A Freshworks afirma que o Freddy AI Agent resolve até 80% das consultas dos clientes. Uma das empresas destacadas em seus estudos de caso, a Total Expert, relata uma taxa de desvio de aproximadamente 23%. Outra, a UPayments, relata mais de 75%. Mesmo produto. Mesma afirmação de marketing. Resultados completamente diferentes.
A diferença não está na IA - está na implementação. Dedicamos tempo à documentação oficial do Freshdesk, aos guias de implementação da comunidade Freshworks e a avaliações no G2 de equipes reais que rodam o Freddy AI em grande escala. A diferença entre uma implementação que atinge mais de 70% de resolução e outra que estagna em 25% se resume a cerca de sete fatores, e o mais importante deles não tem nada a ver com a configuração da IA em si.
Arrume sua base de conhecimento antes de mexer nas configurações de IA
Isso não é um conselho vago - é o achado mais consistentemente documentado na documentação oficial do Freshdesk, na comunidade Freshworks e em avaliações independentes.
"O Freddy AI aprende por meio de artigos da base de conhecimento, em vez de um retreinamento tradicional. Cada novo par de perguntas e respostas e cada novo artigo melhora significativamente a precisão das respostas."
Equipes que implementam o Freddy AI com uma base de conhecimento escassa ou desatualizada quase sempre culpam a IA pelos maus resultados. O ponto real de falha é o conteúdo que foi dado à IA para trabalhar. Se você está vendo 25% de desvio quando esperava 60%, a primeira pergunta de diagnóstico é: quão completa e atualizada está sua base de conhecimento?
Na prática, escrever para IA é diferente de escrever para humanos. Alguns princípios que profissionais citam de forma consistente como de alto impacto:
- Um tópico por artigo. Artigos que cobrem vários recursos ou processos confundem a correspondência de intenção. Se um artigo responde a «como cancelo?» e também cobre «como faço downgrade?», divida-o.
- Comece pela resposta. Preâmbulos longos («Ótima pergunta! Quanto ao gerenciamento de assinaturas...») atrasam a informação de que a IA precisa para fundamentar sua resposta. Coloque a resposta primeiro.
- Evite respostas secas de sim/não. A IA tem melhor desempenho quando as respostas incluem contexto. «Sim, você pode fazer downgrade no meio do ciclo de faturamento. A mudança entra em vigor no início do próximo ciclo, e a diferença proporcional é creditada na sua conta» é mais útil do que um simples «Sim».
- Mantenha a linguagem direta e específica. Frases vagas («os preços variam») não dão à IA nada com que trabalhar. Números e políticas exatos, sim.
O AI Agent Studio do Freshdesk exibe, após o lançamento, um registro de consultas sem resposta - toda consulta à qual o agente não conseguiu responder. Pense nesse registro como o roteiro da sua base de conhecimento. As implementações mais saudáveis o tratam como uma tarefa semanal.
Entenda os limites das fontes de conhecimento
O AI Agent do Freshdesk pode absorver conhecimento de quatro tipos de fontes, cada uma com restrições que vale a pena conhecer antes de começar:
| Tipo de fonte | Limite por agente | Limite por conta | Principais restrições |
|---|---|---|---|
| URLs | 10 | 25 (total em todos os agentes) | Apenas páginas públicas; sem autenticação, CAPTCHA ou JS dinâmico |
| Arquivos | 200 | - | PDF, DOCX, TXT; máximo de 35 MB cada; sem imagens ou vídeos |
| Artigos de soluções | Ilimitado | - | Ativar "Aprender com artigos de soluções" |
| Perguntas e respostas personalizadas | Ilimitado | - | Ideal para cenários específicos e direcionados |
O limite de 25 URLs por conta pega muitas equipes de surpresa - especialmente as que gerenciam várias marcas ou uma biblioteca de conteúdo grande. Se você atingir esse limite, a solução prática é converter o conteúdo mais importante das URLs em documentos enviados por upload.
