A IA reduz o tempo de atendimento tirando trabalho de cada etapa de um ticket: um resumo para os agentes não relerem a conversa, uma busca na base de conhecimento e uma consulta de pedido para não trocarem de aba, um rascunho de resposta para não escreverem do zero, e tags e notas preenchidas para o fechamento levar segundos. A etapa de consulta costuma ser o maior ganho, e é a que a maioria das ferramentas de "resposta com IA" pula.
O problema: quando a IA resolve por completo os seus tickets fáceis, os que sobram para as pessoas são os longos, então o tempo médio de atendimento pode subir enquanto o total de horas de agente cai. Meça as horas de agente e o TMA por tipo de ticket, e acompanhe as reaberturas, a resolução no primeiro contato, o CSAT e a parcela de rascunhos que os agentes reescrevem.
Um colega de IA como a eesel faz isso dentro do Zendesk, Freshdesk ou Gorgias. Na STIL Classics, ela preparou cerca de 320 tickets do Gorgias em um mês e consultou cerca de 230 pedidos da Shopify antes de escrever uma palavra. Os planos são um lote mensal fixo de créditos, um ticket é um crédito, a partir de $299 por mês.
Para onde vão, de fato, os minutos do tempo médio de atendimento?
O tempo médio de atendimento (TMA, ou AHT em inglês) é o tempo que um agente trabalha ativamente em um ticket, da abertura até terminar a resposta e as notas. Não é a mesma coisa que o tempo de primeira resposta nem o tempo de resolução: esses dois medem quanto o cliente espera. Um ticket pode esperar dois dias e ainda ter um tempo de atendimento de quatro minutos.
Eu construo os agentes de IA da eesel, e a primeira coisa que faço com uma equipe nova é olhar alguns dos tickets deles passo a passo. Os minutos quase sempre se dividem do mesmo jeito.
- Ler. Rolar a conversa, entender o que o cliente quer, verificar o que um colega já tentou.
- Consultar. Achar o pedido, a conta, o artigo de ajuda, a política. É a etapa que se esconde, porque acontece em outras abas.
- Escrever. Digitar a resposta, ou achar a macro certa e ajustá-la.
- Fechar. Tags, campos do ticket, uma nota interna, a mudança de status.
A etapa de consulta é a primeira que vale checar. A própria documentação do Freshdesk diz que o seu cronômetro de tempo de atendimento não inclui o tempo fora do ticket, como consultar uma política de reembolso em outro lugar, então alguns dos seus minutos mais lentos podem nem aparecer no relatório. Um líder de suporte no Reddit encontrou o mesmo no lado do telefone:
"Agents could copy/paste the phone number into the search and pull up 90% of accounts immediately. ... changing that look-up process shaved 2+ minutes off our AHT."
O fechamento é o outro consumidor silencioso. Um comentarista do Hacker News que lidera uma equipe interna de engenharia de IA em uma empresa com grandes call centers escreveu que seus agentes gastavam de 3 a 5 minutos após cada ligação em resumos manuais, até mudarem para resumos escritos por IA. O Help Scout interpreta a sua própria métrica de tempo de atendimento da mesma forma: números altos indicam respostas longas ou "a lack of resources or knowledge" do lado do agente, segundo a documentação do relatório de E-mail.
Quais tarefas de IA reduzem o tempo de atendimento, passo a passo?
São seis tarefas que encurtam um ticket, mais uma sétima que o tira da fila por completo. Cada uma mira uma etapa diferente, então o melhor primeiro passo depende de para onde vão os seus minutos.
1. Um resumo quando o ticket abre
Conversas longas e repasses custam tempo de leitura, e tickets reabertos também. Um resumo de IA no topo do ticket dá ao agente quem, o quê e em que ponto está, em poucas linhas. Na Qontro, uma empresa de ERP em nuvem no Freshdesk, qualquer colega pode mencionar a eesel em um ticket com a palavra "summarise" e receber uma nota curta: quem é o cliente, o problema, o que já foi tentado e em que ponto está. Meu post sobre resumo de tickets com IA cobre os formatos que funcionam.
