Saúde · IA aplicada à CX · SaaS

Inteligência que a equipe confia.

Uma plataforma de Customer Experience com IA para transformar milhares de interações dispersas em insights acionáveis, com evidência, rastreabilidade e confiança para a operação.

Dashboard de ligações da plataforma IA Experience
Produto
IA Experience
Plataforma de CX Intelligence
Papel
Product Designer Sênior
Estratégia a documentação
Natureza
SaaS B2B · IA aplicada
Dados não estruturados
Resultado
−40% esforço
93% aprovação

A maior barreira para a IA não era a tecnologia. Era a confiança. A IA era vista como uma caixa-preta, então o trabalho de design foi tornar cada conclusão rastreável até a evidência que a originou.

O contexto

Milhares de vozes, nenhuma síntese.

O time de Customer Experience recebia milhares de feedbacks qualitativos espalhados por diferentes sistemas, o que tornava a análise lenta, fragmentada e difícil de escalar.

Analistas e líderes gastavam a maior parte do tempo consolidando planilhas em vez de identificar padrões e agir. Escalar a inteligência do cliente para a empresa inteira exigia automação e uma nova forma de transformar dados dispersos em insumo acionável.

O problema

Análise subjetiva, decisão lenta.

Não existia uma interface unificada para a voz do cliente. A categorização de sentimentos era subjetiva, variava conforme o analista e exigia alto esforço manual. Isso atrasava a detecção de problemas críticos e dificultava transformar feedback em decisão de produto.

Minha contribuição direta

Do discovery à documentação.

Estruturei a experiência da plataforma do discovery à documentação tática, conectando dores de CX, operação, produto e engenharia de IA. Atuei na arquitetura da informação, nos fluxos de análise, nos dashboards e na visualização de evidências. Defini os princípios de Trust UX, validei as decisões com stakeholders e organizei os requisitos para a evolução do produto.

A descoberta

A IA precisava mostrar seu raciocínio.

Entrevistei analistas e gestores para entender como os feedbacks eram coletados e usados nas decisões. O insight central: a barreira de adoção não era técnica.

Desenhar confiança antes de desenhar automação.

Detalhe da ligação com insight da IA ao lado da evidência

Tela realCada resumo gerado pela IA exibe métricas, dores apontadas e o contexto que as originou.

Trust UX · rastreabilidade

Do insight até a fala original.

Para sustentar a confiança, cada conclusão precisava ser auditável. A transcrição da chamada conecta o sentimento detectado ao trecho exato que o gerou. O analista nunca precisa acreditar no escuro.

Essa rastreabilidade entre fonte, interpretação e recomendação virou o princípio estrutural da plataforma.

Transcrição da chamada com análise de sentimento por trecho

Tela realTranscrição segmentada, com sentimento e tempo por trecho da conversa.

A escala

De uma ligação para toda a operação.

O mesmo rigor aplicado a uma chamada precisava funcionar para centenas de atendentes. A visão de monitoria cruza desempenho por critério, mantendo a leitura clara mesmo com grande volume de dados.

Visão de monitoria comparando atendentes por critério

Tela realMonitoria de atendentes por critério de qualidade, em escala.

A decisão de design

A IA sugere. O humano decide.

Nenhuma recomendação é enviada automaticamente. A IA propõe o texto do feedback, mas o gestor revisa, edita e assume a autoria. A automação acelera o julgamento humano, não o substitui.

Esse humano no comando foi o que tornou a adoção possível em um contexto sensível como avaliação de pessoas.

Tela de feedback sugerido pela IA, editável pelo gestor

Tela realMensagem sugerida pela IA, sempre editável antes do envio.

Como trabalhei

Entre o negócio e o modelo.

Atuei como ponte entre a área de CX, que conhecia as dores, e o time técnico, que treinava os modelos. Estruturei a solução a partir de entrevistas e priorização de oportunidades, traduzi requisitos de confiança em decisões de interface e documentei os fluxos para sustentar a evolução contínua do produto.

CX & Operação · dores e contexto Engenharia de IA · modelos e dados Produto · oportunidades e roadmap Stakeholders · validação e adoção
O resultado

Menos esforço, mais confiança.

A plataforma reduziu drasticamente o trabalho manual e foi adotada com alta aprovação interna. Mais de 10 jornadas foram mapeadas com insights automáticos, gerando dezenas de melhorias nos produtos da ponta.

40%
de esforço manual da equipe
93%
de aprovação em usabilidade
10+
jornadas mapeadas com insights automáticos

Resultados obtidos em contexto de validação e adoção interna, com dados anonimizados por confidencialidade.

O que eu faria diferente

Envolveria os analistas em testes do nível de transparência da IA mais cedo. Acertamos o princípio de mostrar a evidência, mas calibrar quanta explicação gera confiança e quanta vira ruído é algo que só o uso real ensina. Teria valido testar antes.

Em produtos com IA, confiança não nasce só do resultado. Ela depende de evidência, contexto e controle para quem usa.