Como a Thunai Automatiza o Suporte ao Cliente com Agentes de IA (e o Que Isso Significa para Sua SaaS B2B)

As equipes de suporte ao cliente estão sob pressão. O volume de tickets cresce 20% ano a ano, mas o número de funcionários permanece estável. Os clientes esperam respostas instantâneas e personalizadas 24 horas por dia. Para empresas de SaaS B2B, cada resposta atrasada corrói a retenção e a receita de expansão. A Thunai, uma empresa de tecnologia em rápido crescimento, enfrentou exatamente esse desafio, até que reestruturou o suporte em torno de agentes de IA e streaming de dados orientado a eventos com a IBM Confluent.

O resultado? Uma função de suporte que cresceu 3x sem aumentar o quadro de funcionários, uma queda drástica no tempo de resolução e uma pontuação CSAT que ultrapassou 94%. Mas a verdadeira história não é apenas sobre tecnologia, é sobre como conectar streams de dados em tempo real à tomada de decisão com IA transforma o atendimento ao cliente de um centro de custo em um motor de crescimento. Este artigo detalha a abordagem da Thunai e oferece aos líderes de suporte B2B um manual concreto para replicar os resultados.

Por que as Pilhas de Suporte Tradicionais Quebram em Escala

A maioria das equipes de suporte SaaS começa com um helpdesk, uma base de conhecimento e algumas macros. Isso funciona quando você tem 200 tickets por mês. Em 2.000, aparecem rachaduras. Em 20.000, o sistema colapsa. Os líderes de suporte enfrentam três problemas interconectados:

• Silos de dados: O contexto do cliente vive no CRM, os dados de uso do produto na ferramenta de análise, as conversas passadas em um sistema de tickets separado. Os agentes alternam entre cinco abas apenas para entender um problema.
• Fluxos de trabalho reativos: As equipes esperam os clientes relatarem problemas. Quando um agente se envolve, a frustração já se instalou.
• Gargalos de conhecimento: Os 20% mais afiados dos agentes respondem 80% das perguntas complicadas. Quando eles não estão disponíveis, os tempos de resolução explodem e a consistência cai.

A Thunai reconheceu que consertar o suporte em escala exigia repensar a camada de dados, não apenas a interface de tickets. Eles recorreram à IBM Confluent para unificar eventos em tempo real e construíram agentes de IA sobre isso que podiam interpretar e agir sobre esses dados instantaneamente.

A Espinha Dorsal dos Dados: Por que o Streaming em Tempo Real Muda Tudo

A IBM Confluent fornece uma plataforma de streaming de eventos em tempo real construída sobre o Apache Kafka. Em vez de consultar bancos de dados durante a noite, cada ação do cliente, alterações na conta, uso de recursos do produto, atualizações de faturamento, logs de erro, fluem como um evento em milissegundos. Para o suporte, isso significa que um agente de IA pode saber que um cliente acabou de encontrar uma falha de pagamento ou uma integração quebrada antes que o cliente digite uma única palavra.

A Thunai implementou a seguinte arquitetura orientada a eventos:

1. Produtores de eventos: Cada microsserviço em seu produto SaaS e sistema operacional (CRM, faturamento, monitoramento) publica eventos em tópicos do Confluent.
2. Processamento de streams: O ksqlDB e processadores de stream personalizados enriquecem eventos, combinando um erro de produto com o plano do cliente, status do contrato e histórico recente de suporte, e geram um registro estruturado de "situação do cliente".
3. Gatilho do agente de IA: Quando uma situação atende a critérios predefinidos (por exemplo, "cliente empresarial no plano Pro encontra pico de erros de API"), o agente de IA é invocado automaticamente.

Essa arquitetura inverte o modelo de suporte de reativo para proativo. Em vez de esperar por um ticket, o sistema detecta um problema e inicia uma sequência de resolução.