2. Busca de conhecimento que encontra a resposta primeiro
Quando a resposta está em algum lugar da central de ajuda, em um ticket antigo ou em algum Google Doc, o trabalho do agente vira buscar. O agente da Qontro fez cerca de 400 buscas de conhecimento em cerca de 190 tickets em um mês, mais ou menos duas por ticket, usando cerca de 9.800 tickets antigos e artigos de ajuda, e coloca o link do artigo no rascunho. O líder do service desk da CartonCloud descreveu o efeito no estudo de caso:
"We've seen a reduction in the time spent on rudimentary queries, allowing our agents to spend more time focused on more complex queries."
Eddie Stephens, Service Desk Lead, CartonCloud
Se o seu conhecimento está espalhado, comece pela gestão de conhecimento para suporte antes de culpar a IA.
3. Consultas nos sistemas por trás do ticket
Esta é a que a maioria das ferramentas de resposta com IA pula, e no e-commerce costuma ser a maior. A STIL Classics, uma marca de agendas no Gorgias e na Shopify, configurou a eesel para buscar o pedido, o status de envio, os itens e o endereço de entrega antes de redigir qualquer coisa. Em um mês foram cerca de 230 pedidos da Shopify consultados em cerca de 320 tickets. Ela nunca afirma um fato que não consultou: se falta um detalhe, o rascunho deixa uma lacuna entre colchetes para o agente em vez de adivinhar. Para o lado do Gorgias na configuração, veja meu guia de dados de pedidos no Gorgias.
4. Um rascunho de resposta esperando no ticket
Um rascunho como nota interna transforma "escrever" em "conferir e enviar". Na smava, um comparador alemão de empréstimos no Zendesk, o agente redator busca em cerca de 820 macros e artigos de ajuda e redige a macro correspondente palavra por palavra, com os campos preenchidos e botões de Aprovar e Rejeitar no ticket. Ele preparou cerca de 15.300 rascunhos em um mês de cerca de 27.000 tickets. Em finanças reguladas a redação importa muito, por isso o rascunho parte do texto aprovado em vez de escrita livre. Meu guia de macros com IA cobre esse padrão.
Seja honesto consigo mesmo sobre a qualidade dos rascunhos, porém. Na Qontro, cerca de um em cada dez rascunhos sai agora com pouca ou nenhuma edição, e a equipe usa o resto para encontrar lacunas na central de ajuda. É um resultado real, mas um rascunho que o agente reescreve do zero acrescenta tempo de leitura, não economiza tempo de escrita.
5. Triagem e roteamento antes de alguém tocar no ticket
Cada repasse reinicia a etapa de leitura para um novo agente. Ordenar os tickets por intenção, idioma e também urgência na chegada significa que a primeira pessoa a abrir um ticket é a certa. O agente de categorização da smava marca o idioma, verifica se um ticket pode receber resposta automática e escolhe uma categoria do documento de mapeamento da própria smava, escrevendo-a em campos do Zendesk. Ele rodou em cerca de 14.600 tickets em um mês. Veja triagem automática de tickets para a configuração.
6. Trabalho pós-contato preenchido para você
Tags, campos do ticket, notas de disposição. Se a IA já leu o ticket, ela pode preencher isso ao longo do caminho. Um agente de call center no Reddit descreveu a versão boa:
"...at my current job they have an AI listening to our calls and it generates a summary of the call that we use as our disposition so we don't type it manually."
Meu post sobre tags de suporte com IA explica como manter as tags consistentes o bastante para gerar relatórios.
7. Tirar uma fatia de tickets da fila
O ticket mais rápido é o que nenhum agente chega a abrir. Escolha uma fatia que a IA consiga concluir sozinha (status de pedido, perguntas de como fazer, perguntas de política) e deixe que ela responda diretamente. A Original Bootcamp, uma empresa de fitness ao ar livre no Freshdesk, faz isso com um filtro escrito em alemão que só deixa passar tickets que podem ser respondidos com o site e tickets antigos. Qualquer coisa sobre uma reserva ou uma conta vai direto para uma pessoa. A maioria dos conselhos sobre TMA para em ajudar os agentes e deixa este de fora, e é o que mais afeta o total de horas. Para saber onde traçar a linha, veja deflexão no suporte de nível 1.
