quarta-feira, 3 de junho de 2026
Além disso, existe uma ironia incômoda no centro da indústria de customer experience. Além disso, nos últimos vinte anos, mais tecnologia foi investida no atendimento ao cliente do que em quase qualquer outra função empresarial. Assim, sistemas de tickets, bases de conhecimento, chatbots, URAs inteligentes, plataformas omnichannel e analytics de satisfação se empilharam em camadas sobre camadas de inovação.
E ainda assim: 83% dos clientes acreditam que o atendimento deveria ser melhor do que é hoje (Zendesk CX Trends Report 2026).
Portanto, como é possível que tanto investimento tenha produzido tão pouca melhora na percepção do cliente? A resposta revela algo fundamental sobre como o setor foi construído — e, principalmente, sobre o que precisa mudar agora.
O problema com o modelo de deflexão
Assim, quando os primeiros chatbots chegaram ao atendimento ao cliente, a promessa era clara: automatizar respostas simples, liberar agentes para casos complexos e reduzir custo por contato. Em teoria, portanto, todos ganhariam.
Contudo, na prática, o incentivo estava torto desde o início. Portanto, o modelo de negócio das plataformas de automação cobrava por volume — por licença, por assentos, por interações processadas. Contudo, o sucesso se media em “taxa de deflexão”: quantos tickets não chegaram a um agente humano. Assim, não em quantos clientes tiveram seus problemas resolvidos. Por isso, não em quantas interações produziram valor real.
Isso criou, por conseguinte, um sistema que era economicamente racional para os fornecedores e frustrante para quem atendia e para quem era atendido.
Em outras palavras, o Zendesk Relate 2026 formalizou o encerramento desse modelo ao substituir bots de deflexão por agentes de IA especializados, cobrados apenas pelos resultados que a empresa verifica como resolvidos. A mudança é, portanto, mais profunda do que parece — não é só uma atualização de produto. Desse modo, é uma mudança de contrato entre fornecedor e cliente.
O que separa deflexão de resolução
De fato, a distinção entre deflecionar e resolver pode parecer semântica. Não é.
Deflecionar é encerrar um contato sem necessariamente resolver o problema. Um chatbot que responde “encontrei este artigo na nossa base de conhecimento” e fecha a conversa deflectiu o ticket. Se o cliente resolveu o problema ou não, o sistema não sabe — e, no modelo antigo, não precisava saber.
Resolver, por outro lado, é confirmar que o problema do cliente foi tratado de forma satisfatória. No modelo de precificação por resultado da Zendesk, cada resolução é confirmada pelo próprio agente de IA e, logo depois, validada de forma independente por um modelo de avaliação separado.
Para resolver, portanto, o agente precisa de três coisas que a maioria dos chatbots de deflexão nunca teve:
- Contexto. O que este cliente já disse antes? Qual é o histórico do pedido? Em qual canal a conversa começou? Sem contexto, a resposta é genérica — e genérico não resolve.
- Ações. O agente precisa poder fazer algo, não apenas dizer algo. Processar um reembolso. Atualizar um endereço. Escalar para o time certo com a informação certa já disponível.
- Conhecimento verificado. A resposta precisa ser baseada na política atual, no estado atual do pedido, na informação atual do produto. Conhecimento desatualizado gera respostas que o cliente vai questionar — e que vão voltar como novo ticket.
Onde a maioria das operações trava
Por isso, segundo dados de 2026, apenas 33% das empresas oferecem suporte omnichannel totalmente integrado (Tidio / Kayako). Em outras palavras, isso significa que dois terços das operações ainda trabalham com contexto fragmentado entre canais — e, sem contexto unificado, não existe resolução autônoma real.
Esse é, de fato, o gargalo estrutural que o Zendesk Relate 2026 expôs com clareza: a tecnologia de agentes de IA avançou muito mais rápido do que a arquitetura de dados e integrações da maioria das operações.
Dessa forma, você pode ter o agente mais sofisticado do mercado dentro do Zendesk. Contudo, se o contexto do pedido do cliente está num sistema de marketplace separado, se o histórico de conversa no WhatsApp não está disponível no ticket, se a informação de produto está num ERP que não conversa com a plataforma — o agente vai frustrar tanto quanto o chatbot que veio antes dele.
A limitação não está na IA. Está em onde o contexto está.
Como as integrações mudam o jogo
A Conciex foi construída precisamente para esse problema — e o que foi anunciado no Relate 2026 torna o trabalho da plataforma ainda mais relevante.
Nesse sentido, o Conciex Messaging centraliza conversas de WhatsApp, SMS e e-mail no Zendesk — com governança, histórico, aprovações e métricas de performance. Assim, cada mensagem trocada com o cliente faz parte do histórico do ticket. Certamente, um agente de IA que operar sobre esse ticket vai ter o contexto da conversa disponível — não só o texto do último e-mail.
