A IA melhora a busca da central de ajuda ao associar o que o cliente quer dizer em vez das palavras exatas que ele digitou, de modo que "esqueci minha senha" encontre o artigo intitulado "Redefina as credenciais da sua conta". Essa é a correção para a maioria dos tickets do tipo "está na central de ajuda, por que ainda escrevem para nós": o artigo existe, só que as palavras não coincidem.
A busca é só um dos três pontos a corrigir, porém. Coloque uma resposta de IA acima dos resultados e um agente no formulário de contato ou no chat, porque muitos clientes nunca digitam nada na caixa de busca. Depois use as buscas que falharam como lista de tarefas para seus redatores.
A maioria dos helpdesks já entrega parte disso: o Zendesk tem a busca generativa em todos os planos Suite, enquanto Gorgias, HubSpot e Help Scout colocam a IA no chat e mantêm a caixa de busca baseada em palavras-chave. Se você prefere pegar a pergunta onde o cliente a faz, o eesel lê sua central de ajuda e tickets anteriores e responde no chat ou no ticket. A Qontro usa cada rascunho errado como indício de um artigo fraco.
Por que os clientes não encontram artigos que já existem?
Porque os clientes pesquisam com as palavras deles e os artigos são intitulados com as suas. Passei dois anos em SEO antes de escrever para o eesel, e a única lição que continua valendo é que as pessoas descrevem um problema, não nomeiam um documento. A caixa de busca de uma central de ajuda é um mecanismo de busca minúsculo, e a maioria ainda classifica por palavras coincidentes.
O Zendesk é aberto sobre como funciona seu ranking clássico: o título tem peso 3, os rótulos 2,8, o título da seção 1,5 e o corpo 1, e para consultas de uma ou duas palavras só voltam artigos que contêm todas as palavras. A busca do Docs do Help Scout classifica primeiro por palavra-chave exata, depois título exato, depois título parcial, e a própria solução para buscas que falham é adicionar erros de ortografia e termos alternativos a cada artigo, à mão. Funciona, mas só corrige as falhas que você já notou.
A lacuna aparece de três formas:
- Palavras diferentes para a mesma coisa. "Cancelar meu plano" versus "Gerencie sua assinatura". Nada em comum além do significado.
- Ortografia e idioma. Um sysadmin no Reddit resumiu bem o problema: "Searching for 'color' instead of 'colour' would have returned no results!"
- O público está errado. Ouvi uma versão disso numa chamada de vendas do eesel com uma gerente de suporte cuja base de conhecimento inteira foi escrita para administradores, enquanto os tickets vinham de usuários finais. Todo artigo estava correto e nenhum usava as palavras do usuário final.
O resultado é uma central de ajuda que parece completa para a equipe e vazia para o cliente. Este tópico sobre uma central de ajuda do Zendesk com mais de 500 artigos é o que não paro de revisitar:
"We have over 500 docs in it and searchability is quite poor; pretty much every keyword one can search for brings ups dozens and dozens of results, and top content isn't there."
Quando alguém perguntou se aquela era a busca voltada ao cliente, a resposta foi curta: "We have high abandon rates." Buscas abandonadas são tickets que ainda não chegaram.
Qual problema de busca você tem?
"A busca é ruim" cobre quatro problemas diferentes, e cada um tem uma correção diferente. Antes de comprar qualquer coisa, abra seu relatório de busca (todo grande helpdesk tem um, mais abaixo) e veja qual destes padrões corresponde ao que você vê.
O que seu relatório de busca mostra?
Escolha o padrão que corresponde aos seus dados. Cada um aponta para uma correção diferente.
A quarta linha é a que as equipes subestimam. Um líder de suporte no Reddit descreveu isso melhor que qualquer relatório:
"But our customer base is not tech savvy in the slightest, and most of the time they're not reaching out because they can't find help in the knowledge base — they're reaching out because they don't have the time or do not feel like looking for the knowledge in the first place."
Como a busca com IA realmente funciona?
Há três camadas, e os fornecedores usam as mesmas palavras para camadas diferentes, então ajuda dar nome a elas.
1. Busca semântica (correspondência por significado). A consulta e cada artigo são transformados em vetores, listas de números que capturam o significado, e os resultados são classificados pela proximidade. A busca semântica do Zendesk transforma consultas e artigos em vetores e destaca as correspondências mais próximas além da correspondência por palavras-chave, e o Zendesk informa uma melhoria média de 7% na qualidade do ranking para centrais de ajuda em inglês, com os maiores ganhos em consultas mais longas. Se você quer a teoria, minha explicação sobre busca neural aprofunda.