Por onde começar?
Comece pela etapa que consome mais minutos no seu tipo de ticket mais comum. Cronometre cinco tickets à mão, divida-os nas quatro etapas, e a resposta geralmente salta aos olhos.
| Se os agentes principalmente... | O gargalo é | Comece com | Primeira checagem após uma semana |
|---|---|---|---|
| Rolam conversas longas e repasses | Ler | Resumos ao abrir | Os agentes ainda rolam para cima? |
| Trocam para Shopify, cobrança ou o CRM | Consultar | Consultas aos sistemas no rascunho | Parcela de rascunhos com o pedido já incluído |
| Pesquisam na central de ajuda ou perguntam a um colega | Consultar | Busca de conhecimento com links | Quais artigos os rascunhos citam |
| Redigitam as mesmas respostas | Escrever | Rascunhos de resposta a partir de macros ou tickets antigos | Taxa de edição dos rascunhos |
| Passam tickets entre equipes | Ler (de novo) | Triagem e roteamento | Repasses por ticket |
| Gastam tempo com tags e notas | Fechar | Tags e campos automáticos | Precisão das tags em uma amostra |
| Respondem "cadê o meu pedido?" o dia todo | O ticket inteiro | Automação completa dessa fatia | Taxa de reabertura das respostas de IA |
Quanto tempo de atendimento a IA poderia economizar?
Digite os seus próprios números abaixo. Os valores padrão são um ticket de exemplo, não uma referência: 11 minutos divididos nas quatro etapas, reduzidos para 5 minutos com ajuda da IA, e um quarto dos tickets resolvido por completo pela IA. Esses tickets resolvidos são assumidos como os seus rápidos, de 5 minutos cada.
Altere os minutos por etapa, o seu volume mensal e a parcela que a IA resolve para ver o TMA e as horas de agente. Os tickets resolvidos são assumidos como os rápidos, e é por isso que o cartão do meio sobe.
Olhe primeiro o cartão do meio, antes de qualquer coisa. Com os valores padrão, só a automação empurra o TMA de 11 para 13 minutos, porque os tickets de 5 minutos saíram da média. Some a ajuda da IA no restante e ele cai para cerca de 6, e o tempo de agente cai de 550 horas por mês para cerca de 220. A maior parte dessa economia vem das etapas de consulta e escrita, que é a razão pela qual eu começaria por elas em quase qualquer equipe.
Por que o tempo médio de atendimento pode subir depois de adicionar IA?
Porque a IA leva os tickets fáceis e deixa os difíceis para a sua equipe. O tempo de atendimento é uma média, e quando os tickets rápidos somem dela, a média sobe, mesmo que ninguém tenha ficado mais lento e a equipe esteja gastando menos horas na fila.
Os agentes sentem isso antes de o painel mostrar. Um agente de call center no Reddit descreveu isso depois que a empresa colocou um agente de voz com IA na frente da linha telefônica:
"At this point, it's handling a lot of "routine" calls. Which means the calls that come through to us humans are more complicated, or people who are upset about the AI messing something up."
Alguns helpdesks já incorporam isso. O Gorgias calcula o tempo de atendimento do ticket apenas nos tickets que um humano trabalhou e deixa de fora os tickets resolvidos pelo seu AI Agent. A visão geral de desempenho também pode dividir os resultados por tipo de agente:
Então relate três números em vez de um: o total de horas de agente na fila, o TMA por tipo de ticket (status de pedido, devoluções, técnico) e a parcela de tickets resolvidos pela IA. Se as horas de agente e o TMA por tipo caem, está funcionando, seja o que for que a média misturada faça. Meu post sobre a taxa de resolução da IA cobre o lado da IA. Para o lado do repasse, leia sobre contenção e qualidade da escalada.
Mais uma coisa para planejar: uma fila só com tickets difíceis cansa. Um comentarista do Reddit com quase 30 anos em suporte disse isso com clareza:
"Except now imagine an eight-hour shift where practically EVERY conversation you receive is an escalation, an angry customer, an unusual problem or something the AI already couldn't solve."
