Com cerca de 30 mil desenvolvedores, o conglomerado Mercado Livre e Mercado Pago tem uma plataforma própria de Inteligência Artificial em plena expansão e entende que a internalização da tecnologia é parte da cultura. Apesar disso, a empresa ousou testar a aplicação da tecnologia de IA de voz no atendimento do Mercado Pago junto a um parceiro: a Decagon.
A aproximação começou há aproximadamente um ano e meio. O Mercado Livre estava concentrado em desenvolver IA para o atendimento aos clientes do Mercado Pago e sabia que, pela frente, ainda teria de enfrentar o desafio de aplicar a solução no restante do ecossistema.
“Como eu posso, em paralelo, testar algo que já funciona, que está pronto?”, questionou-se Thiago Gibertoni, Customer Service senior manager do Mercado Livre. Até então, o atendimento automatizado estava restrito ao chat, ou seja, não incluía o recurso de voz. Ao decidir entre construir e contratar, considerou-se um critério em especial: a velocidade.
“Naquele momento, não teríamos condições de priorizar e colocar no pipeline um desenvolvimento desse”, detalha.
A IA de voz não é humana
A opção por começar pela voz carregava uma dúvida cultural. “Geralmente os usuários pedem o canal de voz quando querem falar com uma pessoa. É um pouco da cultura no Brasil. Então, dissemos: por que não testar num ambiente mais controlado e avaliar a reação?”, relata Gibertoni.
O kick-off no Brasil aconteceu em setembro de 2025. Em sete semanas, a primeira onda estava em produção. A partir daí, o lançamento avançou em etapas, sempre acompanhado de métricas. Em seis meses, alcançou todo o público do canal. O ritmo, segundo o executivo, dependeu de um modelo de trabalho enxuto.
“Após o kick-off, tivemos uma integração via Slack muito forte, com um time muito prestativo. Isso ajudou a avançar rápido”, conta.
Responder não é resolver
Um dos pontos centrais da conversa foi a diferença entre uma IA que informa e uma IA que resolve. “Muitas vezes as pessoas acham que a função da IA é ‘responder’, mas há uma ampla diferença entre ‘responder’ e ‘resolver’”, provoca Haig Hanessian, general manager da Decagon na LatAm e Iberia.
No Mercado Livre, o que permitiu à Decagon ir além da consulta foi o trabalho de organização interna realizado previamente. A empresa já contava com uma “fonte única da verdade” bem estruturada e construiu APIs e funcionalidades para que o agente pudesse executar ações. Gibertoni descreve a relação como um trabalho a quatro mãos.
Ao longo da jornada, o time fez uma série de ajustes para eliminar duplicidades e ambiguidades na base de conhecimento. “Se a IA conseguir entender o problema, conectar as APIs de que precisa e resolver em uma chamada de 30 segundos, é o melhor dos casos”, detalha o executivo do Mercado Livre.
Um exemplo é o usuário que liga com a conta restrita. O agente valida os dados, confirma a restrição no sistema e envia, pelo canal de preferência do cliente – seja e-mail, seja WhatsApp – o formulário a ser preenchido e o prazo de resposta da área responsável. O mesmo tipo de fluxo já atende demandas ligadas à Point, a maquininha do Mercado Pago.
“Quanto mais abrimos as portas para a Decagon, mais ela consegue capturar o que precisamos, executar e resolver”, detalha o Customer Service senior manager do Mercado Livre.
Da caixa-preta ao mapa das ligações no Mercado Pago
Hoje, a solução de IA de voz opera no canal de saque do Mercado Pago, que recebe entre 30 mil e 40 mil ligações por semana. A Unidade de Resposta Audível (URA) foi inteiramente substituída pelo agente da Decagon, e 75% dos chamados são defletidos, ou seja, atendidos pela IA sem passar por um representante.
O ganho mais estratégico, porém, está na visibilidade. Por ser um número telefônico, o canal de saque funcionava como uma caixa-preta: não se tinha clareza sobre o motivo de cada contato.
“Na URA, você tem quatro botões e o dado que se obtém é muito cru, muito primitivo”, compara Gibertoni. Com todas as chamadas mapeadas, o time passou a consultar o próprio assistente da Decagon para entender a demanda.
O atendente que sobe de nível
Eduardo Rubini, head Business Development LatAm da Decagon, destaca que, por mais que a automação avance, haverá sempre demandas que exigem o envolvimento de uma pessoa. Isso posto, ele questiona: quais casos continuarão nas mãos das equipes?
Para Gibertoni, a resposta passa por uma mudança na forma de trabalhar em todos os níveis da companhia. Casos fora do padrão ou originados de falhas seguirão exigindo atenção humana; o objetivo é que o trivial fique com a IA e que o representante assuma o papel de um superagente, capaz de identificar um bug, acionar a área de TI e acompanhar o caso sem derivações. “Vamos especializar as pessoas”, diz. “Elas vão ter um papel muito mais sênior do que têm hoje”, afirma.
A tecnologia também ataca um limite conhecido de quem trabalha com atendimento: a carga cognitiva. O Mercado Livre desenvolve um copiloto interno que atua de forma proativa, lendo a conversa e as variáveis do usuário para sugerir caminhos ou alertar o representante quando algo sai do rumo.
Com o suporte técnico entregue pela máquina, o humano se torna mais valioso: só ele possui a habilidade humana necessária no atendimento a um cliente que é mais vulnerável por alguma questão etária ou social.
O histórico como ferramenta de tom no atendimento
Rubini destaca o potencial de unir a base de dados do Mercado Livre, uma das mais ricas do País sobre comportamento de compra, com a memória completa das interações registradas pela Decagon. Gibertoni reconhece a vantagem, sempre dentro dos limites legais, mas afirma que a prioridade no atendimento é usar a informação para resolver mais rápido.
O CRM global da companhia oferece ao representante um resumo de casos relacionados, com os contatos anteriores do mesmo usuário, e aponta falhas na jornada.
Quando muitos usuários voltam com a mesma dúvida, a empresa precisa descobrir em qual parte da jornada está a falha de comunicação – na IA ou no diálogo com um representante. “O Meli tem a cultura de estar sempre ‘beta contínuo’”, afirma Gibertoni. O norte, porém, segue o mesmo. “O usuário, no final das contas, quer o seu problema resolvido de forma rápida”, conclui.