2. Busca híbrida (significado mais palavras-chave). A correspondência puramente por significado é ruim com textos exatos: um código de erro, o nome de um plano, um SKU. Por isso as boas configurações mantêm a correspondência por palavras-chave para esses casos e somam o significado por cima. Comparo as opções em RAG versus busca híbrida.
3. Uma resposta gerada (RAG). A geração aumentada por recuperação significa que a IA primeiro recupera os melhores artigos e depois escreve uma resposta curta a partir deles, com links. A busca generativa do Zendesk faz exatamente isso: a resposta é "derived from the top search results" e fica numa caixa acima deles.
Um detalhe importa mais do que parece. A camada 3 só funciona tão bem quanto a camada 1, porque a resposta é escrita a partir do que foi recuperado. O Zendesk diz isso claramente na sua documentação de busca generativa: "the answer is only as good as your content". Também pede que os clientes formulem as buscas como frases: "What documents do we need to provide to create a joint account?" recebe resposta com mais frequência que "joint account". A maioria dos clientes digita duas palavras.
Onde a IA deve ficar na sua central de ajuda?
Esta é a posição que eu defenderia para a maioria das equipes: a caixa de busca é o menos importante dos três pontos a corrigir. Ela só ajuda os clientes que pesquisam. As pessoas que abrem tickets para perguntas já respondidas muitas vezes foram direto para "Fale conosco".
Então eu cobriria os três:
- A caixa de busca. Ranking semântico ou híbrido, mais títulos escritos como perguntas.
- Acima dos resultados. Uma resposta gerada curta com links e um honesto "não sei" quando os artigos não cobrem o assunto.
- O formulário de contato e o chat. É a última rede antes que exista um ticket. O Zendesk mostra há tempos artigos sugeridos no formulário de solicitação enquanto o cliente digita o assunto. Um agente de IA vai um passo além e responde à pergunta no chat ou no próprio ticket.
A camada 3 é onde está o contexto extra. Uma caixa de busca só conhece seus artigos. Um agente que trabalha no formulário de contato ou no ticket também pode ler tickets anteriores, onde estão todas as respostas semidocumentadas. Ele também pode fazer uma pergunta de esclarecimento quando "problema de pagamento" pode significar três artigos diferentes. O Zendesk foi nessa direção em abril de 2026 com um campo de pergunta de acompanhamento que leva a busca para um chat com seu agente de IA.
O que os helpdesks já oferecem em busca com IA?
Menos IA dentro da caixa de busca do que o marketing sugere. Dos seis helpdesks que verifiquei, o Zendesk é o que documenta uma resposta gerada na própria busca da central de ajuda; a Salesforce tem uma que novas orgs não podem mais ativar. Os demais colocam a IA no chat e mantêm a busca baseada em palavras-chave, mas quase todos têm um relatório decente de buscas que falharam, e esse relatório é dinheiro de graça.
| Helpdesk | Resposta de IA na busca da central de ajuda | Relatório de buscas que falharam | IA respondendo a partir de artigos em outros lugares | Dados de preço (páginas do fornecedor) |
|---|---|---|---|---|
| Zendesk | Sim, busca generativa, todos os planos Suite e Knowledge | Painel de busca: top 5 sem resultado, proporção de tickets por busca | Pergunta de acompanhamento para o chat do agente de IA | Suite Team $55/agente/mês no plano anual; 100.000 buscas generativas/mês incluídas |
| Freshdesk | Não documentado | O relatório da base de conhecimento (Pro e Enterprise) acompanha visualizações e curtidas, não termos de busca | Agente de IA por e-mail; agente de IA de chat só no Freshdesk Omni | $19 / $55 / $89 por agente; sessões de IA extras $49 por 100 |
| Gorgias | Não documentado | Buscas sem resultado e CTR, todos os planos | O agente de IA responde a partir do conteúdo da central de ajuda | A partir de $40/mês com 30 interações automatizadas |
| HubSpot | Não documentado | Termos de busca sem resultado, Professional e acima | Agente de cliente no chat | Agente de cliente 50 créditos ($0.50) por resolução |
| Help Scout | Não, ranking por palavras-chave | Tabela de buscas que falharam | Scout no Beacon e no e-mail | Scout $0.75 por resolução, todos os planos |
| Salesforce | AI-Generated Search Answers, mas não pode ser ativado em novas orgs desde o Spring '25 | Não confirmado | Agentforce no site de ajuda | Search Answers é um complemento pago sem preço de tabela; Agentforce $2/conversa |
Alguns detalhes por trás da tabela:
- Zendesk. A busca generativa vem ativada por padrão em todos os planos Suite e Knowledge, com 100.000 buscas elegíveis por mês incluídas; acima disso, você compra o Generative Search Extender com o time de vendas. Um chat resolvido pelo campo de acompanhamento usa uma resolução automatizada, que custa
$1.50com compromisso ou$2.00pago por uso na página de preços do Zendesk. A antiga ferramenta de lacunas, Content Cues, foi removida em 1º de maio de 2025. Mais no meu detalhamento dos preços de IA do Zendesk. - Freshdesk. A IA voltada ao cliente sobre a base de conhecimento é o Freddy AI Agent. O Freshdesk avulso recebe o agente de e-mail, e o agente de chat que responde dentro do widget web precisa do Freshdesk Omni. A página de preços lista 500 sessões incluídas, uma cota única para clientes novos. Meu artigo sobre os preços de IA do Freshdesk traz as contas completas.
