
A etiquetagem de conversas com IA da Kustomer é um classifier de Conversation Intelligence: você lista suas categorias com uma descrição cada, e a IA classifica cada conversa em uma ou mais delas, cobrado a 0,02 $ por execução no Enterprise e no Ultimate. O que a maioria das configurações não percebe é que o trigger decide o que a IA lê: um classifier que roda no Conversation Created vê só a primeira mensagem, então para etiquetar o motivo real além de rotear logo no início, rode-o uma segunda vez no Conversation Done, o que dobra o custo. O classifier só preenche um campo, então adicione um workflow que transforme seu valor em etiqueta se suas regras e relatórios lerem etiquetas da Kustomer. A eesel não tem integração com a Kustomer; no Zendesk, Freshdesk, Gorgias ou Help Scout, um AI helpdesk agent como a eesel lê a thread inteira antes de etiquetar, e com a eesel CLI um agente de código com IA pode enviar suas regras de etiquetagem e testá-las em tickets passados, embora conectar o helpdesk ainda precise da aprovação de um admin.
O que a Kustomer usa para etiquetar conversas com IA?
Hoje existem três rotas de IA na Kustomer, além das baseadas em regras que toda equipe já tem. É fácil confundi-las porque as páginas da Kustomer usam etiquetagem e classificação quase como sinônimos; Kustomer AI mapeia o conjunto mais amplo de recursos de IA.
| Classifier de Conversation Intelligence | AI Agent com uma ferramenta de etiquetas | Conversation Classification (legacy) | |
|---|---|---|---|
| O que é | Um atributo de IA que classifica uma conversa nas categorias que você define | Um AI Agent que escolhe uma etiqueta de uma lista que você fornece | Um modelo de machine learning treinado nas suas conversas etiquetadas anteriores |
| O que escreve | O valor do atributo na conversa | Uma etiqueta da Kustomer | Uma etiqueta, ou um contact reason usado para roteamento |
| Onde se configura | Kustomer AI > AI Attributes | AI Agent Studio, Klass Data tool | Settings > Kustomer IQ > Conversation Classification |
| Custo | 0,02 $ por execução | Cobrado junto com o AI Agent | Fechado para novos clientes desde agosto de 2023 |
A etiquetagem baseada em regras continua presente sob tudo isso. O artigo Add tags automatically da Kustomer lista dois métodos, uma business rule ou uma workflow action, para quando "a mesma etiqueta deve ser aplicada toda vez que uma condição for verdadeira". Isso é correspondência de palavra-chave e campo, não leitura, e é como a maioria das equipes etiqueta hoje, como no Freshchat, onde a IA não pode definir etiquetas de forma alguma.
Como funciona um classifier de Conversation Intelligence?
O Conversation Intelligence foi lançado em 14 de outubro de 2026, no post de anúncio de Brad Birnbaum, como um tipo de atributo de IA. Segundo o artigo Understanding Conversation Intelligence da Kustomer, existem três tipos: classifiers "categorizam informações em opções predefinidas", scores retornam um número, e extractors salvam detalhes específicos como um número de pedido. O classifier é o que faz a etiquetagem.
Você fornece opções, cada uma com um nome e uma descrição, e instruções em linguagem simples. O exemplo da Kustomer é um classifier de Contact reason com opções como "Where is my order?", "Return or exchange", "Cancel order" e "Product question", cada uma descrita em uma frase. Um classifier pode ser:
- Single-select, uma opção por conversa
- Multi-select, várias opções quando mais de uma se aplica
- Hierarchical, opções aninhadas sob pais
Multi-select não funciona com categorias aninhadas, então uma conversa com "Billing > Refund" mais "Shipping > Late" precisa de uma lista plana se você quiser ambas.

Cada valor vem com o raciocínio da IA anexado, e a página de produto da Kustomer diz que um valor corrigido por uma pessoa "não será silenciosamente sobrescrito na próxima execução". Na página da Kustomer, Simon Birch, Head of Customer Experience na Loaf, diz: "Rather than relying on keywords, it understands the intent behind why a customer is getting in touch".
