Principais Resultados
A IA escalava conversas pra humanos. 60% delas sumiam. Ninguém na operação sabia.
Introdução
A Bella Capri achava que tinha 95% de cobertura no atendimento dos clientes. Era 40%. 60% dos chats que a IA escalava pra um humano simplesmente sumiam — ninguém respondia, e a venda se perdia. Ninguém na operação sabia disso.
A Bella Capri é uma rede premium de pizzaria com 55 lojas no Sul e Sudeste do Brasil, ticket médio acima de R$110, com mais de 80% do atendimento já automatizado por IA via WhatsApp e Instagram. Chamou a Embed Station pra responder uma pergunta específica: a IA está convertendo ou está perdendo venda no caminho? Em 3 semanas de implementação e 60+ dias de pipeline rodando sobre 1.000+ atendimentos analisados, o sistema revelou onde a IA estava perdendo venda — e onde a equipe humana não estava cobrindo o que a IA escalava. O time agiu sobre cada achado. Hoje a IA assume o atendimento por inteiro.
"É uma análise que sempre quisemos realizar mas nunca tivemos recursos humanos para fazer. Agora é aplicar as soluções aos problemas que identificamos." — Diretor de Operações, Bella Capri
O Desafio
Antes da análise, era assim: a IA atendia, classificava algumas conversas como "isso aqui um humano resolve melhor", e mandava pra fila do time. O time pegava — quando dava. Quando não dava, o cliente ficava esperando. Não tinha alarme, não tinha SLA visível, não tinha métrica do que ficou sem resposta. Cada operador olhava o próprio painel.
O time de operações sabia que havia furos. Não sabia onde, nem o tamanho. As avaliações que rolavam eram manuais — alguém abria o histórico de 10 conversas por dia, lia uma por uma, anotava num documento. 30 minutos diários pra um diagnóstico minúsculo de uma operação que processa milhares de mensagens em 55 lojas.
E em paralelo, ninguém sabia se a IA estava acertando intenção, oferecendo o produto certo, fechando venda ou só empurrando cliente pra fila — porque ninguém estava medindo isso de forma estruturada.
Antes: Operação cega. A IA atendia, escalava, e ninguém via o que acontecia depois. 30 minutos diários de avaliação manual cobriam 10 conversas — em 55 lojas processando milhares de mensagens.
Depois: Cada conversa avaliada em 6 dimensões. Cada loja, cada horário, cada operador com sua métrica. Sem mais "achar" — agora é "ver".
Nossa Abordagem
O sistema lê cada conversa que entra nos canais de atendimento da Bella Capri (WhatsApp e Instagram), classifica deterministicamente o que é fato — quem mandou, quando, quantas mensagens, quanto tempo de resposta — e usa um modelo de linguagem pra avaliar o que é subjetivo: o cliente foi atendido? a IA acertou a intenção? a venda foi até o fim? Cada conversa vira um registro com 6 dimensões de score, e tudo cai num dashboard que mostra, por loja e por horário, exatamente onde os buracos estão.
Por trás disso, a Embed Station construiu um pipeline próprio em Node.js, com banco de dados feito sob medida pra esse caso (não é um SaaS de prateleira). O design é vendor-agnostic — funciona com qualquer plataforma de chat que tenha histórico exportável.
Tecnologias
Você não precisa entender o stack — a Embed Station cuida disso. Por transparência, é isso que roda por trás:
Mapear a operação
entender como a IA escalava conversas, quando, por quê, e o que acontecia depois (ou não acontecia).
Construir o pipeline de análise
script que consome cada conversa, mistura análise determinística (números) com avaliação por IA (qualidade, intenção, conversão), e produz score em 6 dimensões.
Dashboard pra ver onde tá doendo
tudo num lugar só: por loja, por horário, por tipo de problema. A operação ganhou olho onde antes era cego.
A Solução
Antes a equipe de operações achava que tinha visibilidade — tinha visibilidade do que cada operador resolveu, não do que sumiu. Agora cada conversa que entra é avaliada, classificada e armazenada com prova.
Pega cada conversa e mede em 6 dimensões
qualidade do atendimento, captação de intenção, conversão, tempo de resposta, e mais. Onde a IA tá fraca, fica visível por loja.
Aponta onde o humano não está respondendo
dos chats escalados pra equipe, qual % foi respondido em até X minutos? Qual loja, qual horário, qual operador deixou na mão? Sem palpite — com dado.