- Gorgias. Seu relatório do Help Center, em todos os planos, mostra buscas, buscas sem resultado e taxa de cliques, e o Gorgias sugere filtrar por "Has results is false" porque "this list can serve as a content backlog". Também observa que muitas buscas sem resultado em um idioma geralmente significam que os artigos nunca foram traduzidos.
- HubSpot. A base de conhecimento é só Professional e Enterprise, e a aba Analyze lista termos de busca sem resultado e os mais pesquisados com contagem de cliques. Um agente de base de conhecimento em beta rascunha artigos a partir de lacunas por 200 créditos por artigo.
- Help Scout. O AI Answers foi renomeado para Scout em outubro de 2026. Custa
$0.75por resolução em todos os planos, e o relatório do Docs mostra buscas que falharam e quantas pessoas ainda enviaram um e-mail depois de navegar. Veja os preços do Help Scout. - Salesforce. O AI-Generated Search Answers é só em inglês, e desde o Spring '25 as novas orgs são direcionadas a uma versão do Data Cloud que ainda não oferece suporte a sites do Experience Cloud. Vale conferir antes de planejar em cima disso.
Se o seu helpdesk está na coluna "Não documentado", isso não significa que você está preso. Significa que a caixa de busca continua como está e a IA vai para as camadas 2 e 3, onde eu colocaria o esforço de qualquer jeito.
Como transformar buscas que falharam em correções?
Trate o relatório de buscas que falharam como a lista de tarefas dos seus redatores, toda semana. É a melhoria mais barata desta página e a que a maioria das equipes pula. Uma resposta no Reddit sobre melhorar uma base de conhecimento disse isso em uma linha: "your KB platform should have lists of terms that folks search for and which articles deflect tickets and which ones do not."
Olhe essas consultas: "havent recived order", meias frases, um erro de digitação em cada duas. É isso que clientes reais digitam, e é por isso que a correspondência exata sofre.
O ciclo que eu rodaria:
- Puxe duas listas por semana. Buscas sem resultado e tickets sobre temas que a central de ajuda supostamente cobre.
- Classifique cada falha. Artigo ausente, artigo sob as palavras erradas ou artigo que não responde à pergunta. Meu guia de lacunas de busca tem um modelo para isso.
- Escreva ou corrija. Uma pergunta por artigo, as palavras do cliente no título, os passos que as pessoas perguntam no corpo.
- Ressincronize e verifique de novo. Garanta que tudo que lê a central de ajuda (índice de busca, agente de IA) pegue a mudança e observe a mesma consulta na semana seguinte.
A IA ajuda nas etapas 2 e 3. O Gorgias tem uma AI Library que rascunha artigos a partir de dados reais de tickets e mostra quantos tickets cada um poderia desviar.
No eesel vejo o mesmo ciclo do outro lado. A Qontro, uma empresa de ERP da Nova Zelândia que usa o Freshdesk, recebe um rascunho de resposta em cada novo ticket, baseado na central de ajuda e em cerca de 9.800 tickets anteriores. A equipe compara cada rascunho com a resposta que uma pessoa realmente enviou, e cada rascunho errado geralmente aponta para um artigo de ajuda ausente ou incompleto. Eles corrigem o artigo, o eesel ressincroniza a central de ajuda toda sexta-feira e o próximo rascunho fica melhor. A Qontro também escreveu o próprio vocabulário nas instruções (na Qontro, uma instância é uma "Shop"), que é a lacuna de vocabulário de antes corrigida à mão. Mais ideias no meu artigo sobre detectar conteúdo desatualizado da central de ajuda.