Como configurar a etiquetagem com IA na Kustomer?
Do artigo Using AI attributes da Kustomer:
- Na página Kustomer AI, clique em AI Attributes, depois em Add AI Attribute.
- Escolha Classifier, dê um nome (por exemplo, Contact reason) e escolha single-select, multi-select ou hierarchical.
- Adicione suas opções, cada uma com uma descrição dizendo quando se aplica. O conselho da Kustomer: "procure tornar suas opções distintas umas das outras".
- Escreva as instruções. O exemplo da Kustomer: "considere a intenção do cliente e o contexto geral da conversa, não apenas palavras-chave isoladas".
- Escolha quando roda (até 3 triggers) e adicione condições para que spam e conversas de baixo sinal não consumam execuções.
- Salve e ative.
Depois decida o que lê o valor: um workflow para ticket routing, um relatório, ou ambos. Se suas filas, relatórios ou buscas salvas já funcionam com etiquetas, construa um workflow ou business rule que adicione a etiqueta correspondente quando o atributo for definido, para que os relatórios existentes continuem funcionando. Os limites de etiquetas da Kustomer se aplicam a essa etapa: até 20 etiquetas por conversa, e 64 caracteres por nome de etiqueta, segundo o artigo Add tags to a conversation.
Decida a forma do classifier antes de construir relatórios sobre ele. A Kustomer diz que algumas propriedades que determinam como um atributo armazena seu resultado "não podem ser alteradas depois que o atributo é criado", e a solução é um novo atributo.
Quando o classifier deve rodar?
Essa é a configuração que decide tanto a precisão quanto o custo. O marketing da Kustomer diz que o classifier classifica uma conversa "com base em toda a conversa, e não apenas na mensagem de abertura". Isso só é verdade até onde o trigger permite: quando um classifier roda no Conversation Created, a conversa tem uma mensagem de comprimento.
O artigo What is an execution? da Kustomer percorre os triggers com seu próprio exemplo:
| Trigger | O que a IA precisa ler | Bom para | Pegadinha |
|---|---|---|---|
| Conversation Created | A primeira mensagem | Rotear na chegada | Uma conversa que muda de assunto mantém sua etiqueta inicial |
| Message Count (por exemplo, 2 recebidas) | A primeira troca | Esperar um quadro mais claro | "Uma conversa que termina após uma mensagem recebida nunca recebe essa avaliação" |
| Conversation Done | A conversa inteira | Reportar por que os clientes realmente entraram em contato | Tarde demais para rotear |
Cada trigger acionado é uma execução separada, e um atributo pode ter até 3. Opções mais enxutas e melhor descritas também reduzem etiquetas erradas, como explica tagging false positives. Minha configuração: um classifier no Conversation Created para roteamento, e o mesmo classifier também no Conversation Done, para que os relatórios leiam o motivo final. Uma correção feita por uma pessoa nesse meio-tempo permanece.
Qual configuração se encaixa no que você quer da etiqueta?
Quanto custa a etiquetagem com IA da Kustomer?
A página de detalhes de preços da Kustomer (atualizada em 12 de outubro de 2026) lista Conversation Intelligence a 0,02 $ por execução, ou 50 execuções por crédito, tanto no Enterprise quanto no Ultimate, cujos preços base são "Talk to Sales" (preços da Kustomer tem o que se sabe). Execuções que falham com um erro 5xx ou de limite de taxa não são contadas.
Para uma equipe com 8.000 conversas por mês:
- Um classifier no Conversation Created: 8.000 x 0,02 $ = 160 $ por mês
- O mesmo classifier no Created e no Done: 16.000 x 0,02 $ = 320 $ por mês
- Um Score de sentimento adicional no Done, como em Kustomer AI sentiment analysis: mais 160 $
- Um scorecard de AI QA em cada conversa, a 0,05 $ por execução, adiciona 400 $; Kustomer AI quality assurance cobre isso
A rota do AI Agent é cobrada junto com o agente em vez disso: a Kustomer lista o Concierge a 0,75 $ por conversa engajada e o Envoy (AI Agents for Reps) a 50 $ por usuário por mês. O classifier de uma conversa roda independentemente de um AI Agent tocá-la ou não, por isso é a rota para etiquetar toda conversa.
