O Teto da Automação: Por que o Suporte ao Cliente Financeiro Ainda Precisa de Humanos

Na última década, a indústria financeira tem tratado a automação como uma solução milagrosa para enfrentar o aumento de custos, filas longas e clientes impacientes. Sem dúvida, os assistentes de chatbot, sendo a força motriz por trás da onda de automação, prometeram velocidade, escala e disponibilidade que nenhuma equipe humana poderia igualar. E de muitas maneiras, eles cumpriram sua promessa, já que hoje, cerca de 73% dos bancos globais implementam ativamente suporte de IA, o que ajuda a lidar com milhões de solicitações a cada mês. No entanto, a realidade não é tão doce quanto parece.

Customer satisfaction with banking chatbots permanece a mais baixa entre os canais de serviço digital, enquanto 65% das pessoas dizem que provavelmente deixarão uma empresa após uma experiência negativa com chatbot. Portanto, a eficiência é real, mas a confiança, sendo um alicerce dos relacionamentos financeiros, ainda falta. Vamos analisar mais de perto.

Ganhos rápidos, desconfiança duradoura

Automation has made customer support faster and cheaper. It’s a fact. That’s why so many companies today engage in the AI race, automating and optimizing both routine tasks and client assistance. And by outsourcing routine queries to AI, banks and fintechs already save billions of dollars each year.

O exemplo é a Klarna. Por exemplo, em 2025, seu chatbot processou mais de 1,3 milhão de conversas com clientes por mês, reduzindo o tempo médio de atendimento de cerca de doze minutos para menos de dois. Por qualquer métrica operacional, isso é uma inovação e uma fonte clara de economia.

No entanto, a eficiência não se traduz automaticamente em satisfação do cliente. Em diversos mercados, pesquisas mostram que menos da metade dos clientes bancários estão satisfeitos com as interações de chatbot, e apenas cerca de 1% dizem que escolheriam um bot em vez de outros canais de serviço. A própria Klarna encontrou esse problema: apesar de todos os ganhos de eficiência, precisou recontratar agentes humanos após uma onda de frustração dos clientes. Em outras palavras, o que funcionou para custos não funcionou para relacionamentos.

That’s the paradox of automation. Efficiency may reflect positively on the balance sheet, but trust always shows up in client behavior. And when trust is undermined, customers tend to leave, seeking better accountability and reassurance. Which raises the obvious question: if automation delivers scale, why do customers still feel underserved?

Onde a automação atinge seu teto

AI shines on easy tasks but stumbles when the stakes get higher. A chatbot can answer balance checks in seconds, but it fails when a transfer is delayed or a compliance flag appears. In those moments, customers feel abandoned, and institutions face risks no efficiency metric can cover.

A primeira fissura é a empatia, ou, para ser preciso, a sua falta. Repetir a mesma frase, “sua transação está sendo processada”, dez vezes pouco ajuda um cliente que aguarda um grande saque. A irritação cresce rapidamente porque o que os clientes desejam é responsabilidade: alguém que possa explicar o atraso, reconhecer o problema e prometer uma solução. Sem essa garantia, a frustração se espalha e a reputação se deteriora rapidamente. E o tom é apenas o começo…

Os serviços financeiros operam com exceções como peculiaridades regulatórias, transferências internacionais ou atividades de conta incomuns. Estes são exatamente os casos onde as falhas dos chatbots são evidentes. Imagine um CFO no exterior descobrindo que o cartão corporativo foi congelado na noite anterior à folha de pagamento. Um bot citará regras, no mínimo, enquanto um humano pode intervir e negociar para que os salários sejam pagos.

A preocupação mais profunda, porém, é a privacidade de dados. Muitos clientes não têm certeza sobre sua privacidade ao compartilhar detalhes financeiros com um bot, porque simplesmente não sabem quem é realmente responsável. Assim, a hesitação leva à evasão, e isso mina a própria eficiência que a automação foi implementada para proporcionar. Mais importante, nas finanças, essas fissuras nunca escapam ao olhar de um regulador.

Não faz muito tempo, o Consumer Financial Protection Bureau alertou sobre “ciclos de condenação”, onde clientes contestando cobranças ficavam presos em ciclos intermináveis de respostas erradas — às vezes até sendo multados. Para as instituições por trás deles, essas falhas rapidamente evoluem de mau serviço para responsabilidade de conformidade.

As a result, automation alone can’t carry the load, as AI handles only the simple. That’s why real strength lies in hybrid models that combine scale with accountability.

Aumento, não substituição

Look closely, keeping human agents in the loop isn’t old-fashioned. I’d even argue it’s the surest way to prevent increased regulatory scrutiny, reputational crises, and discontent among the clients. For this reason, the most effective financial institutions now design support as a layered system where AI augments human advisors instead of trying to replace them.

Além de tarefas simples como verificar saldos, redefinir uma senha à meia-noite ou sinalizar atividade suspeita, a IA também pode pré-preencher o histórico do cliente antes que um agente entre na conversa, de modo que o problema não precise ser repetido. Isso ajuda a liberar as equipes humanas para focar em casos onde empatia e julgamento são importantes.

E esses casos são frequentemente os mais sensíveis, com disputas de fraude sendo um exemplo principal. Em 2025, uma empresa associou a tecnologia OpenAI com supervisão humana: a IA monitorou transações em busca de anomalias, enquanto agentes humanos explicaram e resolveram os casos sinalizados com os clientes afetados. Assim, a IA cuidou da detecção, os humanos da resolução — um sistema que foi ao mesmo tempo rápido e confiável.

Some firms are moving further and use predictive analytics to shift support from reactive to proactive. If a client’s trading activity suddenly slows, the system can detect that signal, prompting a relationship manager to call: “Percebi que você diminuiu as negociações — gostaria de revisar seu portfólio juntos?” Em outras palavras, o algoritmo identifica a pausa, mas somente os humanos a transformam em uma conversa que constrói confiança.

Conclusão

Na prática, o suporte híbrido é o único modelo que realmente corresponde à complexidade das finanças modernas. As máquinas fornecem a velocidade que as instituições precisam, enquanto as pessoas oferecem julgamento e o “toque humano” em que os clientes confiam. Juntos, criam resiliência onde a automação sozinha falha.

As empresas que avançarem nessa direção manterão o ritmo e estabelecerão os padrões de serviço pelos próximos anos. Outras correm o risco de custos mais altos, atenção regulatória mais rigorosa e relações de cliente frágeis. Nos serviços financeiros, a confiança continua sendo o núcleo — a única constante que não pode ser comprometida.