O acúmulo de ferramentas que acontece na rotina de uma empresa costuma acontecer aos poucos: uma plataforma resolve uma demanda específica, outra chega para cobrir uma lacuna, uma terceira entra porque “era o que o mercado estava usando”. Isoladamente, cada sistema até funciona bem. Mas quando aplicados na operação, elevam ou travam a experiência do colaborador e do cliente?

O relatório The Cost of Complexity levantou um número que ajuda a colocar esse problema em perspectiva: o colaborador médio usa cerca de 15 ferramentas e 4 canais de comunicação diferentes todos os dias para fazer o próprio trabalho — CRM, ITSM, plataforma de atendimento, chat corporativo, sistema de telefonia, base de conhecimento, entre outros. Alternando entre essas telas e procurando informação espalhada, são cerca de 7 horas por colaborador, toda semana. Praticamente um dia inteiro de trabalho.

Onde esse dinheiro vai parar

O mesmo levantamento aponta que US$1 de cada US$5 investidos em software acaba desperdiçado por conta da complexidade operacional, ou seja, porque a fragmentação entre as ferramentas obriga as equipes a reconstruir contexto e repetir tarefas o tempo todo.

Hoje, observamos que as operações mais maduras não são necessariamente aquelas que possuem maior acervo tecnológico, mas as que conseguem simplificar, integrar processos e eliminar atrito.

Como avaliar se a complexidade virou um problema?

Boas ferramentas devem absorver a complexidade da operação, não transferi-la para quem trabalha nela. Quando um colaborador precisa abrir cinco sistemas diferentes para responder uma única solicitação, a complexidade que deveria estar escondida na arquitetura da operação passou a pesar sobre a pessoa. Esse é o sinal mais claro de que chegou a hora de simplificar, não de adicionar mais uma ferramenta à pilha.

Um bom teste é observar o que acontece quando um cliente muda de canal no meio de um atendimento, ou quando um colaborador novo entra no time: se a resposta depende de “perguntar para quem já sabe” em vez de consultar uma fonte única e confiável, a complexidade está sendo absorvida pelas pessoas e isso tem um custo, mesmo que ele não apareça isolado em nenhuma planilha financeira.

O caminho é centralizar, não empilhar

Centralizar canais, processos e conhecimento em um ambiente único, em vez de somar mais uma ferramenta à operação, é o que permite à equipe parar de alternar telas e reconstruir contexto a cada atendimento. É esse tipo de estrutura que sustenta ganhos reais: menos retrabalho, decisões mais rápidas e uma operação capaz de crescer sem que o esforço cresça na mesma proporção.

Veja como uma operação centralizada funciona na prática, com o Freshdesk Omnichannel

Se você somasse quantas telas sua equipe abre para resolver uma única solicitação hoje, esse número te deixaria confortável ou preocupado?

Na Focus Technology, ajudamos empresas a simplificar a operação de atendimento e TI, integrando canais, processos e conhecimento em um único ambiente, para que a complexidade pare de ser um custo escondido e passe a ser uma vantagem competitiva.

Existe um jeito de aprender que nenhum curso substitui: fazer, errar, corrigir, fazer de novo, tudo sob os olhos de alguém mais experiente. Durante todos esses anos, essa etapa foi fundamental para a formação profissional: foi assim que a maioria dos analistas evoluíram até virarem especialistas e líderes.

É este modelo que precisa de um olhar estratégico conforme cresce a adoção de tecnologias capazes de assumir essas tarefas que antes eram de responsabilidade dos novos talentos. Com essa mudança, como as pessoas desenvolverão domínio técnico, contexto de negócio e julgamento?

Essa é uma das principais discussões apresentadas pelo relatório Artificial Intelligence and the Future of Entry-Level Work, publicado em Junho/2026 pelo World Economic Forum em parceria com a PwC.

O estudo reúne as perspectivas de mais de 200 líderes e especialistas, dados de mais de 9 mil profissionais em início de carreira de 48 países e entrevistas com organizações que já estão adaptando suas estruturas à IA.

Como a IA está mudando os cargos de entrada?

Globalmente, 37% dos jovens trabalhadores estão em ocupações com exposição média ou alta a mudanças de tarefas provocadas pela IA. Essa proporção chega a:

• 75% na Ásia Oriental;
• 69% na América do Norte;
• 63% na Europa.

Os setores mais expostos incluem serviços financeiros, informação e comunicação, serviços profissionais, ciência e educação.

Isso não significa que 37% dos empregos serão eliminados, mas que parte relevante das atividades realizadas nessas ocupações pode ser transformada, redistribuída ou executada com o apoio da tecnologia. Portanto, o que acontecerá é uma mudança no desenho do trabalho e não uma simples substituição de pessoas por máquinas.

O ganho de produtividade está reduzindo o trabalho?

Os benefícios já são percebidos: 68% dos profissionais em início de carreira afirmam que a IA aumentou sua produtividade. Entretanto, 45% também relatam estar trabalhando mais tempo por causa dela.

Essa combinação revela que a IA, em muitos casos, está mudando o tipo de esforço exigido: atividades repetitivas são automatizadas, enquanto interpretação, validação, tomada de decisão e interação com sistemas inteligentes ganham espaço.

Profissionais iniciantes podem contribuir com trabalhos mais complexos mais cedo, mas também precisam avaliar respostas, questionar recomendações e aplicar contexto antes mesmo de terem acumulado uma longa experiência prática.

