Um agente de IA resolve 71% das conversas. O número impressiona, até a pergunta seguinte: 71% de quê? Da base inteira de suporte ou só das conversas que o agente atendeu? A resposta muda a decisão de investimento.
A Forrester publicou, em seu blog, uma análise assinada por Kate Leggett sobre o valor mensurável de agentes de IA em operações de CRM, com exemplos de vendas, marketing e atendimento. Os casos são úteis, mas vêm de fornecedores e de clientes. Este artigo cruza esses números com as páginas originais e mostra como ler cada um.
Neste artigo: o que a Forrester afirma, o que as fontes primárias dos casos de Vanta e Siemens dizem de fato, onde os números divergem e quais métricas medir no seu CRM antes de comprar.
O que a Forrester afirma
A tese é que agentes geram valor quando conectam dados, decisão, execução e resultado dentro do CRM. Os exemplos citados pela Forrester incluem:
- Uma organização do setor público com 90% de economia em custos de trabalho rotineiro no processamento de faturas.
- A Siemens, que usa agentes para qualificar leads B2B de entrada, com resposta a 100% deles em minutos.
- A Engine, de software de gestão de viagens, onde agentes voltados ao cliente tratam mais de 50% dos casos.
- A Vanta, de automação de segurança e compliance, que resolve totalmente 71% das solicitações de clientes com agentes.
- A Sephora, que usa dados de interações, como escaneamento de produtos em loja, listas de desejos no app e pesquisas pós-compra, para criar segmentos dinâmicos.
Sobre o método, a Forrester diz que os achados vêm de entrevistas com dezenas de consultorias e clientes. O texto não informa o número exato de entrevistados, o período nem o critério de seleção. Trate os resultados como exemplos de casos, não como estatística representativa. O relatório completo, Real-World Use Cases For AI Agents In CRM, é restrito a clientes da Forrester.
Vanta: 71% de quê
A página do caso, publicada pela Fin, da Intercom, explica a base: 71% é a proporção de conversas de chat resolvidas totalmente pelo agente entre as que ele atendeu, não entre todo o volume de suporte. A meta inicial era 50%. Segundo a página, o agente participa de cerca de um quarto das conversas de suporte e resolve quase 2.500 chats por mês sem chegar a um humano. A avaliação inicial usou 400 conversas reais, com 73% de resolução contra 49% da IA anterior, e o CSAT (satisfação do cliente) informado é de 96,7% no ano até a publicação.
Duas ressalvas: a página não informa datas específicas, e quem publica é o fornecedor da solução.
Siemens: os números divergem
A página de histórias de clientes da Salesforce descreve dois agentes em sequência. O primeiro envia um e-mail personalizado em minutos após o download de um conteúdo e pode fazer até duas tentativas de acompanhamento. O segundo conduz um chat, levanta orçamento, autoridade, necessidade e prazo (o método BANT) e registra tudo no Sales Cloud. Leads com ao menos duas respostas BANT positivas vão para um vendedor, com resumo.
Os números da Salesforce: cerca de 2.500 leads elegíveis por mês, em 132 países, resposta de dias para minutos, 11% de engajamento, 6% de qualificação e 80% das interações avaliadas como boas ou muito boas. O texto da Forrester cita um volume mensal e uma conversão que não coincidem com esses valores, e a frase original é ambígua. Para decidir, use a página do cliente e peça a definição de cada taxa ao fornecedor.
Como ler um caso de agente de IA
A tabela reúne as perguntas que separam um caso útil de um anúncio. Aplique a cada número antes de levá-lo para uma proposta interna.
| Pergunta | Por que importa | Exemplo neste artigo |
|---|---|---|
| Qual é a base da taxa? | A mesma taxa muda de sentido com outra base. | Vanta: 71% das conversas de chat atendidas, não de todo o suporte. |
| Quem publicou? | Dado de fornecedor não é auditoria independente. | Fin e Salesforce publicam os próprios casos. |
| Qual é o período? | Sem datas, não dá para comparar nem projetar. | Página da Vanta informa só “meses”. |
| Há grupo de controle? | Sem comparação, não se prova o efeito do agente. | Nenhum dos casos cita grupo de controle. |
| E a qualidade? | Resolver não é o mesmo que satisfazer. | Vanta informa CSAT de 96,7%. |
O que medir no seu CRM antes de comprar
Defina quatro métricas e a base de cada uma antes de qualquer piloto:
- Taxa de resolução: conversas resolvidas sem humano divididas pelas conversas atendidas pelo agente. Registre também a cobertura, isto é, o percentual do volume total que o agente atende.
- Taxa de transferência: conversas que passam para um atendente. Veja o desenho da passagem em handoff de IA para humano.
- Qualificação de leads: leads que chegam ao vendedor com os critérios preenchidos, e quantos viram oportunidade.
- Receita incremental: compare com um grupo de controle, como mostra o guia de receita incremental do CRM com holdout.
Para a arquitetura por trás desses agentes, leia CX nativo de IA, e para o custo, a previsão da Forrester em preço de IA por consumo. Se o canal é o WhatsApp, veja como montar um agente de IA no atendimento.
Limites da fonte
A Forrester resume casos e não publica a amostra. As páginas da Fin e da Salesforce são materiais de fornecedores. Nenhum dos números aqui deve ser projetado para o seu negócio sem piloto próprio e grupo de controle.
Perguntas frequentes
O que a Forrester diz sobre agentes de IA em CRM?
Que agentes geram valor mensurável quando conectam dados, decisão, execução e resultado em vendas, marketing e atendimento. Os exemplos são casos de empresas como Siemens, Vanta, Engine e Sephora.
O que significa 71% de resolução no caso da Vanta?
Segundo a página da Fin, é a proporção de conversas de chat resolvidas totalmente pelo agente entre as que ele atendeu. Não é a proporção de todo o volume de suporte.
Por que os números da Siemens divergem?
O texto da Forrester cita volume e conversão diferentes dos publicados pela Salesforce, que informa cerca de 2.500 leads elegíveis por mês, 11% de engajamento e 6% de qualificação. A frase da Forrester é ambígua, então vale usar a página do cliente.
Os casos servem como meta para minha empresa?
Servem como hipótese. Sem a mesma base de cálculo, o mesmo período e um grupo de controle, não dá para projetar o resultado.
Qual métrica medir primeiro?
Taxa de resolução com a base declarada, taxa de transferência para humano e satisfação do cliente. Depois, a receita incremental em relação a um grupo de controle.
