A Inteligência Artificial entrou definitivamente na agenda da experiência do cliente, mas a conversa mais importante é sobre contexto, confiança, governança e capacidade de transformar dados em decisões melhores. Esses foram alguns dos temas da entrevista com Daniel Ziv, Global Vice-President for AI and Analytics da Verint, com participação de Diego Gomez, general manager da Verint para a América Latina.
A conversa, conduzida por Jacques Meir, diretor-executivo de Conhecimento do Grupo Padrão, foi realizada durante o Verint Engage 2026, evento realizado em Las Vegas. Entre os temas de destaque estão taxonomia para reduzir alucinações, IA aplicada a promotores, System Experience, hiperpersonalização e a urgência de fazer dos dados únicos uma fonte real de vantagem competitiva.
Confira a entrevista na íntegra!
Confiança em IA
Jacques Meir: Daniel, o treinamento de IA exige classificação rigorosa para reduzir alucinações. Costumo chamar isso de taxonomia. Qual é a disciplina taxonômica mínima que uma empresa precisa antes de sua IA ser realmente confiável em uma interação ao vivo com o cliente?
Daniel Ziv: Quando falamos de interações, eu olho para uma combinação mais ampla. Existe o aspecto em tempo real, que chamo de microanalytics, mas também existe o macro: entender o contexto. E isso é crítico para a IA.
Na Verint, já temos o maior repositório de chamadas transcritas no Contact Center. Podemos segmentar isso por cliente, por problema, por agente. Esse insight é o que chamamos de “óleo da IA”, que usamos para entender o que está acontecendo. Depois usamos IA determinística, ou a taxonomia que você citou. Em seguida vem a IA generativa, que pode usar esses dados para trazer sugestões e insights que talvez você nem soubesse perguntar.
Quando essas frentes se combinam, o resultado é muito poderoso. E, quando se tem contexto, também é possível operar em tempo real: eu sei a realidade do Contact Center, quem é aquele cliente, o que o agente faz e quais habilidades estão envolvidas.
Jacques Meir: Na prática, é isso que permite compreender a missão, a motivação e o momento?
Daniel Ziv: O momento vem por último. Você só consegue atuar bem no momento se tiver antes uma missão, uma visão e uma motivação mais amplas. Por isso é tão importante ter o contexto completo e uma base de insights sobre a qual seja possível construir modelos específicos – LLMs ou modelos menores – ou, pelo menos, alimentar o modelo maior com esses dados.
Assim, a partir do contexto, a orientação em tempo real se torna eficaz. No momento da interação, por exemplo, se alguém diz “quero cancelar”, isso pode indicar churn, e a IA pode sugerir a melhor oferta com base no que foi observado naquela semana. Sem contexto, a orientação em tempo real tende a alucinar ou entregar algo que não é relevante.
IA não precisa significar perfeição
Jacques Meir: Uma alucinação em experiência do cliente tem custos específicos. Não é apenas uma resposta errada; é uma promessa quebrada. Como você quantifica – se é que é possível quantificar – esse risco? A partir de qual taxa de erro um sistema de IA deixa de ser um ativo e passa a ser uma responsabilidade?
Daniel Ziv: Muitas vezes, é difícil medir. Nossa abordagem normalmente começa por IVAs e orientações voltadas para o público interno: guiamos agentes e profissionais de conhecimento, que conseguem identificar erros. Hoje já temos sistemas que verificam automaticamente o que foi dito e o que foi feito, e que podem corrigir o próprio processo.
Quando sentimos que há confiança, que o sistema não está alucinando e que gera valor, aí podemos expô-lo mais ao cliente final. Se a empresa começa direto com uma solução voltada ao cliente, sem testar adequadamente, a responsabilidade pode ser severa. Já vimos casos de empresas processadas.
O caso da Air Canada é um exemplo: o sistema disse algo sobre cancelamento e taxas, o cliente foi cobrado e a empresa teve de cumprir o que havia sido prometido. Do ponto de vista da empresa, é como com um agente humano: se ele diz algo errado, a empresa é responsável, porque ele a representa. Com a IA é a mesma coisa. Não se pode simplesmente culpar o modelo. Além disso, hoje as pessoas registram tudo, por escrito ou por voz.
Mas faço uma ressalva: humanos também não são perfeitos. Isso é muito relevante no debate sobre carros autônomos. Pessoas cometem erros e acidentes acontecem. Se a IA chega a um nível em que erra menos ou alucina menos do que os humanos, talvez já seja um avanço. Buscar perfeição significaria nunca chegar lá. O objetivo é ser melhor do que o que existe hoje.