A mudança também afeta a percepção sobre as próprias competências: 28% acreditam que metade ou menos das habilidades que possuem hoje continuará relevante em três anos.

Por que automatizar tarefas simples pode afetar a formação profissional?

O relatório alerta que, conforme a IA assume tarefas rotineiras, o modelo tradicional de aprender fazendo se enfraquece justamente porque algumas dessas tarefas ajudam o profissional a reconhecer padrões, compreender exceções e desenvolver critérios que serão necessários quando ele assumir decisões mais complexas.

Automatizar uma tarefa pode gerar eficiência imediata, mas, se ela exercia uma função importante no desenvolvimento de capacidades, sua retirada precisa ser acompanhada de uma nova experiência de aprendizagem.

A questão, portanto, não é decidir entre automatizar ou desenvolver pessoas, mas identificar:

• quais tarefas podem ser automatizadas integralmente;
• quais ainda precisam de participação humana;
• quais experiências desenvolvem julgamento e devem ser preservadas;
• como preparar profissionais para validar e orientar o trabalho da IA.

A tecnologia pode acelerar o desenvolvimento quando aproxima novos talentos de problemas relevantes. O risco aparece quando etapas formativas são eliminadas sem que outra estrutura seja criada para substituí-las.

Como as empresas devem redesenhar os cargos de entrada?

A transformação já está no planejamento das organizações: três em cada quatro líderes esperam realinhamentos estruturais significativos nos cargos de entrada, quase o dobro da expectativa de mudança para posições de média e alta liderança.

O relatório recomenda que as empresas não apenas adicionem IA aos fluxos existentes, mas que redesenhem também algumas funções para combinar produtividade, qualidade do trabalho e desenvolvimento de capacidades no longo prazo.

Isso inclui manter oportunidades de entrada, oferecer experiências práticas, revisar critérios de progressão e criar formas deliberadas de transmitir conhecimento.

A Allianz é um dos exemplos apresentados. A empresa criou programas de mentoria que aproximam profissionais iniciantes de colegas mais experientes. Esses grupos combinam a fluência digital de quem está entrando com o contexto de negócio e o julgamento acumulado por quem já conhece a operação.

A iniciativa parte de uma lógica importante: quando o aprendizado deixa de acontecer naturalmente pela repetição, ele precisa ser promovido de forma intencional.

Qual é o papel da gestão do conhecimento nesse cenário?

Mentoria, supervisão e exposição a situações reais continuam fundamentais, e agora essas práticas precisam ser acompanhadas por uma estrutura capaz de preservar o conhecimento institucional.

Se processos, critérios e exceções permanecem apenas na memória dos profissionais mais experientes, a empresa continua dependente da transmissão informal. Essa fragilidade se torna ainda mais evidente quando tarefas mudam rapidamente e novos profissionais precisam assumir responsabilidades mais complexas.

Uma base de conhecimento estruturada ajuda a registrar não apenas como uma atividade deve ser realizada, mas também:

• por que determinado processo existe;
• quais critérios orientam uma decisão;
• quais exceções precisam ser consideradas;
• qual versão de uma orientação continua válida;
• quando uma situação exige revisão humana.

Essa estrutura também beneficia os próprios agentes de IA. Quanto mais organizado, atualizado e contextualizado estiver o conhecimento, maior será a capacidade da tecnologia de localizar informações e apoiar pessoas com respostas confiáveis.

O Document360 ajuda empresas a organizar procedimentos, documentação técnica e conhecimento institucional com curadoria, versionamento e busca.

Não substitui a experiência prática nem o contato entre gerações. Ele cria uma base para que essa experiência possa ser preservada, encontrada e utilizada por pessoas e sistemas inteligentes.

A IA não elimina a necessidade de formar pessoas

Os ganhos de produtividade proporcionados pela inteligência artificial são reais. A tecnologia pode retirar tarefas mecânicas, ampliar capacidades e permitir que profissionais contribuam de maneira mais estratégica desde o início da carreira.

Mas o desenvolvimento de julgamento, contexto e domínio técnico continuará sendo necessário.

A diferença é que essa formação não poderá depender apenas de observar alguém mais experiente ou repetir tarefas durante anos. Ela precisará ser incorporada ao desenho das funções, aos programas de mentoria e à forma como o conhecimento é registrado e compartilhado.

A IA está mudando as atividades que formavam a próxima geração de especialistas, portanto, se faz necessário pensar para além de acelerar o trabalho, redesenhando a maneira como as pessoas aprendem.

Na Focus Technology, ajudamos empresas a integrar inteligência artificial, processos e gestão do conhecimento para ampliar a eficiência sem perder o contexto que sustenta decisões melhores.

“A gente já tem uma wiki” é uma frase comum quando o assunto é gestão do conhecimento. E realmente, boa parte das empresas tem algum lugar onde processos e decisões ficam registrados.

O problema é que ter um lugar para guardar informação não é a mesma coisa que ter um lugar de onde as pessoas conseguem tirar respostas e essa diferença é exatamente o que separa uma wiki corporativa de uma base de conhecimento.

Wiki corporativa vs. base de conhecimento: entenda as diferenças

Uma wiki corporativa é pensada para construir conhecimento de forma colaborativa: várias pessoas contribuem, registram ideias, decisões, documentações em andamento e conteúdos que ainda estão sendo refinados. É um ambiente vivo, pensado para quem está criando informação.