Vira insumo pra ajustar a IA, não relatório que fica na gaveta
cada falha catalogada vira input pra refinar regras de roteamento, treinamento da equipe e ajuste fino do modelo. A análise virou ciclo de melhoria contínua.
Para Quem Isso Funciona
Esse modelo serve pra você se:
- Você opera uma rede (multi-loja, franquia, ou unidade com volume alto) com atendimento via WhatsApp, Instagram ou outro chat.
- Você já tem IA ou chatbot no atendimento, em produção há pelo menos 3 meses — tempo suficiente pra ter dado, não pra estar "ajustando ainda".
- Você é dono, sócio, diretor de operações ou diretor comercial — e precisa decidir com dado, não com palpite, onde investir tempo da equipe.
Se isso parece a sua operação, esse caminho é o seu ponto de partida.
Resultados e Impacto
A revelação dos 60% gerou ação imediata: treinamento da equipe, ajuste das regras de quando a IA escala, mudança no protocolo de notificação ao operador (pra ninguém ficar sem ver) e direcionamento interno melhor entre lojas. Em poucas semanas, a cobertura humana saiu de 40% pra 95%. Em rede premium com ticket médio acima de R$110, cada chat que antes evaporava virou venda recuperada — ou pelo menos uma resposta de qualidade que manteve o cliente perto. E a partir daí, com cada ciclo de análise alimentando ajuste fino da IA, a autonomia foi crescendo até o ponto de a IA hoje conseguir assumir o atendimento por inteiro. Esse padrão de "tornar o invisível visível" também aparece no caso da automação de notificações em escritório de contabilidade — em ambos, o ganho real veio de medir o que ninguém estava medindo.
"Descobrimos que nosso horário de pico tinha a pior cobertura humana — sem essa análise, nunca teríamos identificado isso." — Diretor Comercial, Bella Capri
Cobertura humana nos chats escalados pela IA
Conclusão
60% dos chats escalados sumiam. Hoje, a IA assume o atendimento por inteiro. 30 minutos diários de avaliação manual viraram zero. E cada decisão de operações ou de comercial é baseada em dado, não em achismo.
Mas o ponto que vale levar embora é esse: IA em atendimento não é "ligar e esquecer". A maioria das implementações de IA não falha por causa do modelo — falha porque ninguém mede o que está acontecendo do outro lado da conversa. A Bella Capri descobriu o tamanho do furo só quando começou a olhar. Se você implementou IA e não tem dashboard mostrando, por loja e por horário, quantos chats foram escalados pra humano e quantos viraram resposta — você tem exatamente o mesmo furo. E ele tá custando venda agora. Esse princípio se aplica em qualquer operação com IA em chat — incluindo o caso da Bella IA do Bruno's Cabeleireiros, onde a IA marca horário direto na agenda do salão via WhatsApp.
Cada chat que a sua IA escala e ninguém responde é uma venda saindo pela porta. Em ticket médio acima de R$110 (como o da Bella Capri), bastam 5 chats por dia abandonados pra somar R$16.500 de receita evaporada por mês. Esse número existe na sua operação agora. Você só não está medindo.
Próximos Passos para a Bella Capri
- Expandir análise pra novos canais conforme entrarem na operação.
- Integrar análise em tempo real pra correção automática de falhas no atendimento.
Próximos Passos para Você
30 minutos pra ver o tamanho do furo. Algumas semanas pra ter dashboard rodando. Decisão informada a partir do dia 1.
Você consegue dizer agora quantos chats sua IA escalou pra humano nas últimas 24h — e quantos viraram resposta?
Se você precisou abrir 3 sistemas pra tentar, esse case é a sua operação.
30 minutos de diagnóstico gratuito. Você sai com (1) onde a IA está mais provavelmente perdendo venda no seu funil, (2) quais sinais procurar no seu histórico de atendimento, e (3) próximo passo concreto pra investigar.
Se em 30 minutos não te mostrarmos falhas e erros causados pela sua IA ou pelo atendimento humano, podemos parar por aqui.
Não é pitch — é diagnóstico. Você sai com o mapa mesmo se decidir não seguir. A análise é vendor-agnostic: funciona com qualquer plataforma de chat ou chatbot que tenha histórico exportável. Não exige trocar nada do que você já usa.
📩 contato@embedstation.com 🌐 embedstation.com