Não há um limite mágico que diga “agora está bom o suficiente”. É um processo contínuo: aprender, ajustar e gerenciar. Começa-se pequeno e depois se expande. A IA deve ser avaliada com critérios semelhantes aos dos humanos. Se na maior parte do tempo ela gera resultado positivo e os erros podem ser corrigidos e defendidos, provavelmente ainda é valiosa. E eu acho que já chegamos ao ponto em que a IA é boa o bastante para automatizar muita coisa.
De quem é a responsabilidade?
Jacques Meir: Quando olhamos para dentro das empresas, quem deve ser dono dessa classificação determinística dentro da organização? Isso é um problema de CX, de ciência de dados ou de governança – e o que acontece quando essas três áreas não conversam entre si?
Daniel Ziv: Eu diria que é um problema do CEO. Usar IA de forma eficaz é algo que toda a liderança executiva precisa conduzir. Se governança é de um departamento, produtividade de outro e alucinações de outro, e essas áreas não conversam, a empresa não vai ter sucesso.
Vejo isso com frequência: cada pessoa é dona de uma parte, mas a IA não avança se todas as engrenagens não funcionarem juntas. Se os executivos entendem que precisam mover a empresa inteira para frente, eles forçam a colaboração. A mesma coisa funciona para o CX: é responsabilidade de todos, não apenas do Chief Customer Experience Officer. Na Verint todos são responsáveis por CX.
Você não pode terceirizar o problema da empresa para uma única pessoa. Todo vendedor, toda pessoa de suporte, todos precisam ter essa mentalidade. Isso é verdadeiro para CX e também para o uso da IA para melhorar a empresa e a experiência do cliente.
O poder dos promotores
Jacques Meir: Quero testar uma hipótese com você: as empresas que mais extraem valor da IA em CX não são as que se concentram apenas em corrigir detratores; são as que estudam seus promotores. O promotor ativo já confia na marca, já tem um padrão de interação de alto valor e já gera advocacy orgânico. A IA pode ajudar a identificar e replicar o comportamento dos promotores em escala? E a Verint está fazendo algo nessa direção?
Daniel Ziv: Concordo com a sua afirmação. Acho que é mais fácil e mais impactante alavancar promotores e expandir esse comportamento. Algumas pessoas sempre estarão insatisfeitas, e coisas ruins às vezes acontecem.
Por isso, entender o que você faz bem é essencial. Se você identifica que seu ICP está em determinado nível, vertical, região ou idioma que funciona muito bem, deve expandir isso. Maximizar o que você faz bem pode ser mais eficaz do que tentar corrigir constantemente áreas em que você não se destaca. Talvez, em certas áreas, seja melhor sair: não é seu negócio, não é onde você se sobressai.
Essa é uma boa estratégia em geral: foco. É o que a Verint faz. Somos muito bons em experiência do cliente. Nossos dados são únicos sobre comportamento do cliente. Poderíamos entrar em inteligência de receita, CRM e outras áreas, porque temos dados que impactam essas frentes, mas essa não é nossa competência central. Nossa competência, nossos dados principais e nossa base de clientes estão em CX. É nisso que focamos, especialmente em verticais com maior complexidade, nas quais CX é uma iniciativa estratégica.
Também aprendemos com nossos melhores clientes: eles vêm ao evento, contam suas histórias de sucesso e outros percebem que também podem fazer o mesmo. Tentamos promover isso e aprender como replicar os melhores resultados.
Esse mesmo raciocínio vale para agentes. Em workforce optimization e em nossas soluções, inclusive no Genie BOT, um dos principais casos de uso é analisar agentes. Alguns agentes são excelentes porque fazem aquilo há 20 anos. Eles criam seus próprios scripts, sabem fazer upsell, retenção e entregar valor. O Genie analisa isso; ele não inventa nada. Ele encontra as melhores conversas: aquelas em que o NPS foi 10 de 10, em que a venda foi três vezes maior ou o cliente virou cliente para a vida toda. Então perguntamos: o que esse agente fez? Vamos entender e replicar para todos os agentes. Não criamos do zero “o melhor script”; identificamos o agente que já criou o melhor script. E, muitas vezes, ele sabe melhor do que o marketing ou o CEO qual é o melhor roteiro.
System Experience
Jacques Meir: Tenho pensado no que estou chamando de System Experience, ou SX. A ideia é que, à medida que agentes de IA passam a lidar com mais camadas da interação, a experiência deixa de ser apenas humano-humano. Torna-se um sistema híbrido: agentes de IA treinados de um lado e clientes que também treinam seus próprios agentes de IA do outro. Isso já está acontecendo. A interação entre esses dois sistemas é, para mim, a nova fronteira do CX. Essa formulação faz sentido diante do que você vê no mercado?
Daniel Ziv: Ainda não vejo muito disso, mas concordo que é para onde parte dessa evolução pode caminhar. Eu terei meu agente de IA, você terá o seu; meus sistemas falarão com os seus. Acho que isso vai acontecer. O interessante será o papel do CX nesse contexto, porque humanos são emocionais, têm humor, e a interação pode ir muito bem ou não tão bem, dependendo dos dois lados.