Uma base de conhecimento tem outro objetivo: ela existe para que o usuário (cliente ou colaborador) encontre respostas. Envolve curadoria, governança, versionamento, estrutura de busca e uma experiência pensada para quem está consumindo a informação, não para quem a produziu.

Resumindo: uma wiki ajuda equipes a construir conhecimento. Uma base de conhecimento ajuda pessoas a encontrar respostas. Podem ser complementares, mas não substitutas e o erro mais comum é tentar usar uma wiki como se fosse a segunda.

O sintoma mais fácil de reconhecer: o chamado repetitivo

Se a sua equipe de suporte reescreve a mesma explicação pela quinta vez na semana, o problema raramente é a pessoa que está respondendo. É a ausência de um lugar único, estruturado e fácil de buscar, onde essa resposta já deveria estar disponível para o cliente se resolver sozinho, ou para o agente encontrar em segundos em vez de reconstruir do zero.

Esse retrabalho tem um custo que não aparece isolado em nenhum relatório, mas se acumula: tempo do time gasto respondendo o que já foi respondido antes, novos colaboradores demorando mais para ficar produtivos porque não existe uma fonte confiável para consultar, e inconsistência nas respostas, já que cada pessoa explica o mesmo processo de um jeito diferente.

Essa diferença fica ainda mais evidente conforme a inteligência artificial passa a pesquisar, resumir e responder com base na documentação disponível: um agente de IA que consulta uma wiki desorganizada herda essa desorganização na resposta. Um agente que consulta uma base de conhecimento estruturada consegue identificar qual informação é válida, qual versão está correta e qual conteúdo substitui o anterior.

Como isso funciona na prática

O Document360 foi desenhado exatamente para esse segundo cenário: organizar documentação técnica, procedimentos operacionais e conhecimento institucional com curadoria, controle de versão e busca de um jeito que tanto pessoas quanto agentes de IA conseguem usar como fonte confiável.

Veja o Document360 organizando conhecimento em escala

Hoje, quando alguém do seu time procura uma resposta, ela é encontrada ou reconstruída?

A Microsoft analisou dados de 31 mil profissionais em 31 países para entender como o trabalho está mudando com a chegada de agentes de IA em escala e chegou a um conceito bem coerente: o “agent boss”, profissional que constrói, delega tarefas e gerencia agentes de inteligência artificial como parte natural do próprio trabalho.

Não é um cargo novo. É uma camada que se soma a qualquer função, do analista ao diretor, na medida em que agentes deixam de ser uma novidade experimental e passam a fazer parte da rotina de equipes inteiras.

A pressão é real, e já está nos números

Segundo o relatório, 82% dos líderes dizem que este é um ano decisivo para repensar estratégia e operação, e 78% já estão sendo cobrados pelo resultado da IA, não apenas pela adoção dela. Isso marca uma virada: a fase de “testar ferramentas de IA” já passou. Agora, o que se espera é resultado mensurável.

Ao mesmo tempo, o relatório descreve três fases pelas quais as empresas passam nessa jornada, e a maioria vive as três simultaneamente, em áreas diferentes da operação:

1. Humano com assistente: a IA ajuda a fazer o mesmo trabalho, mais rápido.
2. Equipes humano-agente: agentes assumem tarefas específicas, como “colegas digitais”, sob direção humana.
3. Liderança humana, operação por agentes: humanos definem direção, agentes executam processos inteiros, com checkpoints humanos.

Nem agente de menos, nem agente demais

Um dos pontos mais úteis do relatório para quem lidera operação é o conceito de “human-agent ratio” — a proporção ideal entre pessoas e agentes para cada função ou processo. Agentes de menos deixam eficiência na mesa. Agentes demais sobrecarregam a capacidade humana de julgamento e supervisão, criando risco operacional em vez de reduzi-lo.

Encontrar esse equilíbrio exige duas perguntas simples, mas que poucas empresas realmente respondem: quantos agentes são necessários para qual tarefa? E quantas pessoas são necessárias para orientar esses agentes com segurança?

A liderança ainda está na frente — e isso é um problema

Um dado chama atenção: 67% dos líderes dizem estar familiarizados com o conceito de agentes de IA, contra apenas 40% dos funcionários. A mesma distância aparece em confiança para usar IA em tarefas críticas (78% x 66%) e na percepção de que a IA acelera a carreira (79% x 67%).

Isso não é motivo de conforto para quem lidera — é sinal de que a governança precisa ser construída de cima para baixo, e rápido. Como resume Amy Webb, futurista citada no relatório: “se você tem um problema de pessoas, você vai ter um problema de IA.” Sistemas multiagente não resolvem falhas de gestão pré-existentes, eles as tornam mais visíveis, e mais rápidas.

O que isso muda na prática

Virar “agent boss” não é aprender a usar uma ferramenta nova, mas desenvolver uma competência de gestão que a maioria dos líderes técnicos nunca precisou ter: delegar para um agente com o mesmo critério que se delegaria para uma pessoa da equipe, com clareza sobre quando confiar e quando questionar.

Você já sabe quantos agentes sua equipe está gerenciando e se alguém está de fato acompanhando isso?

