Quando a melhor opção da URA é sair dela

Você liga para uma empresa. A voz pede que escute todas as opções. Nenhuma parece descrever exatamente o seu problema.

Você não desliga. Também não escolhe qualquer caminho. Espera pela frase que normalmente aparece no fim:

“Ou aguarde para ser atendido.”

É uma escolha estranha quando a gente para para pensar. A automação atende na hora, mas você prefere uma fila. Aceita ouvir música, avisos repetidos e uma estimativa pouco confiável porque acredita que, depois da espera, terá uma chance maior de resolver.

Talvez isso não seja resistência à automação. Talvez seja uma conclusão racional, formada depois de muitas ligações: a automação costuma classificar; o atendente talvez consiga resolver.

Antes de culpar a URA, vale lembrar o problema que ela resolveu

A URA não nasceu como uma tecnologia ruim. Ela respondeu a um problema enorme: como atender muitas chamadas, identificar assuntos, oferecer serviços simples e encaminhar pessoas sem depender de uma telefonista para cada contato.

Ela trouxe escala, disponibilidade, padronização, triagem e algum autosserviço. Permitiu organizar filas e direcionar chamadas para equipes especializadas. Naquele momento, foi uma solução importante.

A lógica era simples: como a máquina não conseguia aprender a linguagem do cliente, ensinamos o cliente a falar a linguagem da máquina.

Saldo virou 1. Segunda via virou 2. Cancelamento talvez fosse 7 — depois de passar por “outros assuntos”. Se o problema não cabia em uma opção, a pessoa precisava escolher a categoria menos errada e torcer pelo encaminhamento certo.

O problema que a URA resolveu continua existindo. O que ficou obsoleto foi a maneira de resolvê-lo.

A árvore cresceu. O problema do cliente não cabe nela

Empresas ficaram mais complexas. Produtos se multiplicaram, jornadas atravessaram sistemas e áreas internas ganharam especializações. A resposta mais comum foi colocar mais decisões no menu.

Uma árvore passou a esconder outra:

1. escolha o produto;
2. escolha o assunto;
3. informe um documento;
4. confirme os dados;
5. selecione uma nova categoria;
6. aguarde a transferência.

Só que problemas humanos não respeitam organogramas. Uma cobrança pode envolver cadastro, pagamento, negociação e suporte ao mesmo tempo. O cliente não deveria precisar saber qual área cuida de cada pedaço do problema.

Quando isso acontece, parte do trabalho de atendimento foi silenciosamente transferida para quem pediu ajuda.

O cliente aprende a escapar

Quem nunca tentou apertar zero? Dizer “atendente” em diferentes tons? Ficar em silêncio? Escolher uma opção que sabe estar errada apenas porque parece levar a uma pessoa?

A tentativa de escapar pode começar antes mesmo da ligação. A pessoa pesquisa “como falar com atendente”, “qual opção cai no suporte” ou “telefone para falar com humano”. É quase um manual coletivo de atalhos para contornar o menu oficial.

Quando o usuário precisa descobrir como driblar uma interface, temos um problema de design.

Esse comportamento não significa que as pessoas rejeitam toda automação. Significa que aprenderam o que esperar daquela experiência: talvez o sistema não compreenda a situação, repita algo que já foi tentado, transfira sem contexto ou simplesmente termine sem resolver.

O consumidor não está escolhendo necessariamente o humano. Está escolhendo aquilo em que acredita ter maior chance de resolver seu problema.

A fila pode parecer melhor que a resposta imediata

Uma pesquisa da Genesys com 385 consumidores no Brasil, realizada entre setembro e outubro de 2024, ajuda a dimensionar esse paradoxo. O consumidor espera rapidez, enfrenta filas longas e, ainda assim, continua colocando o telefone entre seus canais preferidos.

Os 39% não indicam que as pessoas gostam de esperar. Mostram que o telefone continua relevante quando existe algo a explicar, negociar ou resolver.

A Pesquisa de Satisfação e Qualidade Percebida 2025 da Anatel reforça essa leitura no setor de telecomunicações. Embora os canais digitais tenham sido os mais usados, o consumidor ainda recorreu ao telefone para questões mais complexas. Ao mesmo tempo, o atendimento telefônico recebeu as menores notas em quase todos os serviços pesquisados.

O verdadeiro problema é o esforço para chegar à resolução

Na mesma pesquisa da Genesys, as prioridades do consumidor apontam para algo mais concreto que “uma boa experiência”. Ele quer ser compreendido, repetir menos e sair com um resultado.

Automatizar uma etapa não significa reduzir esse esforço.

Uma URA pode identificar o CPF e ainda pedir que o atendente pergunte novamente. Pode encaminhar a chamada e abandonar o contexto no caminho. Pode manter a pessoa dentro do fluxo e nunca chegar a uma ação útil.