Como saber se está funcionando?
Não pelos cliques na busca. O engajamento na busca pode subir enquanto os tickets ficam iguais. O número que importa é quantos clientes pesquisam e mesmo assim abrem um ticket, e o Zendesk o informa diretamente.
| Métrica | O que ela diz | Onde encontrar |
|---|---|---|
| Taxa de busca para ticket | Buscas que ainda terminaram em ticket | Zendesk "Ticket to search ratio"; Help Scout "Conversations Created" |
| Taxa de buscas sem resultado | Buscas que não encontraram nada | Relatórios de busca do Zendesk, Gorgias, HubSpot, Help Scout |
| Taxa de cliques | Se os resultados parecem respostas | Zendesk, Gorgias |
| Tickets de temas cobertos | Tickets que a central de ajuda deveria ter respondido | Marque os tickets por tema e compare com os artigos |
| Precisão das respostas de IA | Se as respostas geradas correspondem aos artigos | Polegar para cima e para baixo sob as respostas; checagem por amostragem toda semana |
| Tickets por 1.000 visitantes | Efeito geral do autoatendimento | Volume de tickets versus tráfego da central de ajuda |
Meça antes de ligar qualquer coisa e depois compare as mesmas semanas. A sazonalidade engana todo mundo. Se você vai relatar isso para cima, leia antes minha nota sobre a taxa de desvio, porque "desviado" é fácil de superestimar: um cliente que saiu da página de busca sem ticket pode simplesmente ter desistido.
O que dá errado com a busca com IA?
Três modos de falha, e todos eu vi acontecer em implantações reais do eesel ou em chamadas de vendas.
- Respostas confiantes a partir de conteúdo fraco. Já vi bots de clientes pagantes do eesel inventarem respostas em configurações iniciais quando a base de conhecimento não tinha nada relevante. Essa é a cicatriz por trás de como o eesel é configurado hoje: quando a central de ajuda não cobre, o agente diz isso e transfere em vez de chutar, exatamente como a Innr o usa em cerca de 1.500 artigos e tickets anteriores em quatro idiomas.
- Artigos amplos demais. Uma equipe B2B temia que a IA confirmasse modelos de carro que não suportava, porque um artigo dizia "we support all models". A IA leu ao pé da letra. Verifique os artigos em busca de frases abrangentes antes de apontar uma IA para eles; minha checklist de auditoria de base de conhecimento para IA ajuda.
- Conteúdo desatualizado. Uma resposta de IA repete a política de ontem com total confiança. Defina um cronograma de ressincronização e um responsável por seção. Uma base de conhecimento que se atualiza sozinha ajuda aqui.
E o que não é técnico: escrever mais artigos que ninguém lê. Esta resposta do mesmo tópico do Zendesk é engraçada porque é verdade:
"The trick we use is to spend hundreds of hours carefully documenting and screenshotting all of the processes, then sending links to people who have issues. Updating it with every edge case we find……only to have every single customer just ring and ask a question."
A solução para isso não é um artigo melhor. É uma resposta entregue onde o cliente já está.
eesel para a busca da central de ajuda
Se a sua central de ajuda é boa e os clientes continuam escrevendo, o eesel é o colega de helpdesk com IA que leva o artigo até eles. Ele lê sua central de ajuda, macros e tickets anteriores, depois responde em um balão de chat no seu site ou central de ajuda e rascunha respostas nos tickets que chegam mesmo assim, dentro do Zendesk, Freshdesk, Gorgias, Help Scout ou HubSpot.
Dois clientes mostram como isso fica em tamanhos diferentes. A AG Reederei Norden-Frisia, uma empresa alemã de balsas, roda um bot chamado CaptAIn que responde a partir da central de ajuda do Zendesk, macros e tickets anteriores em três canais, e quando a equipe atualiza uma FAQ sobre bagageiros de teto, o bot a pega na próxima sincronização. A SE Ranking roda um agente por produto sobre cerca de 16.800 páginas de conhecimento, incluindo aproximadamente 14.100 páginas da central de ajuda, e os agentes responderam primeiro a cerca de 2.100 chats ao vivo em um mês.
Quer ver na sua própria central de ajuda? Conecte seu helpdesk e o eesel rascunha respostas em tickets reais antes que você pague qualquer coisa, com 100 créditos grátis na página de preços. Experimente o eesel.