Por: Carolina Sessa

A última edição do Future of Jobs Report ouviu mais de 1.000 empregadores, representando 14 milhões de trabalhadores em 55 países. O resultado surpreende pouco quem já acompanha o setor: as profissões que mais crescem no mundo, em termos percentuais, são de tecnologia.

Big Data Specialists, FinTech Engineers, especialistas em IA e Machine Learning e desenvolvedores de software lideram a lista. Logo atrás vêm cargos de segurança da informação e cibersegurança, impulsionados tanto pelo avanço da IA quanto pela fragmentação geopolítica que aumenta a demanda por proteção de dados.

O outro lado do crescimento

O relatório também traz outros números muito interessantes:

• 39% dos conhecimentos e habilidades que um profissional usa hoje devem ficar defasados até 2030.
• Se o mercado de trabalho global fosse formado por 100 pessoas, 59 precisariam de algum tipo de requalificação até 2030. Dessas 59 pessoas, 29 poderiam ser capacitadas na própria função, 19 seriam realocadas internamente após capacitação e 11 dificilmente receberiam o treinamento necessário a tempo, ficando com o emprego em risco.

Não é uma substituição de pessoas por máquinas, mas uma transformação do que se espera de cada função, na velocidade em que a tecnologia muda.

Diante desse cenário, quem lidera operações de tecnologia precisa começar a traçar estratégias: se a sua equipe vai precisar aprender novas ferramentas, novos processos e novos fluxos de trabalho no mesmo período em que o volume de demanda por esses profissionais cresce, a estrutura que sustenta essa equipe está pronta para absorver essa curva de aprendizado sem travar a operação?

Crescer em pessoas não resolve o problema de crescer em estrutura

É tentador tratar esse cenário como um problema de contratação: preciso de mais especialistas em IA, mais analistas de segurança, mais desenvolvedores. Mas o próprio relatório aponta que skills gaps são consideradas pelos empregadores a maior barreira para a transformação de negócio, quando 63% dos entrevistados colocam isso no topo da lista, à frente até de restrições orçamentárias.

Contratar gente nova ou requalificar quem já está no time só funciona se existir uma base capaz de sustentar essa curva de aprendizado: documentação acessível, processos registrados em algum lugar que não seja a memória de quem já está ali há anos, e uma operação de suporte interno que consiga escalar junto com a complexidade crescente.

Times de TI que vivem apagando incêndio, sem uma base de conhecimento estruturada e sem visibilidade sobre onde o retrabalho está acontecendo, tendem a sentir esse gargalo primeiro.

O Fórum Econômico Mundial está falando sobre o mundo todo, mas o recorte vale para qualquer empresa brasileira que sinta a pressão por crescer em capacidade técnica: sua operação de TI está desenhada para o volume e a complexidade que você tem hoje, ou para o que você tinha há dois anos?

Na Focus Technology, ajudamos empresas a estruturar a operação de suporte e conhecimento interno para crescer sem perder controle: com processos documentados, visibilidade sobre a operação e um ambiente único onde equipes técnicas encontram respostas em vez de reconstruí-las a cada novo chamado.

Por: Carolina Sessa

Ser um bom líder sempre exigiu desenvolver pessoas, tomar decisões, resolver conflitos e alinhar equipes em torno de um objetivo comum. Nenhuma dessas competências perdeu relevância com o avanço da inteligência artificial, apenas tornou necessário o desenvolvimento de novas skills.

Agentes de IA já conseguem interpretar informações, acessar diferentes fontes de dados, executar tarefas em múltiplas etapas e tomar ações com diferentes graus de autonomia. Aos poucos, eles deixam de ser ferramentas utilizadas de forma pontual e passam a ocupar um espaço permanente nos fluxos das empresas.

Esse movimento cria uma nova estrutura de trabalho: equipes nas quais pessoas e sistemas inteligentes atuam sobre os mesmos objetivos.

Liderar nesse cenário não é tratar agentes digitais como pessoas, mas construir uma organização capaz de combinar inteligência humana e artificial sem confundir suas responsabilidades.

O líder continua desenvolvendo pessoas e agora, também precisa desenvolver o ambiente no qual pessoas e IA trabalharão juntas.

A liderança passa a organizar duas formas de inteligência

Pessoas precisam de confiança, comunicação, escuta, propósito, desenvolvimento e segurança psicológica, enquanto sistemas de IA precisam de objetivos definidos, dados adequados, permissões, parâmetros de atuação, controle de qualidade e supervisão.

A liderança humana desenvolve autonomia por meio de contexto e relacionamento, enquanto a gestão da IA estabelece autonomia por meio de regras e limites.

O desafio está em exercer essas duas formas de liderança ao mesmo tempo.

Não basta contratar uma solução e solicitar que a equipe a utilize. O líder precisa compreender como o trabalho será redistribuído, quais tarefas poderão ser automatizadas, quais decisões continuarão sob responsabilidade humana e como as pessoas serão preparadas para atuar nesse novo arranjo.

Segundo o Microsoft Work Trend Index 2025, 81% dos líderes esperam integrar agentes à estratégia de IA de suas empresas nos próximos 12 a 18 meses. O levantamento também mostra que gestores esperam que suas equipes passem a redesenhar processos, construir sistemas multiagentes, treinar agentes e administrar sua atuação.

A adoção da tecnologia, portanto, não representa apenas uma mudança nas ferramentas utilizadas. Ela modifica a forma como o trabalho é desenhado, distribuído e supervisionado.

