Atualizar dados de contacto, preferências e estados num CRM após uma interação ou alteração é uma das tarefas em que a IA já hoje consegue assumir uma grande parte do trabalho. Não porque a IA seja "inteligente" o suficiente para compreender os clientes, mas porque a própria tarefa exige pouca interpretação. Uma alteração de endereço, um novo número de telefone, uma mudança de estado de lead para cliente: são campos que se preenchem, não que se avaliam.
Três eixos são aqui decisivos: estruturação, volume e custo dos erros.
A estruturação obtém uma pontuação elevada porque um CRM funciona, por definição, com campos fixos. Um nome, um endereço de e-mail, uma categoria de preferência: são dados com um lugar fixo e um formato fixo. Não há texto livre que precise de ser interpretado, nem contexto que precise de ser ponderado. Isso torna a tarefa adequada para processamento baseado em regras: se o campo X é alterado na fonte Y, atualize o campo X no sistema Z.
O volume é igualmente elevado. Numa empresa com uma base de clientes extensa, trata-se de dezenas a centenas de alterações por dia, espalhadas por ações isoladas e pequenas. Precisamente o tipo de trabalho em que um padrão recorrente e previsível pesa mais do que exceções incidentais. Volume elevado combinado com estruturação elevada é a combinação em que a automatização se paga mais rapidamente.
O custo dos erros situa-se num nível médio. Um número de telefone atualizado incorretamente é incómodo, mas geralmente reparável no contacto seguinte. Em campos mais sensíveis, como preferências de pagamento ou consentimento para comunicações de marketing, os erros pesam mais. É também por isso que a validação não é um passo dispensável, mas uma condição.
O espaço de discernimento e o contacto com o cliente obtêm uma pontuação média a alta, e é exatamente aí que está a nuance. Parte das alterações de estado é inequívoca: um cliente muda de casa, o endereço é alterado, ponto final. Mas nem todas as alterações são assim simples. Quando um colaborador do serviço ao cliente tem de avaliar, após uma chamada telefónica, se uma reclamação justifica uma alteração de estado para "risco de cancelamento", isso já não é uma introdução de dados, mas uma avaliação. Essa parte continua a ser trabalho humano, ou é, pelo menos, submetida a um colaborador que aprova ou rejeita com justificação.
Numa empresa com um perfil de cliente simples e poucas exceções, a proporção que a IA pode assumir é, portanto, mais elevada do que numa empresa com relações complexas com clientes, muitos acordos personalizados ou dados pessoais sensíveis. A conformidade também entra em jogo: quanto mais um campo tocar em informação sensível ao abrigo do RGPD ou em acordos contratuais, mais desejável é um controlo humano prévio antes de uma alteração se tornar definitiva.
A tecnologia atualmente utilizada é principalmente rpa: software que, segundo regras fixas, transfere dados de uma fonte para outra, sinaliza registos duplicados e preenche campos com base num mapeamento fixo. Não se trata de inteligência artificial que "compreende" quem é o cliente, mas de processamento automatizado de entradas estruturadas.
Três condições essenciais determinam se isso funciona:
Se faltar uma destas três condições, a tarefa recua para a segunda categoria: a IA apresenta a proposta, um colaborador aprova ou rejeita.
O que está agora a mudar não é que os colaboradores se tornem dispensáveis, mas que o seu tempo se desloca do trabalho de introdução de dados para o trabalho de controlo. Onde antes um colaborador transcrevia manualmente uma alteração de endereço, esse colaborador avalia agora uma lista de alterações propostas e clica em aprovar ou não aprovar. É uma tarefa diferente, com uma distribuição de tempo diferente, não necessariamente menos trabalho, mas trabalho diferente.
Esta transição corre em paralelo com o que acontece na introdução de encomendas no sistema e na verificação e comunicação do estado das encomendas: também aí o padrão é entrada estruturada, volume elevado, custo de erro limitado, com exceções que continuam a caber a uma pessoa. Quem se questiona sobre como isto se relaciona com outras tarefas orientadas para o cliente encontra uma ponderação semelhante em fornecer informação sobre stock e prazos de entrega, onde existe a mesma tensão entre rapidez e os casos que exigem um pouco mais de explicação. E para quem vê o trabalho de CRM sobretudo como parte de um processo mais amplo, o panorama do trabalho no departamento financeiro é um bom ponto de partida, uma vez que os dados de clientes e de faturação frequentemente partilham os mesmos sistemas de origem.
Se e com que rapidez isto é implementado numa organização não é apenas uma questão técnica. As eventuais consequências a nível de pessoal que daí resultem estão sujeitas às obrigações legais próprias de cada empregador; esta página não se pronuncia sobre isso.
Esta página descreve uma tarefa de forma isolada. A imagem real só surge quando esta tarefa é vista em conjunto com as outras tarefas dentro de uma empresa: algumas com um perfil semelhante, outras completamente diferentes. Para obter uma primeira impressão disso, existe uma quickscan gratuita: doze perguntas, sem conta, com o resultado a indicar que parte das horas nesse perfil pode, hoje, ser assumida pela IA. O werkscan completo, que decompõe o trabalho de uma empresa em tarefas e calcula, por tarefa, o impacto em termos de capacidade de fte, está ainda em construção.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.