Chatbot: o que é, como evoluiu com IA e quando (não) usar no atendimento

Chatbot é um programa que conversa com pessoas por texto (ou voz) para responder perguntas e executar tarefas sem intervenção humana. No atendimento ao cliente, é o robô que recebe o cliente no chat do site ou no WhatsApp, entende (ou tenta entender) o que ele quer e resolve — ou encaminha para um atendente quando não consegue.

Se você chegou aqui buscando "chatbot o que é", a resposta curta é essa. Mas a resposta útil depende de qual geração de chatbot estamos falando, porque a distância entre um bot de menu de 2018 e um agente de IA de hoje é maior do que o nome compartilhado sugere.

A evolução: de árvore de regras a agente que executa ações

1ª geração: chatbots de regras (árvores de decisão)

O chatbot clássico funciona como um menu telefônico por escrito: "Digite 1 para financeiro, 2 para suporte". Cada resposta do cliente leva a um galho pré-desenhado da árvore. Se a pergunta não estiver mapeada, o bot trava ou responde "não entendi".

Não é tecnologia obsoleta — para fluxos fechados (segunda via de boleto, status de pedido, horário de funcionamento), um bot de regras é previsível, barato e nunca inventa nada. O problema é a manutenção: cada caso novo exige desenhar mais um galho, e a experiência degrada rápido quando o cliente foge do roteiro.

2ª geração: chatbot com IA generativa

Aqui entra a pergunta "chatbot com IA o que é": é um chatbot que usa um modelo de linguagem (LLM) para entender a pergunta em linguagem natural e formular a resposta, em vez de comparar palavras-chave com um roteiro fixo. O cliente escreve "meu boleto venceu ontem, e agora?" de dez formas diferentes e o bot entende todas.

O ganho é enorme, mas vem com uma exigência: o modelo precisa responder com base no conhecimento da sua empresa, não com o que aprendeu na internet. Por isso chatbots com IA sérios são treinados em fontes controladas — sua base de conhecimento, políticas internas, catálogo de produtos — e configurados para admitir quando não sabem, em vez de improvisar.

3ª geração: agentes de IA que executam ações

A fronteira atual não é responder melhor — é fazer. Um agente de IA consulta o status real do pedido no seu sistema, emite a segunda via, reagenda a visita técnica, atualiza o cadastro. Ele combina o LLM com ações conectadas a APIs (o que o mercado chama de tool use): a conversa deixa de ser uma FAQ inteligente e vira um atendimento completo, do início à resolução.

É essa geração que muda a economia do suporte: o bot de regras desviava volume, o chatbot com IA respondia dúvidas, o agente de IA fecha tickets.

Chatbot vs. agente de IA: qual a diferença, afinal?

Os termos se misturam no mercado, mas a distinção prática é esta:

	Chatbot (regras ou IA)	Agente de IA
Entende linguagem natural	Só na versão com IA	Sim
Responde com conhecimento da empresa	Depende do treinamento	Sim, treinado em fontes controladas
Executa ações em sistemas (consultar pedido, emitir boleto)	Não	Sim, via APIs
Decide o próximo passo sozinho	Não — segue fluxo	Sim, dentro de limites definidos
Manutenção	Reescrever fluxos a cada caso novo	Atualizar fontes de conhecimento

Resumindo: todo agente de IA conversa como um chatbot, mas nem todo chatbot age como um agente. Se a ferramenta só responde e nunca resolve, é chatbot. Se consulta, executa e conclui, é agente.

Onde usar chatbot (e onde não usar)

Onde funciona bem

Perguntas repetitivas de alto volume: prazo de entrega, política de troca, segunda via, redefinição de senha. Na prática do mercado, é comum que 30 a 60% do volume de um suporte seja composto por variações das mesmas 20 perguntas — território ideal para automação.
Fora do horário comercial: o bot atende de madrugada e no fim de semana; o que não resolver vira ticket na fila para o time tratar dentro do SLA.
Triagem e qualificação: coletar número do pedido, CPF, descrição do problema antes de passar ao humano — o atendente já recebe a conversa com contexto, sem fazer o cliente repetir tudo.
Canais de mensageria: no WhatsApp, onde o cliente espera resposta imediata, o bot segura a primeira linha e escala quando necessário.