Quanto mais autonomia, maior a responsabilidade da liderança

À medida que agentes assumem tarefas mais complexas, surgem perguntas que não podem ser respondidas apenas pelas áreas de tecnologia:

• Quais informações esses agentes podem acessar?
• Quais decisões podem tomar?
• Quando devem solicitar revisão humana?
• Como seus erros serão identificados?
• Quem responde por uma ação automatizada inadequada?

Essas definições fazem parte da liderança porque envolvem prioridades, riscos, cultura e responsabilidade.

A autonomia da IA também não precisa ser uma decisão absoluta: um agente pode começar recomendando ações, avançar para execuções condicionadas à aprovação humana e assumir determinadas etapas de forma autônoma à medida que seu desempenho se torna conhecido e monitorado. O papel do líder é definir esse percurso.

Sem limites claros, a organização pode conceder autonomia antes de construir confiança. Com governança, consegue testar, aprender e ampliar a atuação da IA de forma responsável.

Isso exige uma nova fluência das lideranças: a capacidade de compreender as regras do negócio e traduzi-las em critérios para a tecnologia.

Se uma IA prioriza tickets, alguém precisa definir o que caracteriza uma demanda crítica. Se recomenda descontos, alguém precisa estabelecer os limites comerciais. Se responde ao cliente, alguém precisa determinar quando o caso exige sensibilidade, contexto ou julgamento humano.

A tecnologia ainda não conhece, por conta própria, a cultura que a empresa deseja preservar, o tipo de relação que pretende construir com seus clientes ou os riscos que está disposta a assumir.

Esses elementos precisam ser transformados em políticas, permissões, critérios e fluxos de supervisão.

Liderar também significa saber quando questionar a IA

A inteligência artificial pode reunir dados, reconhecer padrões e apresentar possibilidades em uma velocidade impossível para uma análise exclusivamente humana. Isso não significa que toda recomendação deva ser aceita.

Um experimento publicado na revista Organization Science ajuda a demonstrar essa diferença. Nas tarefas compatíveis com as capacidades da IA, profissionais trabalharam mais rapidamente e entregaram resultados melhores. Entretanto, quando a atividade ultrapassava os limites do modelo, aqueles que utilizaram IA tiveram menor probabilidade de encontrar a resposta correta.

A tecnologia pode ser excelente em uma atividade e falhar em outra aparentemente semelhante, mas, para quem a utiliza, essa fronteira nem sempre é evidente.

Por isso, liderar uma equipe apoiada por IA também significa criar uma cultura na qual revisar, contestar e corrigir suas recomendações seja parte normal do trabalho. O julgamento humano não compete com a capacidade analítica da tecnologia, ele orienta seu uso.

Cabe à liderança identificar quais atividades podem ser delegadas, quais exigem validação e quais devem permanecer sob responsabilidade humana. Também cabe a ela garantir que eficiência não seja confundida com qualidade e que velocidade não substitua critérios.

A IA amplia capacidades; a liderança define a direção

Preparar uma empresa para essa nova etapa exige revisar papéis, redesenhar processos, desenvolver competências e estabelecer os limites dentro dos quais a tecnologia poderá atuar.

A inteligência artificial amplia a capacidade de análise, acelera decisões e potencializa resultados. Mas continua sendo a liderança que transforma essas capacidades em direção, cultura e vantagem competitiva.

Sua organização está apenas adotando IA ou formando líderes capazes de conduzi-la?

Quando uma empresa recebe alguma reclamação sobre o atendimento, a análise quase sempre começa pelo ponto mais visível: demora na resposta, informações repetidas, transferências mal conduzidas ou uma solicitação que levou mais tempo do que o esperado.

Esses episódios parecem problemas individuais porque normalmente chegam à gestão vinculados a um ticket, uma interação ou uma pessoa. É assim que a causa permanece intacta e a empresa se vê adicionando canais, automações e IA na tentativa de melhorar a experiência.

Mas, e quando essas inconsistências estão mais relacionadas à arquitetura operacional do que à capacidade tecnológica?

A causa costuma ser estrutural

Quando uma transferência obriga a conversa a recomeçar, quando dois canais fornecem respostas diferentes ou quando informações já compartilhadas precisam ser solicitadas novamente, o cliente começa a sentir as falhas na arquitetura, ainda que as perceba apenas como um atendimento ruim.

Segundo levantamento citado pela Freshworks, 87% dos consumidores consideram frustrante precisar repetir informações entre canais, e quase três quartos passam a questionar se devem continuar comprando da empresa.

A verdade é que essas falhas quase nunca são resultados exclusivos do desempenho de um agente, muito pelo contrário: na maior parte das vezes, o contexto ficou retido em uma área, ferramenta ou canal. O atendimento apenas jogou luz nessa fragmentação preexistente.

Outro estudo da Freshworks mostrou que 36% dos profissionais de suporte sentem dificuldades relacionadas ao excesso de ferramentas, enquanto 40% dos líderes apontaram que dados fragmentados impedem a personalização da experiência.

Estar em todos os canais não significa conhecer o cliente

Quando o CRM conhece o relacionamento comercial, o ERP conhece os pedidos, o WhatsApp concentra as mensagens e a plataforma de atendimento registra apenas os tickets, existe muita informação disponível — mas percebe que apenas a existência desses sistemas isoladamente não garantem o compartilhamento do histórico?

