Cleo, do CRED: uma única interface conversacional, três tipos de consulta e uma camada de roteamento por trás

Três tipos de consulta, uma etapa de classificação de intenção

O CRED descreve Cleo como um assistente conversacional de IA construído sobre modelos da OpenAI — cita GPT-4.0, GPT-5 e o3 — que lida com três categorias de consulta explicitamente definidas: informacional ("O que é o CRED Cash?"), contextual ("Eu sou elegível para o CRED Cash?") e transacional ("Posso reembolsar para minha carteira ou para o método de pagamento original?").

O que importa para quem projeta uma interface de IA voltada ao cliente é a sequência que o CRED descreve. Cleo não responde primeiro. Segundo Seetharaman, ela "diagnostica o problema, classifica a intenção, mapeia para o SOP correto e formula uma resposta contextual e precisa". O mapeamento para o SOP é a restrição central: a resposta fica ancorada a um procedimento operacional padrão já existente, em vez de ser gerada livremente. Essa é uma decisão tanto de frontend quanto de backend, porque define o que o usuário efetivamente vê e passa a confiar.

A distinção entre consultas contextuais e transacionais é reveladora. Uma pergunta sobre elegibilidade e uma ação de reembolso exigem salvaguardas diferentes — uma lê o estado, a outra o altera. Separar isso já na camada de classificação permite que a mesma interface de chat se comporte de forma mais conservadora quando dinheiro está em jogo.

As métricas que o CRED escolheu divulgar

O CRED cita uma melhora de 14 pontos percentuais no CSAT, uma taxa de precisão de resolução de 98% para a Cleo nos três meses desde o lançamento, 18% mais conversas com múltiplas intenções resolvidas com sucesso, e uma queda de 31% no abandono de sessões. A empresa também afirma que o tempo médio de atendimento caiu nas três ferramentas.

O número de abandono de sessão é o que vale mais a pena analisar de uma perspectiva de frontend. O abandono mede se o usuário desiste da conversa no meio do caminho — um sinal direto de atrito na interface, não só de qualidade das respostas. Uma redução de 31% sugere que a interface conversacional está mantendo as pessoas engajadas até a resolução, em vez de empurrá-las para um atendente humano ou fazê-las desistir.

O número de múltiplas intenções aponta na mesma direção. Conversas de suporte reais costumam juntar vários pedidos em uma única mensagem; resolver 18% mais desses casos com sucesso sugere que a etapa de classificação da Cleo está decompondo consultas compostas, em vez de se fixar apenas na primeira intenção detectada. São resultados iniciais autodeclarados, e o próprio CRED os apresenta assim, mas eles nomeiam os comportamentos específicos que um designer realmente buscaria otimizar.

Thea e Stark: as interfaces que os usuários nunca veem

O CRED construiu duas ferramentas internas ao lado da Cleo. Thea atende agentes de suporte, resumindo conversas em múltiplos formatos — texto, voz e Hinglish — e sugerindo próximos passos. Stark atende as equipes de operações, permitindo que criem ou atualizem SOPs "em minutos em vez de dias".

O detalhe do Hinglish é concreto e ligado à realidade local: agentes na Índia lidam com conversas que misturam idiomas, e uma ferramenta de resumo capaz de lidar com essa mistura está fazendo um trabalho real, não apenas de demonstração. Stark é, sem dúvida, a escolha mais estrutural. Como a Cleo responde mapeando para SOPs, a qualidade da experiência do usuário fica limitada pela atualização desses SOPs. Stark encurta o ciclo para mantê-los atualizados, o que significa que a ferramenta interna de criação e a porta de entrada voltada ao cliente estão conectadas por design.

A implicação de design: fechar o ciclo entre becos sem saída e documentação

O próximo passo declarado pelo CRED é construir ferramentas que detectem "becos sem saída de dados" — consultas que a Cleo não consegue responder — e realimentem a base de conhecimento para melhorar os SOPs em tempo real. Essa é a conclusão lógica da arquitetura já descrita.

A lição específica da estrutura do CRED é que uma interface conversacional ancorada em SOPs só permanece precisa se as consultas que falham se tornarem combustível para a documentação que sustenta essa interface. A taxa de resolução de 98% da Cleo é uma fotografia de um momento; o detector de becos sem saída é o mecanismo pensado para defender esse número enquanto os padrões de consulta mudam. Para equipes construindo interfaces de atendimento semelhantes, a lição é que a etapa de classificação, a ferramenta de criação e o detector de lacunas não são três projetos separados — são um único ciclo, e o chat voltado ao cliente só é tão bom quanto a velocidade com que os outros dois o alimentam.