Só 20% dos consumidores aprovam chatbots e 63% querem um humano: o que isso exige do atendimento das PMEs

A IA entrou no atendimento brasileiro em ritmo acelerado, e o cliente não está aplaudindo. Uma reportagem do Estado de Minas publicada em 27 de outubro de 2026 reúne dois levantamentos sobre a experiência do consumidor no país, e os dois apontam para a mesma direção incômoda: as empresas estão automatizando mais depressa do que estão acertando.

De um lado está o CX Trends 2026, da Opinion Box com a Octadesk, que ouviu mais de 2 mil consumidores conectados: 20% tiveram experiência positiva com chatbots, índice igual ao da edição anterior; 63% querem que o robô os encaminhe a um atendente humano quando necessário; 48% já interagem com alguma forma de IA no atendimento; e 36% esperam experiências mais humanizadas, mesmo com a automação crescendo. Do outro está o CX Brain, do Grupo Padrão com a Seu Cliente Oculto, divulgado em maio de 2026: a adoção de IA no atendimento saiu de 37% para 56% em um ano, 29% usam IA generativa com objetivos claros de atendimento e apenas 7% medem o retorno do investimento. O mesmo material registra que 74% dos consumidores acham que o atendimento piorou no último ano, que 65% abandonariam uma marca depois de uma única experiência ruim e que 96% dos clientes insatisfeitos não reclamam formalmente — apenas deixam de comprar. São levantamentos distintos, com metodologias e públicos diferentes, e por isso não devem ser somados. Mas a leitura conjunta é difícil de ignorar: a adoção de IA no atendimento brasileiro cresce mais rápido do que a qualidade percebida por quem é atendido. Para a PME, isso muda a conversa. A pergunta deixou de ser "devo usar IA?" e passou a ser "a minha IA sabe a hora de chamar uma pessoa?".

O paradoxo: mais IA, mesma aprovação

Coloque os dois números lado a lado e o incômodo aparece. A adoção de IA no atendimento subiu de 37% para 56% em um ano. A aprovação dos chatbots ficou exatamente onde estava: 20%. Ou seja, muito mais empresas ligaram a tecnologia, e o sentimento de quem é atendido não melhorou nada.

Isso acontece porque instalar um bot não é desenhar um atendimento. A maior parte das empresas que "colocou IA" fez o caminho mais curto: conectou um assistente que responde às primeiras mensagens e seguiu em frente. Ninguém decidiu o que a IA resolve sozinha, o que ela não pode resolver, quando deve chamar uma pessoa e o que essa pessoa recebe ao assumir a conversa. Sem essas decisões, o resultado é o que o cliente descreve quando diz que não teve experiência positiva: ele conversa com algo que não entende direito, espera mais do que esperaria de um humano e, no fim, precisa insistir.

O dado mais revelador, porém, é outro: apenas 7% das empresas medem o retorno do investimento em IA. O resto opera no escuro. Não sabe se a IA reduziu o tempo de resposta, se resolveu de fato, se economizou horas da equipe ou se apenas transferiu a frustração do cliente para outro lugar. É difícil melhorar o que não se mede — e é fácil adotar o que não precisa ser provado. Enquanto a maior parte do mercado funciona assim, uma PME que meça o próprio atendimento já começa na frente, e sem precisar de tecnologia mais cara: o que falta é disciplina, não orçamento.

63% pedem um humano: o handoff é o produto

Leia o número de 63% com atenção, porque ele é mais gentil do que parece. O cliente não está rejeitando a IA. Está dizendo que quer sair dela quando a IA não dá conta. A rejeição real não é à automação — é a ficar preso nela. É a mesma razão pela qual 87% dos consumidores afirmariam que deixariam de comprar de uma empresa se ficassem presos em um bot sem acesso a um humano, como mostramos no post sobre o loop de bot e o handoff humano.

Por isso vale tratar o handoff — a passagem da conversa da máquina para a pessoa — como parte central do produto, e não como um detalhe de configuração. Se o cliente não consegue chegar a um humano quando precisa, a sua empresa não tem um atendimento automatizado: tem uma porta com tranca.

Quando a IA deve passar a conversa

As regras de transferência não precisam ser sofisticadas. Precisam existir, estar escritas e ser testadas. Um ponto de partida honesto para qualquer PME:

• O cliente pediu uma pessoa. Sem exceção, sem tentativa de recuperar a conversa, sem "posso ajudar primeiro". Quem pede humano quer humano.
• O assunto é financeiro ou é reclamação. Negociação de valor, cobrança contestada, erro de fatura, pedido de reembolso e desabafo não são terreno de resposta automática.
• Duas tentativas sem resolver. Se a IA respondeu duas vezes sobre o mesmo assunto e o cliente insistiu, a terceira resposta da máquina só aumenta a irritação.
• O sentimento ficou negativo. Tom de urgência, reclamação, ironia ou ameaça de cancelar pedem uma pessoa, mesmo que o assunto pareça simples.
• O pedido está fora do que foi treinado. Se a IA não tem a informação, ela deve dizer que vai passar para a equipe — e passar de verdade, em vez de inventar uma resposta plausível.

O que o humano precisa receber

Transferir mal é tão ruim quanto não transferir. A regra é simples: o cliente não repete nada. Quando a conversa chega à equipe, ela precisa encontrar:

• O histórico completo da conversa, desde a primeira mensagem, inclusive o que aconteceu antes de a IA assumir.
• Os dados do cliente já identificados: nome, contato, produto ou contrato, histórico de compras e atendimentos anteriores.
• O que a IA já tentou e o que ela respondeu, para a pessoa não refazer um caminho que já falhou.
• O motivo da transferência: se foi pedido do cliente, assunto sensível, duas tentativas sem solução ou sentimento negativo.