Há como fazer bom proveito de uma vasta quantidade de dados, quando eles não são compartilhados?

Uma experiência unificada não nasce simplesmente da conexão entre canais, mas sim quando diferentes áreas conseguem interpretar e utilizar a mesma história. Nesse modelo, cada interação deixa de ser um evento isolado e passa a compor uma única jornada.

O histórico deixa de pertencer a uma equipe e vira um ativo da operação.

A IA não produz o contexto que a operação não construiu

Grande parte das discussões sobre inteligência artificial se concentra na capacidade dos modelos, mas existe um ponto fundamental que vem sendo esquecido: agentes inteligentes não criam contexto por conta própria, eles trabalham sobre as informações e relações que a empresa tornou disponíveis.

Uma IA pode recomendar ações, antecipar necessidades, personalizar respostas e automatizar decisões. Para isso, precisa acessar o histórico, reconhecer dependências e interpretar a etapa da jornada em que o cliente se encontra.

Quando cada sistema conhece apenas uma parte da operação, a inteligência artificial também trabalha com uma visão parcial: recomendações genéricas, respostas inconsistentes e automações que aceleram processos fragmentados em vez de corrigi-los.

Para obter valor real da IA, existe uma etapa fundamental: organizar a operação. Conectar informações, reduzir barreiras entre equipes, coordenar processos e criar uma camada de contexto compartilhado para, só então ampliar a automação.

Sobre uma estrutura integrada, a tecnologia deixa de compensar limitações e passa a ampliar capacidades.

A experiência do cliente, portanto, começa muito antes da conversa. Ela é definida pela forma como processos foram desenhados, sistemas compartilham informações e equipes operam sobre o mesmo contexto.

Na Focus Technology, ajudamos empresas a integrar canais, processos, dados e inteligência artificial em uma operação capaz de reconhecer a jornada como um todo. Porque melhorar a experiência não começa adicionando mais um ponto de contato. Começa eliminando as barreiras que impedem a empresa de atuar como uma só.

A Forrester prevê que a inteligência artificial fará desaparecer 49% dos empregos atuais de atendimento ao cliente até 2030. O dado não descreve uma mudança distante. Estruturas de contact center já começam a reduzir funções de supervisão, planejamento e execução à medida que sistemas de IA assumem atividades antes distribuídas entre diferentes níveis da operação.

Isso significa que não haverá mais espaço para agentes humanos? Não. Mas também seria ingênuo interpretar essa transformação apenas como uma troca de tarefas, sem impacto real sobre cargos, equipes e competências.

A IA agêntica não representa apenas uma ferramenta mais avançada nas mãos dos profissionais. Ela introduz uma nova força de trabalho, capaz de interpretar solicitações, executar ações, tomar decisões dentro de parâmetros definidos e conduzir partes inteiras de uma jornada. Nesse cenário, o papel humano não desaparece, mas se desloca: sai da execução repetitiva e avança para a orquestração, a supervisão e o julgamento.

O futuro do atendimento não será humano ou artificial. Será definido pela capacidade das empresas de organizar o trabalho entre ambos.

A automação elimina funções, mas também redesenha o trabalho

Grandes transformações tecnológicas raramente preservam intacta a estrutura profissional que existia antes delas. A digitalização da mídia, por exemplo, reduziu drasticamente a necessidade de funções como linotipista e montador de páginas. Ao mesmo tempo, criou espaço para profissionais de SEO, social media, experiência do usuário, análise de dados e conteúdo digital.

Isso não significa que cada cargo eliminado será automaticamente substituído por outro. Algumas funções desaparecem mais rapidamente do que novas oportunidades são criadas, e os novos postos exigem competências diferentes.

No atendimento, trabalhos baseados em volume, repetição e aplicação previsível de regras tendem a sofrer o maior impacto. A Forrester projeta reduções proporcionais mais intensas em contact centers de alto volume, especialmente em operações B2C. Ambientes B2B, marcados por jornadas mais longas, maior número de exceções e decisões contextualizadas, devem apresentar uma taxa menor de resolução integral por IA.

Essa diferença revela o critério que começa a reorganizar o mercado: quanto mais padronizável for o trabalho, maior será sua exposição à automação. Quanto mais depender de contexto, negociação, responsabilidade e interpretação, maior será a necessidade de participação humana.

De atender solicitações a orquestrar agentes digitais

O profissional de atendimento deixa gradualmente de ser apenas quem responde ao cliente para se tornar quem garante que o sistema seja capaz de responder bem.

Parte dessa atuação estará na supervisão dos agentes digitais: analisar resultados, intervir em exceções e ajustar os parâmetros da automação. Outra estará em estruturar bases de conhecimento e manter políticas e critérios atualizados.

Também surgem responsabilidades ligadas ao desenho dos processos. Um agente de IA pode executar um fluxo com velocidade, mas alguém precisa determinar quais etapas fazem sentido, quando a automação deve avançar, em quais situações precisa parar e qual decisão deve ser encaminhada a uma pessoa. Automatizar uma jornada não elimina a necessidade de projetá-la. Torna esse projeto ainda mais importante.

Segundo a Forrester, profissionais dos níveis iniciais poderão administrar equipes de agentes de IA, desbloqueando casos que exigem julgamento humano e oferecendo feedback para melhorar seus resultados. Já os profissionais mais experientes tendem a assumir posições especializadas, seja como referência técnica e de políticas, seja na gestão de relacionamentos mais sensíveis e estratégicos.