Onde não usar (ou usar com muito cuidado)

Clientes irritados ou casos sensíveis: cancelamento com histórico de problemas, cobrança indevida, reclamação pública. Insistir no bot aqui multiplica o dano — detecte o tom e transfira rápido.
Problemas sem resposta mapeada: se a informação não está em nenhuma fonte de conhecimento, o bot não tem de onde tirar. Bot que "se vira" sem fonte é bot que alucina.
Como muro na frente do humano: chatbot que existe para impedir o cliente de falar com alguém destrói a satisfação. A regra de ouro: o caminho para o atendente deve existir sempre e ser encontrável em no máximo duas interações.
Vendas consultivas complexas: negociação de contrato enterprise não se fecha em fluxo automatizado. O bot qualifica; o humano conduz.

As métricas que importam em um chatbot

Medir chatbot por "quantidade de conversas" é vaidade. As métricas que dizem se ele funciona:

Taxa de resolução (deflection/resolution rate): percentual de conversas que o bot encerrou sem acionar um humano e sem o cliente reabrir o assunto depois. É a métrica número um. Cuidado com a armadilha: cliente que abandonou a conversa frustrado não é resolução — cruze com a reabertura e com a pesquisa de satisfação.
Taxa de handoff (transferência): percentual de conversas escaladas para atendentes. Nem alta nem baixa é boa por definição: handoff de 5% com clientes furiosos é pior que handoff de 40% com transferências suaves e contexto preservado. Analise por assunto — tópicos com handoff alto indicam lacunas de conhecimento a preencher.
CSAT das conversas com bot: meça a satisfação separadamente nas conversas resolvidas pelo bot e nas transferidas. Se o CSAT do bot despenca em relação ao humano, ele está resolvendo no papel e frustrando na prática.
Tempo até o handoff: quando a transferência acontece, quanto o cliente penou antes? Três minutos de triagem útil é bom; quinze minutos de loop "não entendi" é sabotagem.
Cobertura de conhecimento: quantas perguntas o bot recebeu para as quais não tinha resposta? Essa lista é seu backlog de conteúdo — cada lacuna preenchida sobe a taxa de resolução no mês seguinte.

Na ClickDesk, essa terceira geração é o padrão: os agentes de IA são treinados nas suas fontes de conhecimento, executam ações via API (consultar pedido, atualizar cadastro), têm flow builder visual para desenhar os limites da conversa e apontam automaticamente as lacunas de conhecimento — as perguntas que ficaram sem resposta —, além de medir uso de IA e transferir para o time humano com todo o contexto no mesmo ticket.

Como começar sem quebrar a experiência

Levante os 10 assuntos mais repetitivos do seu suporte (os relatórios de tickets por assunto mostram isso em minutos).
Escreva ou revise os artigos que respondem cada um — o bot é tão bom quanto a fonte que o alimenta.
Lance com escopo fechado: o bot responde esses 10 assuntos e transfere todo o resto, sem tentar ser herói.
Acompanhe resolução, handoff e CSAT por semana e expanda o escopo assunto por assunto, guiado pelas lacunas.
Só então conecte ações (consultas e operações via API), começando pelas de leitura — status de pedido antes de cancelamento de contrato.

Chatbot bem implantado não substitui o time de atendimento: tira dele o trabalho que nenhum humano deveria fazer oito horas por dia e devolve tempo para os casos que exigem gente. Quer ver como isso funciona com agentes treinados no seu conteúdo, copiloto para os atendentes e medição nativa? Conheça os planos da ClickDesk em /precos — trial de 14 dias, sem cartão.