É um motivo para não atribuir metas de TMA a agentes individuais quando há IA na jogada, e para olhar o coaching com IA para suporte à medida que os tickets ficam mais difíceis.
Como os helpdesks medem o tempo de atendimento?
De formas diferentes, e é por isso que você não deve comparar o seu TMA com o de outra empresa. Veja como cada um define, segundo a documentação dos próprios fornecedores, conferida em 29 de outubro de 2026.
| Helpdesk | Métrica | O que conta | Onde | Plano |
|---|---|---|---|---|
| Zendesk | Handle time | Tempo do agente em um ticket de mensagens, da atribuição até ser definido como Pending, On-hold ou Solved | Explore, conjunto de dados de tickets de mensagens | Suite Professional e superiores |
| Zendesk | App Time Tracking | Tempo gasto por ticket, salvo em dois campos personalizados | App do Marketplace, com relatórios no Explore | Suite Growth e superiores |
| Freshdesk | Average Handling Time | Um cronômetro enquanto o agente está em um ticket atribuído, somado entre as visitas | Analytics > Curated Reports | Pro e Enterprise |
| Gorgias | Ticket handle time | Tempo de redação, trabalho e telefone em tickets fechados que um humano atendeu | Analytics > Helpdesk performance > Overview | Todos os planos Helpdesk |
| Help Scout | Handle Time | Da abertura da conversa até clicar em Enviar, apenas a última visita | Reports > Email | Standard (2 anos de dados), Plus e Pro |
| Front | Handle time | Da visualização de uma conversa até o envio de uma resposta, limitado a 60 min | Relatórios de Analytics | Plano não informado |
| HubSpot | Nenhuma métrica de tempo de atendimento encontrada | Apenas tempo até a primeira resposta e tempo até o fechamento | Service > Help Desk > Analyze | Service Hub Professional e superiores |
Duas delas são úteis para medir a IA diretamente. O Front informa o tempo de atendimento das respostas sugeridas separadamente das respostas escritas à mão, então dá para comparar as duas no mesmo relatório. O relatório AHT do Freshdesk detalha o tempo por agente, grupo, produto e ticket, o que basta para fazer um antes e depois em um tipo de ticket:
No Zendesk, a métrica de mensagens não cobre e-mail, então equipes de e-mail precisam da duração do engajamento ou do app Time Tracking. A própria documentação do Zendesk observa que os agentes podem achar formas de pular o carregamento do app, então trate esses números como um piso. Se você usa o Zendesk e quer todo o lado de IA da configuração, meu guia do copiloto de IA do Zendesk explica passo a passo.
O que acompanhar junto com o tempo de atendimento?
Pelo menos quatro coisas, porque o TMA sozinho premia a pressa. Um ticket mais curto que volta duas vezes custa mais do que um mais longo que foi resolvido.
- Taxa de reabertura. Parcela de tickets em que o cliente escreve de novo depois de você fechar. Respostas apressadas aparecem aqui primeiro.
- Resolução no primeiro contato. Parcela resolvida em uma resposta. Veja IA e resolução no primeiro contato.
- CSAT. Separe entre respostas redigidas por IA e escritas à mão, se o seu helpdesk permitir marcá-las. Meu guia de CSAT com IA cobre o lado da pesquisa.
- Taxa de edição dos rascunhos. Parcela dos rascunhos de IA que um agente reescreve bastante. Se ela continuar alta, os rascunhos estão acrescentando tempo de leitura, não economizando tempo de escrita.
Os três primeiros protegem contra o problema mais antigo do TMA, que é décadas mais velho que a IA. Um agente do Reddit explicou a troca por dentro:
"Not ideal for someone like me who prefers to take that extra 5 minutes now to save the customer and one of my colleagues 10-20 minutes later."
O quarto é o específico da IA. Uma IA mal ajustada pode alongar os tickets, e os agentes percebem na hora:
"Calls were actually taking longer because we had to review and edit notes before saving them."
Por isso os rascunhos da eesel na STIL Classics deixam uma lacuna entre colchetes em vez de um palpite, e por isso a Qontro lê cada rascunho reescrito como sinal de um artigo que falta. Para o conjunto completo de métricas, veja KPIs de atendimento ao cliente e a minha lista de erros na implementação de IA.
