Estudo de caso: Suporte ao cliente de IA com agentes OpenClaw

A Novaris Technologies tinha um problema de suporte ao cliente que toda empresa de SaaS em crescimento reconhece: o volume de tickets de suporte crescia mais rápido do que a receita. Em 2023, eles lidaram com 2.400 tickets de suporte por mês com uma equipe de suporte de seis pessoas. No final de 2024, o volume subiu para 5.800 tickets por mês — um aumento de 142% impulsionado pelo crescimento do produto e pela expansão geográfica — enquanto a equipe cresceu para apenas oito pessoas.

A matemática foi brutal. Para lidar com 5.800 tickets por mês com o nível de qualidade que seus clientes empresariais esperavam, a Novaris precisava de 14 agentes de suporte (dobrando o número de funcionários e os custos de suporte) ou uma abordagem fundamentalmente diferente de como o suporte funcionava.

Eles escolheram a abordagem diferente. Este estudo de caso documenta a implantação de seis semanas do agente OpenClaw AI que a ECOSIRE concluiu para a Novaris, cobrindo a arquitetura de implementação, os desafios encontrados e os resultados três e nove meses após a implantação.

Principais conclusões

• Os agentes OpenClaw lidam com 84% dos tickets de suporte da Novaris de forma autônoma (acima de 0% na pré-implantação)
• Número de funcionários da equipe de suporte mantido em 8 enquanto lida com mais de 5.800 tickets/mês (vs 14 necessários sem IA)
• O tempo médio de primeira resposta caiu de 4,2 horas para 8 minutos
• A pontuação de satisfação do cliente melhorou de 3,8 para 4,4 em 5,0
• O custo de suporte por ticket caiu de US$ 28 para US$ 11 (redução de 61%)
• Os agentes humanos agora se concentram exclusivamente em questões complexas e sensíveis ao relacionamento
• Os agentes de IA lidam com tickets em inglês, árabe e urdu simultaneamente

---

Antecedentes: Novaris Technologies

A Novaris Technologies é uma empresa SaaS sediada em Karachi que fornece software ERP baseado em nuvem para empresas de médio porte no Sul da Ásia e no Oriente Médio. Fundada em 2019, a empresa cresceu para 3.200 clientes pagantes no final de 2024, sendo a maioria pequenas e médias empresas que utilizam a plataforma para contabilidade, inventário e gestão de RH.

A função de suporte ao cliente da Novaris atendeu uma base diversificada de clientes: 60% de clientes que falam inglês, 25% que falam árabe e 15% que falam urdu, espalhados por oito países. A equipe de suporte tratou de tudo, desde questões básicas (como faço para gerar um relatório de IVA?) até questões complexas de dados (por que a avaliação do meu estoque está errada após um ajuste negativo?) até problemas de integração (a reconciliação bancária não corresponde ao extrato).

Em meados de 2024, o tempo médio de primeira resposta da equipe de suporte subiu para 4,2 horas. As pontuações de satisfação do cliente caíram de 4,1 para 3,8. Dois clientes empresariais aumentaram a qualidade do suporte nas discussões sobre renovação de contrato. Aumentar o número de funcionários era caro e difícil: era realmente difícil encontrar agentes de suporte SaaS qualificados em Karachi com conhecimento do idioma árabe.

---

Por que OpenClaw

A Novaris avaliou três opções de suporte de IA antes de contratar a ECOSIRE: implantar um chatbot diretamente em seu portal de suporte, construir uma solução personalizada usando a API OpenAI internamente e contratar a ECOSIRE para implantar agentes OpenClaw.

Limitações do chatbot: Os chatbots padrão de suporte ao cliente, mesmo aqueles com tecnologia de IA, funcionam bem para consultas do tipo FAQ com respostas determinísticas. Eles falham em consultas que exigem compreensão do contexto do sistema, raciocínio sobre dados específicos do cliente ou execução de ações em várias etapas (como verificar uma transação, identificar a causa raiz e explicar a solução). A fila de suporte da Novaris era predominantemente o segundo tipo de consulta, não o primeiro.

Construção interna personalizada: A Novaris tinha capacidade de desenvolvimento interno, mas construir um sistema de suporte de IA confiável do zero requer experiência substancial em engenharia imediata, geração de recuperação aumentada, orquestração de chamadas de ferramentas, tratamento de erros e lógica de escalonamento humano. A estimativa interna era de seis meses e um desenvolvedor dedicado — mais tempo e risco do que implantar uma solução desenvolvida especificamente.