Uma pegadinha operacional: a ingestão de URLs é assíncrona. Você receberá um e-mail quando o processamento de uma URL terminar, o que pode levar até 30 minutos. Páginas com pop-ups, muros de login ou CAPTCHA falham silenciosamente - o agente simplesmente não tem esse conhecimento, sem nenhum erro exibido. Sempre verifique a «pré-visualização do conteúdo extraído» depois de adicionar uma URL para confirmar que ela foi absorvida corretamente.
Escreva Instructions precisas - especialmente o que NÃO fazer
Instructions é o campo do AI Agent Studio onde você adiciona contexto de negócio: terminologia do setor, tom de voz da marca, tópicos restritos, gatilhos explícitos de escalonamento. A maioria das equipes subutiliza esse campo.
Instructions genéricas («seja prestativo e profissional») quase não fazem diferença. Os agentes com bom desempenho têm Instructions que dizem exatamente ao bot o que evitar e quando transferir. Exemplos de profissionais que geram melhorias mensuráveis:
- Escalar imediatamente para: disputas legais, estornos de faturamento acima de [X], solicitações que mencionem «advogado» ou «processo»
- Nunca citar preços específicos ou condições promocionais - direcionar os clientes à página de preços
- Evitar jargões específicos dos nossos sistemas internos (listar os termos internos aqui)
- Se o cliente expressar frustração três vezes seguidas, acionar a transferência para um humano independentemente da pontuação de confiança
Quanto mais específica a restrição, mais previsível o comportamento do agente. Orientações genéricas produzem resultados inconsistentes; regras explícitas produzem comportamento confiável.
Uma observação sobre a variabilidade das respostas do LLM: o Freddy AI, como qualquer modelo de linguagem de grande porte, pode dar respostas ligeiramente diferentes a consultas idênticas. Isso é esperado, não uma configuração incorreta. Quando você notar inconsistências, a solução correta é ajustar as Instructions relevantes ou atualizar o artigo de conhecimento - não perseguir uma consistência perfeita do próprio modelo.
Planeje o escalonamento antes de lançar
A forma como seu agente transfere conversas para agentes humanos é tão importante quanto a forma como ele resolve - talvez mais importante. Um escalonamento tranquilo, com contexto totalmente transferido, é uma ótima experiência para o cliente. Um beco sem saída do tipo «não posso ajudar com isso», seguido de um recomeço com um humano, é uma experiência frustrante.
Três coisas para acertar antes do lançamento:
1. Defina condições explícitas de transferência. Configure gatilhos específicos - sentimento negativo detectado, segmento de cliente VIP, disputa de faturamento, pontuação de confiança abaixo do limite, solicitação fora do horário comercial. Não confie que o agente vai «descobrir sozinho» quando escalar.
2. Escreva uma mensagem de transferência útil. «Estou conectando você a um especialista de suporte que pode ajudar mais. Estou compartilhando nossa conversa para que você não precise repetir tudo.» Isso já basta. Defina a expectativa; não se explique demais.
3. Garanta que o contexto seja transferido por completo. O AI Agent Studio deve registrar a intenção do cliente, o estado da conta e um resumo da conversa no payload do ticket antes de escalar. Um agente humano que precisa perguntar «do que se trata isso?» depois de uma transferência da IA dobra a frustração do cliente. Essa «taxa de perda de contexto» - a proporção de escalonamentos em que o humano precisa pedir ao cliente que repita o problema - vale a pena rastrear explicitamente. Meta: abaixo de 5%.
A limitação das threads de e-mail. Essa é a surpresa de produção pouco óbvia que pega equipes que dependem do e-mail como canal principal: o Email AI Agent do Freddy AI só responde à primeira mensagem de uma thread. As respostas seguintes na mesma thread de e-mail não recebem resposta da IA - vão direto para os agentes humanos. Se a maior parte do seu volume de suporte for threads de e-mail com múltiplas respostas, sua taxa real de automação por IA será significativamente menor do que suas métricas de sessão sugerem. Saiba disso antes de prometer um número de desvio às partes interessadas.