A inteligência gerada pelas conversas pode revelar falhas de produto, atritos recorrentes, riscos de cancelamento e oportunidades de receita. O valor do profissional deixa de estar apenas na quantidade de interações encerradas e passa a incluir sua capacidade de transformar esses sinais em decisões.

A vantagem humana estará nas fronteiras da automação

Quanto mais competente se torna a IA, menos sentido faz reservar às pessoas apenas as tarefas que ela ainda não consegue executar. Esse raciocínio coloca o ser humano como uma solução temporária para limitações tecnológicas — e transforma cada avanço da automação em uma ameaça direta ao seu trabalho.

O papel humano precisa ser definido por aquilo que a organização não deveria delegar integralmente, mesmo quando a tecnologia se mostra capaz de participar da decisão.

Isso inclui avaliar situações ambíguas, assumir responsabilidade por escolhas sensíveis, negociar exceções e reconhecer quando seguir o processo produziria um resultado inadequado. Inclui também questionar regras e decidir quais objetivos a IA deve perseguir.

Essas competências não se desenvolvem apenas com treinamento técnico. Exigem conhecimento do negócio, pensamento crítico, leitura de contexto e capacidade de trabalhar com sistemas que aprendem e operam com graus crescentes de autonomia.

Para as lideranças, portanto, a preparação não pode se limitar à adoção da tecnologia. Será necessário mapear quais funções serão reduzidas, quais atividades continuarão dependentes de pessoas e quais novos papéis precisarão ser construídos. Requalificar a equipe depois que a mudança estiver consolidada será tarde demais.

A IA agêntica não retira o ser humano da operação. Ela muda o ponto em que sua contribuição se torna indispensável. Os profissionais deixam de executar cada etapa do trabalho e passam a definir, supervisionar e aperfeiçoar a forma como o trabalho acontece.

No futuro do atendimento, pessoas não serão valorizadas por competir com a velocidade da IA. Serão valorizadas por oferecer aquilo que permite à velocidade produzir o resultado certo: direção, contexto, critério e responsabilidade.

Sua empresa está preparando as pessoas para trabalhar com a IA — ou apenas preparando a IA para substituir tarefas?

“A IA é uma força multiplicadora do sistema em que está inserida: ela irá automatizar sua organização ou acelerar o seu caos.” A afirmação de Dennis Woodside, CEO e presidente da Freshworks, contraria uma expectativa comum no mercado: a de que incorporar inteligência artificial é, por si só, suficiente para tornar uma empresa mais eficiente.

Não é.

A IA pode ampliar produtividade, reduzir o trabalho manual e acelerar decisões. Mas ela não escolhe sozinha o que merece ser ampliado. Quando inserida em uma operação estruturada, transforma consistência em escala. Quando encontra dados fragmentados, processos frágeis e decisões sem critérios claros, apenas faz a desorganização circular mais rápido.

Por isso, a discussão sobre IA é menos tecnológica do que parece. Antes de perguntar qual ferramenta implementar, as empresas precisam entender qual operação estão prestes a multiplicar.

A IA não cria maturidade operacional

Toda tecnologia herda o ambiente em que passa a operar. Em uma estrutura na qual informações são centralizadas, responsabilidades estão definidas e os fluxos refletem a realidade do trabalho, a IA encontra condições para gerar valor. Ela consegue reconhecer padrões, priorizar demandas, oferecer respostas contextualizadas e apoiar decisões com mais velocidade.

Mas os mesmos recursos produzem outro efeito quando a base não está preparada.

Se os dados estão incompletos, a análise também estará. Se diferentes equipes registram informações de formas incompatíveis, a automação reproduzirá essa inconsistência. Se exceções viraram regra, automatizar o fluxo pode apenas institucionalizar um processo que já deveria ter sido revisto.

É nesse ponto que muitas iniciativas confundem velocidade com evolução. Reduzir o tempo necessário para executar uma tarefa não significa, necessariamente, melhorar o resultado. Uma decisão equivocada tomada em segundos continua sendo equivocada — apenas chega mais rápido e pode alcançar uma escala maior.

A maturidade não surge depois da IA. É ela que determina até onde a IA poderá avançar com segurança, precisão e impacto real.

O caos automatizado custa mais caro

Em operações de atendimento, essa diferença se torna especialmente visível. A inteligência artificial pode interpretar intenções, classificar tickets, sugerir respostas, identificar sentimentos, recomendar ações e resolver demandas de forma autônoma. Para fazer isso bem, entretanto, precisa encontrar histórico, contexto, conhecimento confiável e critérios consistentes de priorização.

Quando essas condições não existem, o ganho aparente de eficiência pode esconder um problema maior. Tickets são encaminhados com base em classificações frágeis. Respostas ganham velocidade, mas perdem continuidade. Informações incorretas chegam ao cliente com a autoridade de uma automação. Casos que exigem julgamento humano podem permanecer tempo demais em fluxos que não reconhecem sua criticidade.

O risco não está apenas na falha isolada. Está na capacidade de reproduzi-la continuamente.

Uma operação manual e desorganizada costuma revelar seus limites por meio de atrasos, retrabalho e sobrecarga. Ao receber IA sem antes rever sua arquitetura, ela pode parecer mais produtiva por algum tempo, enquanto multiplica silenciosamente os mesmos desvios. O volume processado aumenta, mas a causa das ineficiências permanece intacta.