Com IA, talvez exista uma linguagem unificada, como MCP ou outras abordagens, que torne tudo mais eficiente e menos dependente de humor e momento. Ainda assim, a IA também é não determinística e pode dar respostas diferentes. Acredito que essa é outra fronteira chegando ao CX.
Jacques Meir: Se considerarmos a forma como os jovens, a Geração Z, se relacionam hoje, muitas vezes é difícil para eles ter uma conversa olho no olho. Eles já terceirizam algumas decisões da vida para sistemas, e acredito que também irão terceirizar esse tipo de tarefa. Faz sentido?
Daniel Ziv: As pessoas já precisam reservar viagens, hotéis e voos. Um bot pode fazer isso. Há coisas nesse sentido. Vi até uma plataforma social feita apenas para bots: bots publicam, bots reagem e os humanos só observam. É curioso ver sobre o que os bots conversam. Parte disso será estranho e até engraçado.
Acho que a IA vai influenciar e impactar tudo. Teremos coisas estranhas, mas também acredito que construir serviços para bots conversarem com bots – de forma eficiente, econômica, correta e sem alucinações – será importante. Não sei quanta empatia eles precisarão, talvez também precisem de empatia ou sentimento. Vamos ver.
Jacques Meir: Contexto, memória, interpretação, antecipação e hiperpersonalização são os pilares do que chamo de System Experience. De quais desses elementos a Verint está mais próxima de resolver? E qual ainda é realmente difícil?
Daniel Ziv: Estamos envolvidos com todos eles. O Genie, por exemplo, trabalha com a janela de contexto. Temos uma patente sobre o que chamamos de reverse RAG. Você já ouviu falar de RAG, em que se faz uma pergunta e o sistema busca dados relevantes em um banco vetorial. Mas a maior parte dos dados não está em bancos vetoriais.
Nossa abordagem usa speech analytics e text analytics para encontrar os dados mais relevantes – por exemplo, chamadas sobre churn – e então alimentar o modelo apenas com as chamadas relevantes, que cabem na janela de contexto. Também manipulamos isso de forma a quebrar o conteúdo e fornecer apenas os dados necessários. É assim que o Genie funciona melhor do que outras soluções.
Na interpretação, quando alguém faz uma pergunta, nós a reformulamos como um prompt que funcione melhor. Interpretamos a intenção. Se a mesma pergunta é feita duas vezes, reconhecemos que, no fundo, é a mesma pergunta. Conhecemos muito bem esse domínio e sabemos o que as pessoas costumam perguntar. Também sugerimos perguntas. Tudo isso está ligado à interpretação e a ajudar o usuário a encontrar o que quer, mesmo quando ele não expressa isso de forma clara.
Já na antecipação, o Genie sugere perguntas que talvez você queira fazer. Ele também já cria apresentações executivas. Antes, era possível exportar perguntas e respostas; agora, sabemos qual pode ser o próximo passo e geramos uma apresentação executiva com análise de ROI, próximos passos e cálculos. Antecipamos o que o usuário provavelmente fará em seguida.
Quanto à hiperpersonalização, ela está mais ligada ao atendimento ao cliente. Quanto mais sabemos sobre o agente, o supervisor ou o próprio cliente, mais podemos personalizar. Isso continuará sendo enorme. Não há mais necessidade de segmentar o mercado da mesma forma, porque cada pessoa pode ser tratada individualmente se houver contexto suficiente.
É parecido com a forma como uso o Claude: no início era útil, mas hoje é muito mais útil porque ele imita meu estilo, minha voz, as palavras que uso, as que não uso, meu fluxo e meus frameworks. Quando pergunto algo ao Claude, ele replica Daniel. Se fosse outro usuário, também seria bom, mas não estaria replicando a mim.
O que fará a diferença
Jacques Meir: Se você tivesse que nomear uma única capacidade que vai separar os líderes de CX dos retardatários nos próximos 24 meses – não uma funcionalidade de produto, mas uma capacidade organizacional genuína – qual seria?
Daniel Ziv: Sem dúvidas, vencerão aqueles que conseguirem alavancar seus dados únicos mais rápido do que seus pares. É isso. Descubra o que é único em você, quais dados você tem que os modelos de fronteira não têm e que seus concorrentes não têm, e com que velocidade você os usa. Ter dados não é ser milionário; é como ter uma plataforma de petróleo sem perfurar. Você só fica rico quando começa a perfurar e usar aquele petróleo.
Estou falando de agir a partir de insight mining. Todo mundo tem dados. Mas, se você tem dados únicos e os usa mais rápido do que o concorrente, você vence. Se não fizer isso, ficará para trás. Você pode ter um produto bem-sucedido e outras qualidades, mas não vai acompanhar o ritmo.
