Centrais de atendimento do setor público têm as menores taxas de satisfação do cliente com o uso de IA

O que aconteceu

Uma nova análise sobre o uso de inteligência artificial em centrais de atendimento aponta que o setor público registra os menores índices de satisfação do cidadão com serviços assistidos por IA, na comparação com outros setores pesquisados. Segundo a reportagem, a diferença não está relacionada à qualidade dos modelos de IA empregados, mas sim ao modo como as transferências para atendentes humanos são estruturadas e ao nível de confiança que os cidadãos depositam nos canais públicos.

Os dados sugerem que, mesmo quando a tecnologia subjacente é comparável à utilizada por empresas privadas, o desenho do fluxo de atendimento — particularmente os pontos em que a IA deveria escalar um caso para um humano — é o que mais influencia a percepção de qualidade do serviço nas centrais de atendimento governamentais.

Por que isso importa

O achado reforça um princípio central do design de serviço: a experiência percebida depende menos da sofisticação do modelo de IA e mais da arquitetura da jornada em torno dele. Para órgãos públicos que investem em automação e atendimento digital, o resultado indica que a satisfação não melhora apenas trocando ou aprimorando o motor de IA — é preciso revisar como e quando o sistema reconhece seus próprios limites e transfere o caso a um agente humano.

Há também uma dimensão de confiança institucional em jogo. Serviços públicos carregam expectativas diferentes das de empresas privadas: o cidadão frequentemente não tem alternativa de fornecedor e lida com questões de maior peso (benefícios, documentação, saúde), o que torna qualquer fricção percebida na automação mais custosa em termos de confiança.

A visão da Renascence

É tentador tratar esse resultado como mais um caso de "IA pública atrasada em relação à privada". Mas o ponto mais relevante está em outro lugar: a lacuna de satisfação nasce no momento da escalada, não no momento da resposta automatizada.

Organizações públicas tendem a medir sucesso de IA pela taxa de resolução automática, quando deveriam medir pela qualidade da transição para o humano quando a automação falha. Em serviços essenciais, o momento em que o cidadão percebe que está "preso" num fluxo automatizado sem saída clara é o que mais corrói a confiança — não o desempenho do modelo em si. Operadores do setor público ganhariam mais investindo em critérios explícitos e transparentes de escalada do que em trocar de fornecedor de IA.