A Air India ampliou o uso do Agentforce de um único caso de reembolso para um conjunto mais amplo de fluxos de atendimento ao cliente. Isso importa porque mostra como o atendimento ao cliente com IA está saindo dos pilotos e dos bots de FAQ e entrando em sistemas que realmente concluem tarefas.
A companhia aérea agora usa IA para resolução automática de e-mails, automação de alteração de nome e um assistente de conhecimento para as equipes de atendimento. Para quem toca uma PME no dia a dia, este é um exemplo útil de como agentes de IA para empresas ganham valor quando estão conectados a processos reais, dados reais e regras claras.
O que mudou na Air India
A primeira implantação do Agentforce na Air India focou em reembolsos, que já envolviam várias validações, checagens de política, interações com sistemas de backoffice e dependências entre equipes. Ao orquestrar esse processo de ponta a ponta, a companhia disse que reduziu o prazo de reembolso de cerca de 14 dias para aproximadamente quatro horas.
Agora a empresa está ampliando o escopo. A nova fase cobre resolução automática de e-mails, automação de alteração de nome e um agente de conhecimento em tempo real para as equipes de atendimento, mostrando um movimento claro em direção à automação de fluxo de ponta a ponta, e não apenas interações isoladas em chat.
| Fluxo | O que a IA faz | Resultado relatado |
|---|---|---|
| Processamento de reembolsos | Validações, checagens de política, interações com sistemas de backoffice e orquestração entre equipes | De cerca de 14 dias para aproximadamente 4 horas |
| Resolução automática de e-mails | Identifica várias intenções em um único e-mail, encaminha o trabalho, valida dados e redige uma resposta única | Usado em casos elegíveis acima de um limiar de confiança de 95% |
| Automação de alteração de nome | Checagem de elegibilidade, chamadas de fluxo, reemissão do bilhete e envio do bilhete atualizado | De cerca de 3 dias para aproximadamente 30 minutos |
| Agente de conhecimento | Fornece políticas, procedimentos, regras tarifárias e orientações operacionais para as equipes de atendimento | Busca de informação mais rápida e respostas mais consistentes |
A empresa também afirmou que o sistema usa recursos de aprendizado contínuo para melhorar prompts, fluxos e o desempenho dos modelos ao longo do tempo. Isso é um lembrete importante: IA em produção costuma ser um processo de refinamento constante, não um lançamento único.
Agente de IA vs chatbot: por que este caso importa
Muitas empresas ainda ouvem 'suporte com IA' e pensam em um bot simples que responde uma pergunta de cada vez. Este caso mostra melhor o que é agente de IA vs chatbot: o sistema identifica várias intenções em um único e-mail, aciona subagentes especializados, coleta e valida informações em diferentes sistemas, executa as ações necessárias e depois consolida tudo em uma única resposta aprovada pela Air India.
Tão importante quanto isso, a companhia não está deixando o sistema responder às cegas. Nos casos elegíveis, as respostas só são geradas quando a confiança está acima de 95%, com supervisão humana quando necessário. Esse é o padrão prático se você quer automatizar atendimento ao cliente com IA sem criar risco extra.
A grande mudança é simples: as empresas estão saindo de uma IA que conversa para uma IA que conclui tarefas dentro de regras claras.
O agente de conhecimento importa pelo mesmo motivo. Uma grande parte do tempo no atendimento não vai para digitar respostas, mas para procurar a política, o procedimento ou a regra correta. Quando um assistente consegue trazer essa orientação em tempo real, a equipe responde mais rápido, mantém mais consistência e integra gente nova com menos atrito.
A lição real é integração e controles
A Air India diz que tem um ecossistema digital cloud-first com mais de 140 sistemas corporativos e mais de 30 iniciativas de IA agêntica. A maioria das PMEs não precisa de nada perto dessa escala, mas a lógica é a mesma: um bom suporte com IA depende de integração e controles, não apenas de um modelo inteligente.
A companhia avalia seu trabalho com IA em quatro pilares: aumentar receita, reduzir custos, melhorar a experiência do cliente e viabilizar novas capacidades. Esse é um bom teste para qualquer projeto. Se o agente não melhora a qualidade do atendimento, não remove etapas repetitivas ou não torna o processo mais fácil de gerenciar, provavelmente ainda é só uma demonstração.
Para equipes menores, a lição é direta. Antes de adicionar mais automação, certifique-se de que o agente consegue ver os documentos certos, seguir as regras certas e encaminhar casos complexos para uma pessoa quando a confiança estiver baixa. Em outras palavras, conecte o sistema ao seu fluxo primeiro; só depois pense em dar mais autonomia.
Como uma pequena empresa pode copiar esse padrão
Você não precisa de 140 sistemas nem de um orçamento de companhia aérea para aplicar isso. Em muitas PMEs, um funcionário digital começa com um fluxo que aparece todos os dias e está consumindo tempo da equipe e do dono.
Bons pontos de partida
- Primeiro atendimento para perguntas comuns, triagem e encaminhamento
- Respostas baseadas em documentos para políticas, trocas, devoluções, regras de entrega ou procedimentos internos
- Solicitações simples de alteração, quando as regras são claras e as exceções são fáceis de sinalizar
- Criação de tarefas em um CRM ou quadro para que nada se perca depois da conversa
É por isso que IA sem código para negócios faz tanto sentido para PMEs. Velocidade importa, e a maioria dos donos não quer começar por um projeto de integração antes mesmo de testar se vale a pena automatizar aquele fluxo.
Para uma operação mais enxuta, plataformas como botb2b.ai oferecem uma recepção com IA para o seu widget de chat com IA no site e para o Telegram, um CRM gratuito com quadros de tarefas, um catálogo de modelos de IA e servidores MCP que permitem conectar assistentes como Claude e ChatGPT às ferramentas da empresa sem contratar um desenvolvedor. É aí que o Model Context Protocol fica prático para equipes menores: não como hype, mas como uma forma limpa de dar ao assistente o contexto e o acesso às ferramentas de que ele precisa.
O que isso significa para o seu negócio
A expansão da Air India é um sinal de que o mercado está indo além dos bots que só respondem. A pergunta mais importante agora é se sua estrutura de IA consegue concluir um fluxo de atendimento com segurança, consistência e os pontos certos de repasse para humanos.
Se você quer um resultado útil, comece pequeno. Escolha um processo repetitivo de atendimento, conecte o agente às informações de que ele precisa, mantenha revisão humana para casos fora do padrão e acompanhe se a experiência está realmente ficando mais fluida para sua equipe e para seus clientes.
Você não precisa de escala empresarial para aprender com esse caso. O que precisa é de disciplina empresarial: escopo claro, dados organizados, regras sensatas e expansão gradual quando o primeiro fluxo estiver funcionando bem.