Isso explica por que projetos tecnicamente promissores permanecem presos a pilotos ou entregam menos retorno do que o esperado. A tecnologia funciona, mas o sistema ao redor dela não oferece confiança suficiente para que a empresa amplie seu uso. Sem clareza sobre dados, governança, integrações e responsabilidade pelas decisões, a organização não consegue transformar capacidade técnica em desempenho operacional.

A verdadeira vantagem está na arquitetura da operação

Empresas que obtêm melhores resultados com IA não são necessariamente aquelas que adotam mais recursos. São as que sabem onde a tecnologia deve atuar, quais decisões pode apoiar e quais condições precisam existir para que sua atuação seja confiável.

Isso exige uma arquitetura operacional capaz de preservar contexto. Canais precisam conversar entre si. O histórico do cliente não pode desaparecer a cada interação. A base de conhecimento deve refletir políticas atualizadas. Os critérios de prioridade precisam ser claros o suficiente para orientar pessoas e sistemas. Métricas devem mostrar não apenas quanto foi feito, mas se o resultado entregue realmente resolveu o problema.

Também exige governança. À medida que a IA participa de decisões, torna-se indispensável definir quais dados ela pode acessar, onde deve existir supervisão humana, como erros serão identificados e quem responde pelos resultados. Esses limites não reduzem o potencial da tecnologia. Eles criam a confiança necessária para que ela deixe de ser um experimento e passe a fazer parte da operação.

Nesse cenário, a IA cumpre seu melhor papel: não substituir a inteligência da empresa, mas ampliar uma inteligência organizacional que já está presente em seus processos, dados e decisões.

Antes de acelerar, portanto, é preciso observar o sistema inteiro. Onde a informação se perde? Quais tarefas existem apenas para compensar falhas de integração? Quantas decisões dependem do conhecimento individual de uma pessoa? Quais exceções já se tornaram parte permanente do fluxo?

Essas perguntas revelam o verdadeiro nível de prontidão para a IA.

Uma operação estruturada não elimina toda complexidade. Ela impede que essa complexidade seja transferida para quem trabalha, decide ou precisa de atendimento. É essa base que transforma automação em produtividade, dados em decisões e inteligência artificial em vantagem competitiva.

No fim, a pergunta mais importante não é quanto a IA poderá fazer pela sua empresa. É o que ela encontrará para multiplicar quando chegar.

Sua operação está pronta para ser multiplicada?

O reconhecimento da Freshworks como Líder no Gartner® Magic Quadrant 2026 confirma uma transformação importante no próprio mercado de gestão de serviços.

Quem acompanha a plataforma há alguns anos sabe que o Freshservice competia pela simplicidade de implementação. Hoje, a mesma ferramenta evoluiu o suficiente para se diferenciar pela capacidade de entregar operações modernas sem carregar a complexidade tradicional do mercado Enterprise.

A Freshworks expandiu significativamente o escopo do Freshservice: o que era uma plataforma de ITSM evoluiu para um ecossistema que reúne ITSM, ITOM, ITAM, Enterprise Service Management e inteligência artificial nativa sobre uma mesma camada de dados.

A Inteligência Artificial revolucionou o ITSM

A IA, que antes era uma camada adicional às plataformas de ITSM, tornou-se parte da própria operação.

No ecossistema Freshservice, IA significa permite efetuar atendimentos automaticamente, sugerir próximas ações, responder solicitações recorrentes e automatizar fluxos completos utilizando contexto operacional.

Segundo o Freshservice Benchmark Report 2025, clientes da plataforma registram resultados que evidenciam a influência da IA na eficiência operacional:

• 97,8% de satisfação dos usuários (CSAT);
• 75% de resolução no primeiro contato;
• aumento de 40% na produtividade dos agentes;
• mais de 65% das solicitações resolvidas sem intervenção humana.

Focus Technology e Freshworks

Ao longo de mais de 200 projetos implementados desde 2021, vimos o Freshservice assumir um papel cada vez mais estratégico dentro das organizações.

Hoje encontramos a plataforma suportando operações críticas em empresas como Mattos Filho, Rede Américas, Inteli, Intercement, Banco Original, Unimed Campinas, Highline, Vittia e Ourofino Saúde Animal.

Empresas que perceberam como era fundamental construir uma arquitetura operacional capaz de integrar tecnologia, pessoas e inteligência artificial.

De olho no futuro

Acreditamos que este reconhecimento representa menos um ponto de chegada e mais uma direção que o mercado seguirá nos próximos anos: o ITSM ocupará cada vez mais uma posição central na forma como empresas organizam operações, compartilham conhecimento, automatizam processos e utilizam inteligência artificial para aumentar produtividade.

Para quem acompanha essa evolução desde os primeiros passos da Freshworks no Brasil, esse movimento não chega como surpresa, apenas confirma aquilo que já observávamos.

O futuro da gestão de serviços será cada vez menos sobre gerenciar chamados e cada vez mais sobre conectar pessoas, processos, ativos e inteligência em uma única operação.

Na Focus Technology acompanhamos essa evolução desde a chegada da Freshworks ao Brasil.

Hoje ajudamos organizações a transformar esse potencial em resultados concretos, estruturando operações modernas de ITSM que combinam governança, automação e inteligência artificial sobre uma plataforma preparada para crescer junto com o negócio.