Agentes OpenClaw: o OpenClaw foi desenvolvido especificamente para automação de processos de negócios com agentes de IA. Ele fornece uma estrutura para conectar recursos de raciocínio de IA às APIs do sistema de negócios (API da própria Novaris, seu módulo de suporte Odoo, seu sistema de documentação), definindo condições de escalonamento, gerenciando o contexto de conversação em interações multiturno e monitorando o desempenho do agente. O cronograma de implantação foi de seis semanas, em vez de seis meses, e a equipe da ECOSIRE já havia construído integrações semelhantes antes.

---

A arquitetura OpenClaw para Novaris

A implantação do OpenClaw para Novaris envolveu três tipos distintos de agentes, cada um especializado em diferentes categorias de solicitações de suporte.

Agente 1: Agente de Resolução Lida com questões simples de instruções e configuração que podem ser resolvidas inteiramente a partir da documentação e dos dados do sistema. O Agente de Resolução tem acesso a:

• Documentação completa do produto Novaris (indexada em um banco de dados vetorial para pesquisa semântica)
• Os dados da conta do cliente através da API da Novaris (nível de assinatura, módulos configurados, atividade recente)
• Uma base de conhecimento selecionada de resoluções de suporte comuns construída a partir de dados históricos de tickets

Quando um ticket chega, o Agente de Resolução determina se ele pode ser resolvido com as informações disponíveis. Se sim, ele redige uma resposta, compara-a com uma rubrica de qualidade e a envia. Se a verificação de qualidade falhar (a resposta estiver incompleta, contradizer a documentação ou conter incerteza), o ticket será escalado para um agente humano com o rascunho da resposta e o resumo do contexto anexados.

Agente 2: Agente de Diagnóstico Lida com problemas técnicos que exigem investigação de dados ou configurações específicas do cliente. O Agente de Diagnóstico tem acesso adicional à API:

• Dados da conta do cliente em nível de registro (não apenas métricas agregadas)
• Registros de auditoria de ações recentes do usuário na conta do cliente
• Logs de erros da plataforma Novaris associados ao inquilino do cliente

O Agente de Diagnóstico segue um fluxo de trabalho de diagnóstico estruturado: reproduz o problema em um ambiente de teste, identifica a causa raiz nos dados ou na configuração do cliente e fornece uma resolução com instruções passo a passo. Aproximadamente 60% dos casos de Agente de Diagnóstico são resolvidos de forma autônoma. Os 40% restantes passam para agentes humanos com um resumo diagnóstico completo que reduz significativamente o tempo de resolução humana.

Agente 3: Coordenador de Escalação Não resolve tickets — em vez disso, gerencia a transferência da IA ​​para agentes humanos para tickets que exigem julgamento humano. Quando um ticket é escalado, o Coordenador de Escalação:

• Escreve um resumo estruturado do caso (tipo de problema, impacto no cliente, descobertas de diagnóstico, tentativas de resolução, próximos passos recomendados)
• Atribui o ticket ao agente humano apropriado com base em sua especialidade e profundidade atual da fila
• Define as expectativas do cliente por meio de uma confirmação automatizada com um tempo de resposta estimado
• Monitora o ticket escalado e avisa o agente humano se o tempo de resposta exceder o SLA

---

Processo de implementação

A implementação de seis semanas foi estruturada para avançar rapidamente e, ao mesmo tempo, manter os padrões de qualidade exigidos pelo suporte empresarial.

Semana 1: Construção da base de conhecimento

Antes que qualquer agente pudesse ser implantado, a base de conhecimento precisava existir. A equipe da ECOSIRE trabalhou com o gerente de produto e principal agente de suporte da Novaris para indexar a documentação completa do produto, extrair padrões de resolução de três meses de tickets históricos e construir uma base de conhecimento estruturada que os agentes pudessem consultar de maneira confiável.

A análise histórica dos bilhetes foi esclarecedora: 71% de todos os bilhetes enquadraram-se numa das doze categorias de emissão. O Agente de Resolução foi configurado para lidar diretamente com oito dessas categorias (totalizando 52% do volume de tickets). O Agente de Diagnóstico foi configurado para atender três categorias adicionais (totalizando 28% do volume de tickets) com suporte de diagnóstico. A categoria restante (questões complexas de integração) sempre foi escalada para agentes humanos.

