Wallace Ribeiro dos Santos, superintendente de qualidade da AeC, uma das maiores operações de atendimento do Brasil, publicou um número que merece parar qualquer diretoria de qualidade: o custo por avaliação de atendimento caiu de R$ 5,38 para R$ 0,05 depois que a empresa substituiu a monitoria manual por avaliação automatizada com IA. Uma redução de 99%, aplicada a mais de 1,2 milhão de interações processadas para clientes como iFood, TIM, Vivo, Claro, Stone e 99. Isso não é projeção de fornecedor. É operação em produção, em escala real.
O número chama atenção pelo tamanho, mas o que importa de verdade não é o "99%". É o motivo estrutural por trás dele: monitoria manual de qualidade sempre foi amostral. Nenhuma operação de atendimento consegue pagar analistas humanos para ouvir e avaliar 100% das interações, então historicamente se avalia 2%, 5%, talvez 10% da base, escolhida por amostragem, com viés de quem escolhe e variabilidade de quem avalia. Duas pessoas avaliando a mesma ligação, com o mesmo critério escrito, chegam a notas diferentes. Isso sempre foi verdade e sempre foi aceito como limite físico da monitoria de qualidade.
Com IA, o custo marginal de avaliar mais uma interação cai perto de zero. A consequência não é só economia: é a possibilidade de avaliar 100% do volume, com o mesmo critério aplicado de forma idêntica em cada avaliação. Isso muda a pergunta que a área de qualidade consegue responder. Amostragem responde "como está a qualidade, em média, num recorte que escolhemos". Cobertura total responde "onde exatamente está o problema, em qual atendente, em qual horário, em qual tipo de chamada". São perguntas de natureza diferente.
Por que isso não é assunto só de call center
É tentador ler esse case como notícia de contact center e seguir em frente. Seria um erro. O mecanismo por trás do resultado da AeC (substituir avaliação amostral cara por avaliação de cobertura total barata) se aplica a qualquer processo de auditoria interna que hoje funciona por amostragem: auditoria de prontuário em saúde, revisão de contrato, checagem de conformidade documental, verificação de eficácia de ação corretiva.
Pegue auditoria de qualidade em saúde como exemplo direto. Hoje a maioria das organizações audita uma amostra de prontuários por mês para verificar aderência a protocolo, porque auditar 100% manualmente não cabe na equipe disponível. O mesmo problema estrutural do call center: cobertura baixa, escolhida por amostragem, com o risco real escondido nos 90% que ninguém olhou naquele mês. A mesma lógica que levou a AeC de R$ 5,38 para R$ 0,05 por avaliação é aplicável, com adaptação de domínio, a qualquer fluxo onde "auditar tudo" hoje é economicamente inviável só por causa do custo humano de revisão.
O ganho real de IA aplicada a qualidade e compliance não é substituir quem audita. É parar de escolher, por restrição de orçamento, quais 5% da operação você vai realmente olhar.
O risco de errar a implementação
Dito isso, vale um contraponto que o próprio mercado de contact center já aprendeu do jeito difícil: IA de monitoria mal calibrada não reduz risco, esconde risco atrás de um número bonito no dashboard. Se o modelo aplica critério errado de forma consistente a 100% do volume, o erro sistemático se torna invisível, porque não há mais amostra humana paralela para contrastar. A prática recomendada nesses cases bem-sucedidos é manter auditoria humana periódica sobre uma fatia da avaliação automatizada, não para substituir a IA, mas para validar se o critério que ela aplica continua correto. IA sem verificação de eficácia é o mesmo erro que uma auditoria mal desenhada: dá aparência de controle sem entregar controle de fato.
Essa é também a diferença entre "colocar IA para gerar texto" e "colocar IA para aplicar critério de forma consistente e auditável". O primeiro caso, mais comum no mercado, produz relatório bonito e pouca mudança operacional. O segundo caso, o da AeC, produz cobertura total de auditoria com custo marginal desprezível, que é um problema de negócio muito mais concreto que "escrever mais rápido".
Onde isso se conecta com quem já opera compliance e qualidade
Organizações que já rodam gestão de não conformidades, auditorias e planos de ação corretiva enfrentam exatamente esse gargalo de amostragem: capacidade de auditoria manual sempre menor que o volume de processos que precisariam ser verificados. Na facilita.ia, esse é o motivo pelo qual a leitura de documentos, contratos e evidências por IA nunca decide sozinha (o número final de conformidade, a nota, o veredito continuam sendo calculados por regra determinística, não pela IA), mas a triagem inicial, o apontamento de risco e o direcionamento de qual evidência merece olhar humano prioritário são exatamente o tipo de tarefa em que ampliar cobertura sem ampliar custo faz diferença real na velocidade da auditoria.
É a mesma lição da AeC adaptada para fora do contact center: o gargalo raramente é falta de critério de qualidade bem definido. É capacidade humana de aplicar esse critério em volume. Resolver esse gargalo com IA bem calibrada, com verificação de eficácia contínua, é diferente de terceirizar julgamento para um modelo sem supervisão. É aumentar cobertura mantendo controle.
A pergunta que fica
Vale menos perguntar "onde posso usar IA generativa" e mais perguntar "qual auditoria minha empresa faz hoje por amostragem, só porque cobertura total custaria caro demais com gente". Essa pergunta, respondida com honestidade, aponta exatamente para onde IA aplicada a qualidade e compliance entrega retorno mensurável, e não só promessa de inovação. O case da AeC mostra a ordem de grandeza do que está em jogo quando essa pergunta é levada a sério.
Quer aplicar isso na sua organização?
Em 5 minutos, faça um diagnóstico de prontidão e descubra onde sua operação ganha em organização, compliance e gestão.
Diagnóstico de prontidão Falar com a gente