Comece com o Copilot e depois expanda para o Agent
Essa é a sequência de implementação mais recomendada pelos profissionais de forma consistente, e ela vai contra o instinto de implantar primeiro a coisa mais chamativa.
"A maioria das equipes começa com o AI Copilot, já que ele ajuda os agentes existentes imediatamente, e depois adiciona o AI Agent assim que se sentem confortáveis."
A lógica é a seguinte: o Freddy AI Copilot - que dá aos seus agentes humanos sugestões de resposta, resumos de conversa, traduções ao vivo e alertas de sentimento - entrega valor imediato e de baixo risco. Angela Thomas, diretora de atendimento ao cliente em uma empresa cliente do Freshdesk, achou tão útil que mudou a forma como sua equipe escreve respostas padrão. E, fundamentalmente: o Copilot revela lacunas na sua base de conhecimento sem que os clientes jamais vejam uma falha da IA.
Depois de usar o Copilot por quatro a seis semanas e preencher as lacunas que ele revela, implementar o AI Agent completo se torna uma aposta muito mais segura. Você já sabe quais tópicos a IA lida com confiança e quais precisam de mais conteúdo.
O lançamento em fases recomendado é assim:
| Fase | O que implantar | Objetivo | Sinal de sucesso |
|---|---|---|---|
| 1 | Apenas AI Copilot | Revelar lacunas na base de conhecimento; familiarizar a equipe | Agentes usando sugestões de resposta diariamente |
| 2 | AI Agent em um canal (chat no site) | Validar a qualidade da resolução com baixo risco | CSAT estável ou em melhora em relação à linha de base |
| 3 | Adicionar fluxo de trabalho de alto volume (status de pedido, redefinição de senha) | Aumentar a profundidade da automação | Taxa de escalonamento abaixo de 30% nesse fluxo |
| 4 | Expandir para canais adicionais | Escalar um desempenho comprovado | Taxa de resolução por canal atinge as metas |
Cada expansão de fase deve ser acionada por dados reais da fase anterior, não por uma data do calendário.
Meça a taxa de resolução, não só a taxa de desvio
A maioria das equipes acompanha a taxa de desvio e a trata como sucesso. Não é. O desvio conta quantas consultas nunca chegaram a um humano - incluindo consultas em que o cliente desistiu, recebeu uma resposta errada ou simplesmente abandonou a conversa. Desvio alto com CSAT ruim é pior do que não ter IA nenhuma; isso corrói a confiança mais rápido.
A abordagem de medição usada pelas implementações mais avançadas do Freshdesk:
| Métrica | O que mede | Meta |
|---|---|---|
| Taxa de resolução | % de conversas de IA totalmente resolvidas sem ajuda humana | 55-70% em implementações maduras; 80%+ nos melhores desempenhos |
| Taxa de desvio | % de consultas que nunca chegaram a um humano | Mediana do setor de 41,2%; quartil superior de 58,7% |
| Variação de CSAT | Mudança no CSAT em relação à linha de base pré-IA | Estável ou em melhora |
| Taxa de reabertura | Tickets "resolvidos" em que o cliente entra em contato novamente em até 48h | Abaixo de 8% |
| Perda de contexto no escalonamento | Escalonamentos em que o humano precisa pedir ao cliente que repita o problema | Abaixo de 5% |
| Taxa de alucinação | Respostas de IA com informações inventadas | Abaixo de 1% |
A taxa de alucinação merece mais atenção do que a maioria das equipes dá a ela. Qualquer resposta de IA que toque em prazos de reembolso, preços, condições de garantia ou compromissos de SLA é um risco de conformidade se estiver errada. Faça uma verificação por amostragem de tickets resolvidos por IA nas suas primeiras quatro semanas. Se encontrar detalhes de política inventados, ajuste as Instructions relevantes ou adicione uma linguagem de fallback explícita («Para o preço exato, consulte nossa página de preços»).
A lacuna de referência que vale entender: a mediana do setor de desvio em 2026 é de 41,2%, com o quartil superior em 58,7%. Se você está em 40%, não está abaixo do esperado - pode estar exatamente onde uma implementação madura deveria estar. O contexto importa.