Semana 2: integração de API

O desenvolvedor do ECOSIRE construiu a camada de integração da API entre o OpenClaw e o sistema de suporte da Novaris (Odoo Helpdesk), a API do cliente da Novaris e a infraestrutura de registro da plataforma da Novaris. A integração exigia atenção cuidadosa à autorização: os agentes do OpenClaw precisavam de acesso de leitura aos dados do cliente, mas não de acesso de gravação, exceto ao próprio registro do ticket de suporte (para postar respostas e atualizar o status).

Semanas 3 a 4: Desenvolvimento e ajuste do agente

A equipe de IA da ECOSIRE desenvolveu os prompts do agente, os fluxos de trabalho de diagnóstico e a lógica de decisão de escalonamento. Cada agente foi testado em relação a 200 tickets históricos reais (anonimizados) para medir a precisão. A precisão inicial do Agente de Resolução foi de 76% — muito baixa para implantação em produção. Duas semanas de engenharia imediata, expansão da base de conhecimento e refinamento de rubricas aumentaram a precisão para 91%, o que atingiu o limite de produção.

Semana 5: Teste do modo sombra

Antes de os agentes responderem aos clientes reais, eles funcionavam em modo sombra: processando tickets reais em paralelo com agentes humanos, gerando respostas que eram revisadas por humanos, mas não enviadas aos clientes. O teste do modo sombra validou o desempenho do agente no tráfego ao vivo e identificou casos extremos que o teste histórico de tickets não havia coberto.

O modo sombra revelou uma lacuna sistemática: o agente de resolução fornecia ocasionalmente orientações desatualizadas com base numa versão antiga da documentação que não tinha sido totalmente substituída na base de conhecimentos. A equipe do ECOSIRE identificou e corrigiu a documentação desatualizada e o problema não apareceu na produção.

Semana 6: lançamento gradual

A implementação foi graduada por categoria de ticket: o Agente de Resolução entrou em operação primeiro para as duas categorias de problemas de maior confiança, foi monitorado por cinco dias e depois expandido para todas as oito categorias. O Agente de Diagnóstico foi lançado na Semana 7 seguindo o mesmo padrão. Quatro semanas após a implantação inicial da produção, ambos os agentes já estavam cuidando de todo o seu escopo.

---

Experiência do Agente Humano

Uma preocupação que a equipe de suporte da Novaris tinha antes da implantação era que o OpenClaw desvalorizaria suas funções, tornando os tickets complexos mais automatizados e eliminando a oportunidade de desenvolver conhecimentos. A experiência real foi o oposto.

Antes do OpenClaw, a equipe de suporte gastava aproximadamente 60% do seu tempo lidando com perguntas rotineiras de como fazer. Não eram ingressos interessantes. Eram tarefas repetitivas e de baixa qualificação que a equipe tinha que realizar porque não existia alternativa. Os agentes eliminaram esses 60% da fila.

Depois do OpenClaw, a equipe humana lida apenas com os tickets que exigem conhecimento genuíno: problemas complexos de integração de vários sistemas, situações de recuperação de dados, orientação arquitetônica para clientes corporativos e conversas sensíveis de relacionamento com clientes que estão passando por frustrações significativas. A avaliação da equipa relativamente à qualidade do seu próprio trabalho melhorou significativamente — estavam a realizar um trabalho mais interessante e com maior impacto.

A ECOSIRE treinou a equipa de apoio sobre como utilizar eficazmente os resumos de casos do Coordenador de Escalonamento: como ler os resultados do diagnóstico, como desenvolver as tentativas de resolução em vez de começar do zero e como fornecer feedback à ECOSIRE quando os resumos dos agentes eram imprecisos ou incompletos. O ciclo de feedback provou ser essencial para a melhoria contínua da qualidade dos agentes.

---

Resultados em 3 meses e 9 meses

Vários resultados merecem comentários específicos.

Melhoria CSAT: A melhoria de 3,8 para 4,4 surpreendeu a equipe de gestão da Novaris. A expectativa era que os tickets gerenciados por IA tivessem uma pontuação menor em satisfação do que os tickets processados ​​por humanos. Ocorreu o oposto: os clientes valorizaram mais o tempo de resposta de 8 minutos do que se importaram se a resposta veio de um ser humano ou de uma IA, desde que a resposta fosse precisa e resolvesse o problema. Pesquisas pós-interação mostraram que a satisfação estava correlacionada com o tempo e a precisão da resolução, e não com o tipo de agente.