Um AI Agent da Kustomer pode adicionar etiquetas por conta própria?
Sim, desde 8 de agosto de 2025. As notas de lançamento de agosto de 2025 da Kustomer dizem que os AI Agents "agora podem usar seu raciocínio para escolher a etiqueta apropriada de uma lista de opções pré-configuradas". Você cria uma ferramenta Klass Data para a classe Conversation, seleciona Tags, e descreve cada etiqueta; uma descrição escrita na ferramenta prevalece sobre uma na página de configurações de Tags.

Isso escreve etiquetas reais da Kustomer, então os relatórios de etiquetas existentes as capturam sem nenhum workflow adicional. O limite é a cobertura: o agente etiqueta as conversas que ele trata. Para um relatório de contact reason em toda a fila, use o classifier.
Onde a etiquetagem com IA da Kustomer fica curta?
- Etiquetas e atributos de IA são coisas separadas. O classifier só preenche seu próprio campo. Relatórios e filas baseados em etiquetas precisam da etapa de workflow adicional acima.
- A primeira mensagem decide uma etiqueta precoce. Se você roteia no Conversation Created, um cliente que começa com uma pergunta sobre entrega e muda para um reembolso mantém "Order status", a menos que um trigger posterior rode.
- Todo trigger é cobrado. Triggers amplos sem condições também classificam spam. O próprio conselho da Kustomer é adicionar condições por canal, etiqueta ou status.
- Não resume. Uma etiqueta diz sobre o que era uma conversa, não o que aconteceu; Conversation summaries é um recurso separado do Envoy.
- O modelo legacy acabou para novos clientes. Guias antigos da Kustomer descrevem Conversation Classification sob o Kustomer IQ; está fechado para novos clientes desde agosto de 2023.
Onde a eesel se encaixa?
A eesel se encaixa em uma equipe que está avaliando sair da Kustomer (veja Kustomer alternatives), ou em uma que roda um segundo helpdesk ao lado dela. A eesel é uma AI teammate que se integra às ferramentas que uma equipe já usa; no suporte, ela trabalha na fila do helpdesk, aprende com tickets passados e é testada contra eles antes de responder. Em vez de um classifier com um trigger para escolher, ela lê a thread sempre que um cliente escreve e segue uma regra simples como "etiquete como refund-request quando o cliente pedir o dinheiro de volta, mesmo que tenha começado falando de entrega".
A Rúngne, uma marca de roupas de escalada no Gorgias, roda um agente de triagem que etiqueta cada novo ticket em que roda, incluindo uma etiqueta human_review_required, para que cancelamentos, itens danificados e qualquer pessoa que peça para falar com um humano vão para a equipe. AI support tagging cobre como isso funciona entre helpdesks, e Gorgias tagging and routing mostra uma configuração completa, e Zendesk AI tagging outra.
A eesel não tem integração com a Kustomer, então não posso dizer para você conectá-la ao seu workspace da Kustomer. Se você for continuar na Kustomer, meu conselho é a configuração acima: um classifier com opções distintas e bem descritas, acionado no Created e no Done, e um workflow que transforme seu valor na etiqueta que seus relatórios já leem. Para rotear com base nele, Kustomer AI conversation routing cobre as regras de fila.
Teste a eesel ao lado da sua configuração Kustomer
Se você está comparando helpdesks em parte por quão bem eles etiquetam, teste a eesel em um trial do Zendesk, Freshdesk, Gorgias ou Help Scout. Escreva seus contact reasons como regras simples, rode-as contra uma semana de tickets passados, e leia qual etiqueta cada ticket teria recebido e por quê. O que a eesel faz por conta própria e o que espera o sim de uma pessoa é definido por ação em actions and approvals, então ela pode começar etiquetando antes de jamais reatribuir qualquer coisa.

Teste a eesel primeiro nas suas regras de etiquetagem, ou compare opções em best AI for Kustomer.