Agentes de IA em Ação: O Fluxo de Trabalho da Thunai

Com uma imagem rica e em tempo real do cliente, os agentes de IA da Thunai operam em três níveis:

Nível 1: Detecção Automatizada e Engajamento de Saída

Quando o pagamento de um cliente falha, o agente de IA dispara uma mensagem no aplicativo ou e-mail contendo um link seguro para atualizar os detalhes, antes que a assinatura seja suspensa. Para falhas técnicas conhecidas, ele envia uma mensagem personalizada: "Notamos três erros de tempo limite da sua conta na última hora. Nossa equipe de engenharia está ciente; aqui está uma solução alternativa que você pode aplicar agora."

“Passamos de apagar incêndios de tickets para preveni-los. Agora, os agentes de IA interceptam 43% dos problemas que se tornariam tickets de suporte.”, Head de Operações do Cliente da Thunai

Nível 2: Resolução Conversacional com Raciocínio Baseado em LLM

Se um cliente entra em contato, o agente de IA já está ciente do contexto. Ele tem acesso aos eventos recentes do cliente, histórico completo de conversas, documentação do produto e soluções anteriores que funcionaram para perfis semelhantes. Usando um padrão de geração aumentada por recuperação (RAG), o agente apresenta uma resposta precisa ou executa uma sequência de ações de API, reenviando uma chave de licença, atualizando uma configuração ou concedendo acesso temporário, enquanto mantém o cliente informado em linguagem natural.

Nível 3: Encaminhamento Inteligente com Transferência de Contexto Completo

Quando o agente de IA determina que um problema requer julgamento humano (por exemplo, perguntas complexas de conformidade legal ou solução de problemas diferenciada), ele transfere para um especialista. Mas a transferência é revolucionária: o agente humano recebe um briefing completo, resumo da situação, etapas que a IA já realizou, detalhes relevantes da conta e uma próxima ação sugerida, tudo destilado em um painel conciso. O tempo médio de orientação cai de 8 minutos para menos de 30 segundos.

Impacto Comercial Mensurável: Os Números que Importam

A prova está nas métricas. Dentro de seis meses após a implantação de agentes de IA alimentados por streams de eventos em tempo real, a Thunai documentou:

• 61% de desvio de tickets: A maioria das consultas foi resolvida por meio de ações automatizadas de saída ou autoatendimento impulsionado por orientação proativa acionada por IA.
• O tempo médio de primeira resposta caiu de 8.2 horas para 2.1 minutos. Isso inclui tickets que eventualmente precisaram de assistência humana, porque os agentes de IA forneceram um reconhecimento instantâneo e, muitas vezes, resolução parcial.
• A CSAT subiu de 78% para 94%. Os clientes citaram consistentemente o "serviço antecipatório" como motivo para pontuações de satisfação melhores.
• O custo por ticket caiu 64%. Ao mover o trabalho de Nível 1 e a maior parte do Nível 2 para a IA, os especialistas humanos focaram em interações de alto valor, impulsionando eficiência e satisfação no trabalho.

A tendência de queda no volume de tickets mostra o efeito composto: à medida que os agentes de IA se tornaram mais precisos e a camada de processamento de eventos amadureceu, menos problemas chegaram à fila de suporte, e os que chegaram foram mais simples de resolver.

Notavelmente, a melhoria no CSAT não foi um aumento pontual. Ela continuou subindo à medida que o sistema aprendia com cada interação, alimentando ainda mais o ciclo virtuoso. E quando você mapeia esse ganho na receita de expansão, empresas B2B com CSAT acima de 90% veem a retenção de receita líquida melhorar em 10 a 15 pontos percentuais, o ROI fica claro.