Essa lista não é um luxo de empresa grande. É o que evita o "pode me repetir o número do pedido?" que faz o cliente recomeçar do zero e sentir que perdeu os últimos dez minutos.

96% não reclamam: o custo invisível do mau atendimento

Aqui está a parte mais perigosa dos números. O CX Brain aponta que 96% dos clientes insatisfeitos não reclamam formalmente: apenas deixam de comprar. E que 65% abandonariam uma marca depois de uma única experiência ruim. Somados, eles formam um aviso que nenhuma planilha de tickets mostra: o prejuízo do mau atendimento quase nunca aparece como reclamação registrada. Ele aparece como recompra que não acontece.

Para a PME isso é ainda mais severo. Uma grande empresa perde um cliente entre milhões e o indicador mal se move. Uma PME com poucos clientes perde um e o caixa sente. Quando o cliente que já comprou some sem dizer por quê, o custo não é só a venda que deixou de entrar: é o custo de aquisição que já foi pago e o tempo que a equipe gastou para conquistar aquela pessoa.

Se 74% dos consumidores acham que o atendimento piorou no último ano, é razoável supor que uma parte relevante dos seus clientes insatisfeitos já decidiu em silêncio. Eles não vão avisar. Então a empresa precisa medir antes que a reclamação apareça. Quatro indicadores dão uma leitura honesta:

• Tempo de primeira resposta, separado por canal e por horário, inclusive o que a IA assume.
• Taxa de resolução sem retrabalho: quantas conversas terminam de fato, e não apenas as que param de receber mensagem.
• Taxa de reabertura: quantas conversas "resolvidas" voltam alguns dias depois. É o melhor detector de resposta que parecia boa mas não era.
• Recompra de quem foi atendido nos últimos 30 ou 60 dias, comparada com a de quem não foi atendido.

O que fazer nos próximos 30 dias

Não é preciso um projeto de nove meses. Um ciclo curto, com decisões pequenas e registro dos números, já mostra se a sua IA está ajudando ou atrapalhando.

• Semana 1 – descubra o que se repete. Separe as 10 perguntas mais frequentes do mês e o quanto cada uma pesa no volume de conversas. É essa lista, e não a criatividade, que define o que a IA deve aprender.
• Semana 2 – defina o que a IA resolve sozinha. Marque cada um dos 10 assuntos como "resolve", "resolve com confirmação de uma pessoa" ou "nunca é da IA". Escreva isso em uma página e compartilhe com a equipe.
• Semana 3 – escreva as regras de transferência. Adote as cinco situações de handoff listadas acima, ajuste ao seu negócio e teste cada uma de propósito, para ver se a passagem funciona e se o histórico chega completo.
• Semana 4 – meça e decida. Compare primeira resposta, resolução sem retrabalho, reabertura e satisfação com a linha de base da semana 1. Só então expanda a IA para novos assuntos — ou volte e corrija o treinamento.

O que não automatizar

Tão importante quanto decidir o que a IA faz é declarar o que ela não faz. Um checklist curto para pendurar na parede:

• Negociação de preço, desconto e condição de pagamento.
• Erro causado pela própria empresa: entrega atrasada, produto errado, cobrança indevida.
• Cancelamento, reembolso e pedido de exceção.
• Cliente irritado, chateado ou em risco de ir embora.
• Assuntos sensíveis: saúde, dados pessoais, disputas e ameaça de ação legal.

Como a Kentro entra nessa conta

O que os levantamentos descrevem é um problema de operação, não de tecnologia. É exatamente a camada em que a Kentro trabalha: organizar o atendimento para que a IA funcione dentro de regras e a equipe entre no momento certo.

• Atendimento omnichannel com WhatsApp pela API Oficial, e-mail, chat e redes sociais em um único painel, para que o histórico do cliente esteja completo antes de qualquer resposta.
• IAs treinadas por segmento, que fazem a triagem e respondem o que é previsível dentro do que foi definido como escopo da máquina.
• Transferência para a equipe com o histórico completo da conversa, para o cliente não repetir nada.
• Gestão de atendimento com filas, responsáveis e acompanhamento do que está pendente, que é o que permite medir primeira resposta, resolução e reabertura.

As funcionalidades da plataforma cobrem esse conjunto sem exigir um projeto longo de implantação, e os cases de clientes mostram como empresas parecidas com a sua organizaram a operação. Não prometemos percentuais: o que a PME precisa medir é o resultado dentro da própria casa, comparado com a própria linha de base.

Conclusão: a boa IA é a que sabe chamar uma pessoa

Os números não sugerem que a IA no atendimento seja um erro. Sugerem que ela está sendo implantada sem as decisões que a fazem funcionar. A adoção quase dobrou em um ano e a aprovação do chatbot não se moveu um ponto. Enquanto quase ninguém mede o retorno e a imensa maioria dos insatisfeitos vai embora em silêncio, a PME que define o que a IA resolve, escreve as regras de transferência e acompanha quatro indicadores simples se separa do resto do mercado sem gastar mais para isso.

A IA boa no atendimento não é a que responde mais. É a que sabe a hora de chamar uma pessoa — e que entrega a conversa pronta para essa pessoa. Se você quer organizar o seu atendimento assim, fale com a Kentro.

Fontes: Estado de Minas, "Atendimento por IA divide consumidores no Brasil" (27 de outubro de 2026), que reúne o CX Trends 2026 (Opinion Box e Octadesk) e o CX Brain (Grupo Padrão e Seu Cliente Oculto).