Como implantar IA para reduzir o tempo de atendimento em 30 dias?
Em quatro passos semanais, começando pelos rascunhos e só deixando a IA responder sozinha quando os números disserem que é seguro. Há anos vejo a eesel colocar agentes de IA em filas de suporte reais, e as implantações que dão errado são as que ligam tudo na primeira semana.
| Semana | O que a IA faz | O que você mede |
|---|---|---|
| Antes de começar | Nada ao vivo. Cronometre 20 tickets à mão nas quatro etapas e rode a IA sobre tickets antigos | Seu TMA base por tipo de ticket e as horas de agente |
| Semana 1 | Resumos e rascunhos como notas internas em um tipo de ticket | Taxa de edição dos rascunhos, TMA nesse tipo |
| Semana 2 | Adiciona consultas (pedidos, contas) e links de conhecimento aos rascunhos | Parcela de rascunhos com o pedido e o artigo certos |
| Semana 3 | Adiciona triagem e tags automáticas na fila inteira | Repasses por ticket, precisão das tags |
| Semana 4 | Responde sozinha à fatia com os melhores rascunhos | Taxa de reabertura das respostas de IA, total de horas de agente |
Rodar a IA primeiro sobre tickets antigos importa mais do que o tom dela. Toda configuração da eesel executa uma simulação sobre o histórico real da equipe antes de entrar no ar, porque é ali que aparecem as respostas erradas com ar de confiança antes de um cliente vê-las. Você pode pedi-la em linguagem simples ("run a simulation on my recent tickets") e ela pontua as respostas da IA em relação ao que a sua equipe realmente enviou. Se você está adicionando IA ao helpdesk que já tem, meu guia de IA para um helpdesk existente cobre a parte da conexão.
Quanto custa a IA para reduzir o tempo de atendimento?
Menos do que as horas de agente que ela economiza, na maioria das equipes. Os planos da eesel são um lote mensal fixo de créditos: $299 por 500, $499 por 1.000, $1,149 por 3.000 e $1,749 por 5.000, conforme a página de preços da eesel. Um ticket é um crédito, não importa quantas respostas leve e o que o agente faça dentro dele, seja redigir, consultar um pedido ou resolver. O excedente custa $0.80 por crédito se você ativar, e o plano gratuito tem 100 créditos para testar em tickets reais.
Com os valores padrão do estimador, 3.000 tickets por mês cabem no plano de 3.000 créditos a $1,149, contra cerca de 330 horas de agente economizadas. Para uma visão mais ampla dos modelos de preço, meu detalhamento do custo da IA no atendimento ao cliente e as referências de custo por ticket ajudam a montar o caso de negócio.
Onde a eesel não é a escolha certa: se a maior parte do seu tempo de atendimento são ligações telefônicas ao vivo, comece pelo resumo de chamadas do seu sistema telefônico, porque a eesel trabalha com tickets de helpdesk e chat. E se o seu helpdesk não está na lista de integrações, verifique isso primeiro.
Experimente a eesel para reduzir o tempo de atendimento
Se os seus agentes gastam os minutos em outras abas, a eesel funciona como um novo colega que faz o trabalho de base antes de eles abrirem o ticket. Ela entra na sua fila no Zendesk, Freshdesk, Gorgias ou Help Scout, lê a conversa e confere o pedido na Shopify, acha o artigo de ajuda e deixa um rascunho com as lacunas marcadas. Seu agente confere e envia. Na fatia de tickets que consegue concluir sozinha, ela responde diretamente, e cada ação aparece no registro de atividades para você aprovar, rejeitar ou auditar.
Essa é a configuração que a STIL Classics usa com a integração com o Gorgias e consultas de pedidos, e que a smava roda no Zendesk com 27.000 tickets por mês. Você pode conectar o seu helpdesk e ver rascunhos reais nos seus próprios tickets com 100 créditos grátis, sem cartão.
Experimente a eesel na fila desta semana, ou compare primeiro o cenário no meu panorama das melhores ferramentas de assistência ao agente com IA.