Desse modo, o Conciex Channels, por sua vez, centraliza a gestão de marketplaces diretamente no Zendesk — com informações de pedido, status, trocas e devoluções no mesmo fluxo do ticket. Ainda assim, para uma operação de e-commerce que atende no Mercado Livre, Shopee e Reclame Aqui simultaneamente, esse contexto é exatamente o que a diferença entre deflexão e resolução exige.
Em outras palavras, a Autonomous Service Workforce da Zendesk é o destino. O ecossistema Conciex é, portanto, o caminho que conecta a operação atual a esse destino.
O que fazer agora: três passos concretos
Por conseguinte, se você opera com Zendesk e quer estar preparado para o modelo de resolução autônoma que o Relate 2026 apresentou, o ponto de partida é concreto e acessível:
Primeiro, mapeie seus gaps de contexto. Liste os sistemas de onde seu Zendesk não recebe dados hoje: marketplaces, WhatsApp, ERPs, sistemas de pedidos. Cada um desses gaps é um limite direto para a inteligência que qualquer agente de IA vai conseguir operar.
Em segundo lugar, priorize o WhatsApp dentro do Zendesk. O WhatsApp é o canal onde a maioria dos seus clientes brasileiros já está. Se ele está fora do Zendesk, você está construindo inteligência contextual com metade dos dados disponíveis.
Por fim, centralize os dados de marketplace. Se você vende em múltiplos canais, o operador que abre o ticket no Zendesk precisa ter o contexto do pedido disponível sem alternar sistemas. Isso não é apenas eficiência — é o pré-requisito para que a automação futura funcione.
People Also Ask: perguntas frequentes sobre chatbots e agentes de IA
Qual é a diferença entre um chatbot e um agente de IA? Um chatbot de deflexão encerra contatos sem confirmar resolução. Um agente de IA, na visão do Zendesk Relate 2026, tem contexto, capacidade de ação e conhecimento verificado — e só é considerado bem-sucedido quando o problema do cliente foi efetivamente resolvido.
Por que os chatbots de atendimento frustraram os clientes? Porque foram desenhados para deflecionar volume, não para resolver problemas. O modelo de cobrança por volume criou um incentivo para encerrar contatos — não para garantir que o cliente saiu satisfeito.
O que é taxa de deflexão e por que ela é um indicador problemático? Taxa de deflexão mede quantos tickets não chegaram a um agente humano. O problema é que esse indicador não mede satisfação nem resolução — ele mede apenas “evitação de custo”, sem considerar se o cliente foi realmente ajudado.
Como um agente de IA sabe se resolveu o problema do cliente? No modelo da Zendesk, cada resolução é verificada em dupla: primeiro confirmada pelo agente de IA e, em seguida, validada por um modelo de avaliação separado. Spam e trocas rotineiras são excluídos dos resultados cobráveis.
O Conciex Messaging ajuda na transição para agentes de IA? Sim. Ao centralizar o histórico de WhatsApp dentro do Zendesk, o Conciex Messaging garante que os agentes de IA tenham acesso ao contexto completo das conversas com cada cliente — o que aumenta diretamente a capacidade de resolução autônoma.
Quantas empresas já oferecem suporte omnichannel integrado? Segundo dados de 2026, apenas 33% das empresas oferecem suporte omnichannel totalmente integrado. Isso significa que a maioria das operações ainda trabalha com contexto fragmentado — o que é o principal obstáculo para a resolução autônoma real.
Conclusão: a corrida pela resolução começou
Certamente, o fim do chatbot de deflexão não é uma tendência de mercado — é uma mudança de contrato comercial. Nesse sentido, a partir do momento em que a Zendesk cobra apenas pelo que resolve, o padrão de toda a indústria começa a se mover na mesma direção.
Por isso, as equipes que hoje investem em fechar seus gaps de contexto — integrando WhatsApp, marketplaces e canais de venda ao Zendesk — estão construindo a base que vai sustentar a próxima fase da automação de CX.
Além disso, cada dia que o contexto fica fora do sistema é um dia em que o loop de aprendizado não captura dados. Sobretudo, na corrida pela inteligência contextual, quem começa antes acumula vantagem de forma composta.
Conheça o ecossistema Conciex para Zendesk
Conciex desenvolve apps nativos para Zendesk que ajudam operações de atendimento a organizar processos complexos, manter o contexto durante cada interação e escalar sem precisar sair da plataforma que suas equipes já dominam.
Centenas de clientes ativos. Milhões de mensagens gerenciadas. Milhares de licenças de agentes — tudo dentro do Zendesk, com governança, histórico e visibilidade operacional real.
Se você quer entender como o Conciex pode transformar a sua operação, o melhor ponto de partida é uma conversa direta com o nosso time.
Solicitar demonstração gratuita ou explore o ecossistema completo em nosso site.
