A Cleo da CRED: uma única superfície conversacional, três tipos de consulta e uma camada de encaminhamento por baixo

Três tipos de consulta, um passo de classificação de intenção

A CRED descreve a Cleo como um assistente conversacional de AI construído sobre modelos da OpenAI — refere o GPT-4.0, o GPT-5 e o o3 — que trata três categorias de consulta explicitamente definidas: informativa ("O que é o CRED Cash?"), contextual ("Tenho direito ao CRED Cash?") e transacional ("Posso reembolsar para a minha carteira ou para o método de pagamento original?").

O que importa para quem está a conceber uma superfície de AI voltada para o cliente é a sequência que a CRED descreve. A Cleo não responde primeiro. Segundo Seetharaman, a Cleo "diagnostica o problema, classifica a intenção, associa-a ao SOP correto e formula uma resposta contextual e precisa". O mapeamento para o SOP é a restrição: a resposta é ancorada a um procedimento operacional padrão já existente, em vez de ser gerada livremente. Trata-se de uma decisão tão de frontend como de backend, porque define aquilo que o membro efetivamente vê e em que confia.

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 altera-o. Separar estes casos na camada de classificação permite que a mesma superfície de chat se comporte de forma conservadora onde há movimento de dinheiro.

As métricas que a CRED optou por reportar

A CRED cita uma melhoria 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. Refere também que os tempos médios de atendimento diminuíram nas três ferramentas.

O número relativo ao abandono de sessões é o que vale a pena analisar numa perspetiva de frontend. O abandono mede se um membro desiste da conversa a meio do percurso — um sinal direto de atrito na interface, e não apenas da qualidade das respostas. Uma redução de 31% sugere que a superfície conversacional está a manter as pessoas até à resolução, em vez de as encaminhar para um humano ou de as levar a desistir.

O número das múltiplas intenções apontam na mesma direção. As conversas de suporte reais juntam vários pedidos numa só mensagem; resolver 18% mais desses casos com sucesso implica que o passo de classificação da Cleo está a decompor consultas compostas, em vez de se fixar apenas na primeira intenção que deteta. São resultados iniciais autorreportados, e a CRED apresenta-os como tal, mas identificam comportamentos concretos que um designer efetivamente otimizaria.

Thea e Stark: as superfícies que os membros nunca veem

A CRED construiu duas ferramentas internas a par da Cleo. A Thea serve os agentes de suporte, resumindo conversas em múltiplos formatos — texto, voz e Hinglish — e sugerindo próximos passos. O Stark serve as equipas de operações, permitindo-lhes criar ou atualizar SOPs "em minutos em vez de dias".

O detalhe do Hinglish é concreto e localmente fundamentado: os agentes na Índia lidam com conversas em código misto, e uma ferramenta de resumo capaz de tratar essa mistura está a fazer um trabalho real, não um trabalho de demonstração. O Stark é, sem dúvida, a opção mais estrutural. Como a Cleo responde mapeando para SOPs, a qualidade da experiência voltada para o membro está limitada pela atualidade desses SOPs. O Stark encurta o ciclo necessário para os manter atualizados, o que significa que a ferramenta interna de criação de conteúdo e a porta de entrada do cliente estão ligadas por design.

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

O próximo passo declarado pela CRED é construir ferramentas que detetem "becos sem saída de dados" — consultas que a Cleo não consegue responder — e que as reintroduzam na base de conhecimento para melhorar os SOPs em tempo real. Trata-se da conclusão lógica da arquitetura já descrita.

A lição específica da configuração da CRED é que uma interface conversacional ancorada em SOPs só se mantém precisa se as consultas falhadas se transformarem em combustível para a documentação que a sustenta. A taxa de resolução de 98% da Cleo é uma fotografia num momento específico; o detetor de becos sem saída é o mecanismo destinado a defendê-la à medida que os padrões de consulta mudam. Para as equipas que constroem superfícies de assistência semelhantes, a conclusão é que o passo de classificação, a ferramenta de criação de conteúdo e o detetor de lacunas não são três projetos separados — são um único ciclo, e o chat voltado para o cliente só é tão bom quanto a rapidez com que os outros dois o alimentam.