O Manual: Como Líderes de Suporte Podem Adotar Este Modelo

O sucesso da Thunai não foi um projeto "grande explosão". Eles seguiram uma abordagem faseada e medida que qualquer líder de suporte pode replicar. Aqui está um framework prático:

Fase 1: Mapeie Sua Tríade de Eventos (Semanas 1‑2)

Identifique as três categorias de eventos que mais influenciam a experiência do cliente:

• Eventos de produto: códigos de erro, uso de recursos, anomalias de disponibilidade.
• Eventos de conta: mudanças de plano, falhas de cobrança, onboarding de novos usuários.
• Eventos de interação: tickets de suporte recentes, pontuações de NPS, posts na comunidade.

Comece com apenas cinco eventos de alto impacto, como falha de pagamento, erro crítico em um plano pago ou um cliente fazendo downgrade. Conecte-os a uma camada de streaming leve (Kafka, Confluent ou até mesmo um barramento baseado em webhooks).

Fase 2: Defina Gatilhos de Ação e Respostas dos Agentes (Semanas 3‑4)

Para cada evento, projete um manual "se isso, então aquilo":

• Qual condição aciona um agente de IA? (ex.: "taxa de erro > limite em conta empresarial")
• Qual é o melhor caminho de resolução? (Enviar artigo de conhecimento, reiniciar serviço, agendar chamada com CSM)
• Qual fallback garante que nenhum cliente fique sem resposta? (Escalar com contexto completo após duas tentativas falhas da IA)

Use plataformas de IA low-code para construir esses agentes sem escrever código de backend. Ferramentas modernas permitem conectar dados com arrastar e soltar, definir fluxos conversacionais e integrar diretamente com helpdesks como Zendesk ou Intercom.

Fase 3: Meça, Aprenda e Expanda (Contínuo)

Acompanhe as mesmas métricas que a Thunai usou, taxa de desvio de tickets, tempo de primeira resposta, CSAT, custo por ticket, em um painel unificado. Revise semanalmente as 20 principais conversas tratadas pela IA para identificar lacunas. Expanda a cobertura de eventos e a sofisticação dos agentes em sprints de duas semanas.

"O maior erro é tentar automatizar tudo de uma vez. Comece com os 20% dos problemas que causam 80% do volume, acerte nisso, e depois cresça.", Consultor de Operações de Suporte

Onde a Successly se Encaixa: Acelerando Sua Jornada com Agentes de IA

A arquitetura da Thunai exigiu profunda expertise em Kafka e meses de desenvolvimento personalizado. Mas os princípios não exigem esse nível de investimento em engenharia. A Successly oferece uma plataforma de automação de suporte com IA projetada especificamente que já se conecta à sua análise de produto, CRM, cobrança e helpdesk, ingerindo os mesmos eventos em tempo real nos quais a Thunai dependia, sem precisar gerenciar uma infraestrutura de streaming você mesmo.

Os agentes de IA da Successly são pré-treinados em padrões de suporte B2B, então você obtém detecção pronta para uso de pagamentos falhos, quedas no onboarding e erros comuns de produto. E como a plataforma se integra às ferramentas que você já usa, você pode ir do piloto à produção completa em semanas, não em trimestres. Equipes que adotam a Successly normalmente veem:

• Desvio de 50‑65% dos tickets nos primeiros 90 dias
• Tempos de primeira resposta abaixo de um minuto para interações gerenciadas por IA
• CSAT acima de 90% em conversas automatizadas

Conclusão: Transforme o Suporte em uma Vantagem Estratégica

A história da Thunai com IBM Confluent e agentes de IA é um modelo do que o suporte moderno pode alcançar. Ao tratar cada sinal do cliente como uma oportunidade de servir, eles transformaram um centro de custo reativo em um motor de lealdade e crescimento. Para líderes de SaaS B2B, a lição é clara: a base de um ótimo suporte com IA não é um chatbot mais inteligente, é um pipeline de dados mais inteligente. Com plataformas como a Successly, você pode implantar esse pipeline e os agentes inteligentes que ficam sobre ele, sem o pesado esforço de engenharia.

Seus clientes já estão transmitindo os sinais que determinam seu sucesso e churn. Você está ouvindo?