Quando a operação mede principalmente quantas pessoas não chegaram a um atendente, corre o risco de perseguir o objetivo errado. O cliente não liga para ser contido, classificado ou desviado. Liga para resolver alguma coisa.

Autosserviço sem resolução é só mais uma barreira

O problema não pertence apenas ao telefone. Uma pesquisa global do Gartner com 5.728 consumidores mostra o que acontece quando o autosserviço oferece caminhos rígidos, mas pouca capacidade de resolver.

Os números não medem URAs brasileiras. Ainda assim, mostram um problema mais amplo: quando o autosserviço só oferece caminhos predefinidos, qualquer situação não prevista sobra para o cliente resolver.

A automação vira barreira quando organiza a empresa, mas deixa o problema com o cliente. Ela vira resolução quando aproxima o cliente do resultado.

O telefone não morreu; os motivos para ligar mudaram

Aplicativos, sites e mensagens absorveram tarefas que antes exigiam uma chamada: consultar saldo, emitir um documento, acompanhar um pedido ou atualizar uma informação simples.

Isso não tornou o telefone irrelevante. Mudou o tipo de problema que chega até ele.

Quem telefona pode já ter tentado o aplicativo. Pode estar diante de uma exceção. Pode precisar explicar contexto, combinar condições, contestar uma decisão ou lidar com informações distribuídas em vários sistemas.

O resultado é um contrassenso: os casos mais complexos chegam a uma interface feita para encaixar demandas em categorias previsíveis.

“Diga em poucas palavras” pode ser pior que “digite 1”

Trocar “digite 1” por “diga o motivo da ligação” parece uma evolução. Em alguns casos, pode produzir uma experiência ainda mais irritante.

Com as teclas, a limitação é explícita. O cliente sabe que está diante de um menu e procura a opção menos errada. Quando a interface pede que ele fale, cria outra expectativa: a de que o sistema esteja realmente ouvindo e compreendendo.

A pessoa então formula o problema com suas próprias palavras, oferece contexto e espera ser compreendida. Se a resposta é “não entendi”, “diga em outras palavras” ou uma categoria que não tem relação com o que foi dito, a promessa de conversa desaba.

O cliente não está apenas diante de um menu limitado. Está falando com um sistema que promete compreender, mas não compreende de verdade. Isso pode irritar muito mais do que apertar uma tecla.

Se a fala serve apenas para mapear a pessoa para a mesma árvore de intenções, a interface continua exigindo a resposta prevista. Ela reconhece palavras, mas não sustenta contexto. Escuta uma categoria, mas não entende o caso.

Reconhecimento de voz não é necessariamente conversa.

Uma conversa envolve perceber que a primeira explicação contém mais de um assunto, pedir a informação que realmente falta, usar o que já foi dito e adaptar o próximo passo. Envolve saber quando agir, quando confirmar e quando uma exceção precisa de outra pessoa.

O que muda quando a automação consegue compreender e agir

Agentes de voz com IA permitem começar de outro lugar. Em vez de perguntar qual departamento o cliente deseja, a interação pode começar com uma pergunta mais natural:

“Oi. O que você precisa resolver?”

Essa frase só muda alguma coisa quando a conversa está ligada ao que acontece de verdade na empresa: identificar o cliente, consultar o histórico, acessar dados, seguir regras, executar ações e saber o que fazer diante de uma exceção.

O agente pode compreender o pedido em linguagem natural, consultar um sistema, executar uma tarefa dentro dos limites definidos e registrar o resultado. Se precisar transferir, pode entregar ao atendente humano todo o contexto já construído — sem obrigar o cliente a recomeçar.

Isso também aumenta a responsabilidade. Uma voz natural sem acesso a dados apenas fala melhor sobre a própria limitação. Um modelo sem regras pode soar confiante e agir errado. Uma transferência sem contexto continua sendo uma transferência ruim.

Como mostramos no artigo sobre voz com IA no Brasil, a diferença entre demonstração e operação está no trabalho menos visível: desenho das conversas, telefonia, conhecimento, integrações, testes, monitoramento e melhoria contínua.

O atendimento humano entra na hora certa

O objetivo não é obrigar alguém a falar com um atendente em tarefas que a máquina consegue resolver bem. Também não é bloquear o atendimento humano quando o caso exige julgamento, negociação ampla, acolhimento ou autoridade.

Cada parte do atendimento deve fazer o trabalho que consegue fazer melhor.

O agente automatizado pode identificar, entender, consultar, executar e organizar contexto. O profissional recebe situações em que sua experiência faz diferença — com o histórico e as tentativas já realizadas.