Estabeleça sua linha de base antes de lançar. Colete 90 dias de volume de tickets por categoria, tempo de primeira resposta, tempo de resolução e CSAT. Sem uma linha de base pré-implementação, você não consegue demonstrar ROI nem identificar regressões.
Conheça os limites operacionais antes de entrar em produção
Algumas limitações da plataforma que vale a pena conhecer antes que se tornem incidentes de produção:
Esgotamento de sessões. Quando a cota de sessões da conta chega a zero, o agente de IA para de responder a todas as consultas até que sessões sejam recompradas. Isso não é uma degradação gradual - é uma parada total. Ative o recurso de recarga automática (ele é acionado quando as sessões caem para 50) em qualquer implementação da qual os clientes dependam. E não esqueça: testes de pré-visualização consomem sessões reais, então planeje o orçamento das fases de teste separadamente.
Ingestão de URL e a falha silenciosa. Páginas com CAPTCHA, pop-ups, muros de login ou muito JavaScript falham na ingestão sem uma mensagem de erro clara. O agente simplesmente não tem esse conhecimento. Depois de adicionar qualquer URL, verifique a pré-visualização do conteúdo extraído. Para qualquer URL que falhar, envie por upload uma versão em PDF ou DOCX do conteúdo como alternativa.
O limite de 25 URLs por conta. Aplica-se a todos os agentes da conta. Se você opera vários agentes (marcas diferentes, regiões diferentes), eles compartilham esse limite conjunto. Converta conteúdo importante de URL em arquivos enviados por upload quando estiver perto do limite.
Configurações multimarca. Um agente por marca, não um único agente tentando lidar com várias marcas. A gestão de conhecimento, os testes e o acompanhamento de desempenho ficam muito mais claros quando cada marca tem seu próprio agente.
O AI Insights só está em inglês. A análise multilíngue está no roteiro. Se você opera uma implementação multilíngue, por enquanto precisará acompanhar o desempenho de agentes em outros idiomas pelos relatórios padrão do Freshdesk.
| Limitação | Impacto | Solução alternativa |
|---|---|---|
| IA de e-mail: só a primeira mensagem | Threads de e-mail com múltiplas respostas não são tratadas | Considerar nas estimativas de desvio por e-mail; avaliar uma camada de IA complementar |
| Limite de 25 URLs por conta | Restritivo para bibliotecas de conteúdo grandes | Converter URLs importantes em arquivos enviados por upload |
| Esgotamento de sessões = parada total | A IA para de responder completamente | Ativar a recarga automática no limite de 50 sessões |
| Falha silenciosa na ingestão de URL | Lacunas de conhecimento sem aviso | Verificar a pré-visualização do conteúdo extraído a cada URL adicionada |
| AI Insights só em inglês | Sem análises para implementações multilíngues | Usar os relatórios padrão do Freshdesk para volume em outros idiomas |
Experimente o eesel AI com o Freshdesk
Se você está percebendo que as capacidades nativas do Freddy AI - em particular o limite de 25 URLs, a lacuna nas threads de e-mail ou o modelo de preços por sessão - não se encaixam bem no seu volume de suporte ou fluxo de trabalho, o eesel AI se integra diretamente ao Freshdesk como uma camada que roda junto com sua configuração existente.
A Design.com processa mais de 50.000 tickets por mês no Freshdesk usando a configuração multiagente do eesel AI. O modelo é diferente: você paga 0,40 dólar por ticket resolvido em vez de por sessão, não há taxas por assento, e a entrada de conhecimento não é limitada a 25 URLs - o eesel absorve conteúdo do Zendesk, Google Docs, Notion, Confluence, Slack e do seu centro de ajuda existente simultaneamente. O modo rascunho (revisão humana antes do envio) e o modo autônomo (envio direto para tickets de alta confiança) permitem alternar entre automação total e IA supervisionada de acordo com a categoria do ticket.
Há um teste gratuito de 50 dólares - sem necessidade de cartão de crédito - se você quiser testá-lo em tickets reais antes de se comprometer.