Qualidade multilíngue: Os agentes lidam nativamente com inglês, árabe e urdu. A qualidade da resposta em árabe foi inicialmente a mais variável — a base de conhecimento foi construída principalmente em inglês e dependia da tradução de IA para respostas em árabe. A ECOSIRE trabalhou com a Novaris para adicionar documentação em árabe e padrões de resolução à base de conhecimento durante os primeiros três meses, o que elevou as pontuações de satisfação dos ingressos em árabe à paridade com o inglês no quarto mês.

Escalonamentos de gerenciamento: a redução de 87% nos escalonamentos de gerenciamento reflete uma melhoria estrutural na forma como os tickets difíceis são tratados. Antes do OpenClaw, os clientes frustrados que não conseguiam obter uma solução através do suporte padrão recorreriam à gestão como uma tática de pressão. A melhoria drástica no tempo de primeira resposta e na taxa de resolução eliminou a frustração que motivou essas escaladas.

---

Perguntas frequentes

Como o OpenClaw lida com um cliente que está claramente chateado e precisa de um toque humano?

Os agentes OpenClaw são configurados com detecção de sentimento. Quando um ticket ou uma conversa mostra um sentimento altamente negativo – expressões diretas de frustração, ameaças de cancelamento ou solicitações explícitas de assistência humana – o agente imediatamente escala para um agente humano com um sinalizador de prioridade. O agente não tenta resolver o componente emocional; ele funciona de forma limpa e rápida. Na implantação da Novaris, aproximadamente 3% dos tickets aumentam imediatamente com base no sentimento, sem qualquer tentativa de resolução autônoma.

O que acontece quando a IA dá uma resposta errada?

Os agentes são projetados para serem calibrados e não excessivamente confiantes. Quando o Agente de Resolução não consegue atingir o limite de confiança necessário para enviar uma resposta de forma autónoma, ele escala em vez de adivinhar. Quando um agente fornece uma resposta incorreta (o que acontece, embora com pouca frequência), o sistema de monitoramento da Novaris sinaliza o ticket quando o cliente responde indicando que o problema não foi resolvido. O ticket entra novamente na fila com um sinalizador de qualidade, é revisado por um agente humano e o padrão de resposta incorreto é documentado para novo treinamento do agente. O ciclo de feedback contínuo é essencial para manter a qualidade do agente ao longo do tempo.

Quanto tempo leva para implantar o OpenClaw em uma nova empresa?

O cronograma depende da complexidade do produto e da qualidade da documentação existente. Para um produto SaaS com boa documentação (como o da Novaris), o normal é de seis a oito semanas. Para empresas com documentação deficiente ou produtos altamente complexos, a fase de construção da base de conhecimento pode estender o prazo para doze a dezesseis semanas. A equipe de pré-vendas da ECOSIRE avalia a qualidade da documentação e a complexidade do produto durante a fase de descoberta e fornece uma estimativa realista do cronograma antes do envolvimento.

O OpenClaw requer gerenciamento contínuo após a implantação?

Sim, mas a sobrecarga de gestão é baixa em comparação com o valor entregue. A ECOSIRE recomenda um processo de revisão mensal: amostragem de tickets resolvidos para validação de qualidade, revisão de padrões de escalonamento em busca de sinais de que a configuração do agente precisa de atualização e processamento de feedback de agentes humanos que veem padrões nos tickets escalados para eles. O plano de suporte da ECOSIRE para implantações OpenClaw inclui sessões trimestrais de otimização de agentes como parte da oferta padrão.

O OpenClaw pode ser integrado à nossa plataforma de helpdesk existente?

OpenClaw integra-se com Zendesk, Freshdesk, Intercom, HubSpot Service Hub, Odoo Helpdesk e outras plataformas importantes de helpdesk via API. Para plataformas sem integrações pré-construídas, a equipe de desenvolvimento da ECOSIRE pode construir integrações personalizadas. O ponto de integração normalmente é o webhook de criação de tickets (aciona o processamento do agente quando um novo ticket chega) e a API de resposta do ticket (permite ao agente postar respostas e atualizar o status do ticket).

---

Próximas etapas

Se sua equipe de suporte estiver sentindo a mesma pressão de volume que a Novaris experimentou, a prática OpenClaw da ECOSIRE oferece uma avaliação gratuita de operações de suporte: analisando seu volume atual de tickets, categorizando tipos de tickets por potencial de automação e estimando o impacto específico que uma implantação do OpenClaw poderia proporcionar para sua operação.

Visite /services/openclaw para saber mais sobre a plataforma de agente OpenClaw AI e solicitar uma avaliação.