Nesse desenho, o atendente não serve como rota de fuga de uma automação inútil. Ele entra no ponto em que pode realmente ajudar.

E o cliente não escapou da automação. A automação trabalhou para ele.

De encaminhar chamadas a resolver problemas

A evolução pode ser resumida pela pergunta central de cada geração:

Geração Pergunta dominante Objetivo

1. 01 Telefonista

   “Para quem eu transfiro?”

   Encaminhar
2. 02 URA tradicional

   “Qual opção você deseja?”

   Classificar
3. 03 Automação por intenção

   “Qual é a sua intenção?”

   Reconhecer
4. 04 Agente de voz

   “O que você precisa resolver?”

   Resolver

Não é preciso ridicularizar a tecnologia anterior para que a próxima faça sentido. Cada etapa respondeu ao limite de sua época.

O ponto é atualizar a métrica junto com a interface:

• não apenas encaminhar corretamente;
• não apenas evitar um atendente;
• não apenas reconhecer a categoria;
• mas concluir a tarefa ou conduzir a pessoa ao próximo passo com contexto.

Quanto esforço existe entre a ligação e a solução?

A questão não é saber se a URA cria uma barreira. Todo menu impõe uma. O que precisa ser medido é quanto trabalho fica com o cliente antes que algo útil aconteça:

• O cliente precisa conhecer os departamentos da empresa para escolher uma opção?
• A pessoa informa dados na URA e repete tudo depois?
• “Outros assuntos” concentra problemas que o menu não consegue representar?
• Dizer “atendente” é o atalho mais eficiente do fluxo?
• Uma transferência leva consigo intenção, identidade, histórico e ações tentadas?
• A automação é medida por contenção ou por resolução correta?
• Os casos que não resolvem viram aprendizado para melhorar o sistema?

Se a interface existe principalmente para proteger filas e organizar áreas internas, ela pode estar funcionando para a empresa e falhando para o cliente.

Se esse caminho é inevitável, por que não começar agora?

Em 2026, já não é preciso imaginar se uma IA consegue sustentar uma conversa por telefone. Voz natural existe. Compreensão de linguagem, contexto e integração com sistemas também. Em uma operação bem construída, a tecnologia já pode ser avaliada pelo resultado que entrega — e não apenas pelo efeito de uma demonstração.

O custo precisa ser dimensionado. Mas a comparação não pode partir da fantasia de que o atendimento atual custa pouco.

Quanto a empresa paga hoje por telefonia, PABX, licenças, infraestrutura, supervisão e toda a equipe necessária para manter o canal funcionando?

Quanto custa o tempo gasto em tarefas repetitivas que poderiam ser concluídas automaticamente?

Quanto custa uma chamada que não é atendida? Um cliente que desiste na fila? Uma pessoa que explica o problema três vezes e continua sem solução?

E quanto custa o rastro público dessa experiência: reclamações no Google, no Reclame Aqui, nas redes sociais e nas conversas privadas em que alguém recomenda procurar outra empresa?

O custo do atendimento não está apenas na folha, no minuto de telefonia ou na licença do sistema. Está também no abandono, no retrabalho, na perda de confiança e no cliente que não volta.

Por isso, comparar um agente de voz apenas com o preço de uma URA ou de um ramal produz uma conta incompleta. A comparação mais honesta é com o custo total de não compreender e não atender.

Há motivos legítimos para não automatizar tudo de uma vez. Sistemas precisam ser integrados. Regras e exceções precisam estar claras. Privacidade, segurança, telefonia, qualidade e transferência humana precisam ser bem definidas. Certas conversas continuarão pedindo um atendente.

Mas esses pontos são razões para começar com escopo, método e controle — não para adiar indefinidamente o aprendizado.

Empresas não precisam substituir toda a operação amanhã. Podem escolher uma tarefa repetível, medir como ela funciona hoje, implantar um primeiro agente, observar conversas reais e melhorar. Quem começa agora acumula conhecimento sobre a linguagem, os dados e as exceções da própria operação. Quem espera não evita a transição; apenas chega a ela mais tarde e sem esse aprendizado.

A próxima geração do atendimento telefônico começa com outra pergunta

É com essa ideia que construímos o Contact Tel, produto da Contact Pró: automação capaz de compreender, consultar, agir e resolver — com transferência para um atendente humano quando o caso exigir.

Talvez, daqui a alguns anos, uma geração inteira nem entenda por que existia uma opção chamada “ou aguarde para ser atendido”.

Ela só fazia sentido em uma época em que a alternativa imediata não conseguia conversar, consultar o contexto nem fazer alguma coisa útil com o que ouviu.

A URA resolveu um enorme problema ao ensinar pessoas a falar com máquinas. Agora as máquinas finalmente conseguem aprender a falar com as pessoas.