionar o SAC de uma marca.
Toda a seção de ponto cego de medição e o ciclo do erro descrito na seção anterior são construções de raciocínio operacional, sustentadas por mecanismo plausível e por indícios adjacentes (expectativa de explicabilidade, expectativa de disponibilidade 24 horas, frequência de reclamação pública desatualizada), não por um estudo que meça o fenômeno de ponta a ponta. Quem quiser transformar este texto em política interna deveria tratar as quatro frentes de instrumentação propostas como hipótese a testar na própria base de tickets, não como prática validada externamente. O caso da Ótica Vieira é hipotético em cada um dos seus quatro passos, e nenhum número atribuído a ele descreve uma empresa real.
Perguntas frequentes sobre IA e atendimento antes do SAC
A IA já responde mais que o SAC humano no Brasil? Não no canal formal: a IA resolve cerca de 30% dos casos de atendimento no Brasil hoje, com projeção de 50% em dois anos, segundo o relatório 2025 State of Service da Salesforce, o que ainda deixa a maioria do volume formal com humano.
Existe um número de quantos clientes brasileiros perguntam a um assistente de IA antes de acionar o SAC? Não. Não há, nos materiais consultados para este texto, pesquisa brasileira com pergunta direta, amostra e método sobre esse comportamento específico; é uma lacuna de evidência declarada, não uma estimativa disfarçada.
Se o cliente prefere humano, por que me preocupar com o que a IA responde antes? Porque preferir humano na hora do conflito, como mostra a pesquisa Opinion Box com CX Brain de 2025, não impede o cliente de usar um assistente de IA para descobrir a regra antes de o conflito começar; a preferência por humano é sobre resolução, não sobre descoberta.
O Decreto do SAC já obriga a empresa a manter a política pública atualizada para IA? Não diretamente. O Decreto nº 11.034, de 2022, obriga transparência e acesso a cancelamento e reclamação dentro do canal formal do SAC, mas não existe norma brasileira específica sobre a precisão da informação pública que um assistente de IA usa para responder por conta da empresa.
Qual fonte pesa mais na resposta de um assistente sobre a política da minha empresa? Varia por modelo e por pergunta, mas o site oficial e os termos de uso são as únicas fontes que a empresa controla por completo; canal de reclamação, fórum, imprensa e avaliação entram na resposta sem que a empresa controle o conteúdo original, só a réplica.
Por que meu PDF de termos de uso não aparece citado corretamente? Porque PDF costuma faltar cabeçalho semântico, data visível no corpo e parágrafo isolado por regra, e alguns fetchers de IA seguem link HTML com mais confiabilidade do que abrem um arquivo binário atrás de um clique extra.
Como sei se já estou dentro do ciclo do erro descrito neste texto? Um sinal prático é comparar, na abertura de tickets recentes, quantos clientes citam um prazo ou uma condição que não bate com a sua política vigente; se o número não é zero, vale investigar de onde esse número específico está vindo.
Reescrever a política pública resolve o problema sozinho? Reduz a origem do erro, mas não fecha o ciclo inteiro; é preciso também responder publicamente as reclamações antigas com a regra correta, porque a resposta da empresa também vira fonte que o assistente pode ler.