|
Abstract:
|
A Gestão do Relacionamento com o Cliente (CRM) ocupa papel estratégico em operações digitais, especialmente em contextos nos quais vendas, suporte e interação com clientes ocorrem de forma contínua por canais conversacionais. Nesses ambientes, os dados gerados incluem não apenas registros estruturados de transações, mas também mensagens, dúvidas, negociações e sinais de intenção, o que amplia o potencial analítico do CRM, mas também torna mais complexa a sua exploração. Diante desse cenário, este trabalho propõe e avalia um método de integração entre Modelos de Linguagem de Grande Escala (LLMs), CRM e atendimento conversacional, com foco no aprimoramento da Experiência do Cliente (CX) e no fortalecimento da inteligência operacional do negócio. O método foi estruturado em dois fluxos complementares: um fluxo orientado ao seller, voltado à consulta analítica do banco de dados por meio de linguagem natural e geração de relatórios; e um fluxo orientado ao cliente, centrado na interpretação de mensagens, identificação de intenção e formulação de respostas em ambiente de tickets no Discord®. A proposta mostra-se aderente a operações digitais de pequeno e médio porte que concentram vendas, suporte e relacionamento com clientes em canais conversacionais, como chats, tickets e comunidades online, e que acumulam dados operacionais ainda pouco explorados para fins de CRM. Para viabilizar o método e sua avaliação foi implementado um protótipo baseado em técnicas e tecnologias atuais ou consolidadas, incluindo Inteligência Artificial Generativa (GenAI), banco de dados e infraestrutura em nuvem. A avaliação foi conduzida a partir da aplicação do protótipo em contexto real de operação, combinando análise experiencial do desenvolvimento, comparação entre versões de instruções utilizadas na geração de relatórios CRM e análise qualitativa da tradução de linguagem natural para SQL. Os resultados indicam que a solução contribuiu para reduzir a dependência de atendimento manual constante, melhorar a organização das interações e ampliar o aproveitamento estratégico dos dados acumulados pela operação. Também foi observada uma evolução na qualidade dos relatórios gerados, com a nota final consolidada passando de 80% para 87%, o que representa um aumento de 7 pontos percentuais e uma melhoria relativa de aproximadamente 8,75%, especialmente quanto à clareza, completude, qualidade da análise e acionabilidade. Por outro lado, a análise qualitativa mostrou que ainda persistem limitações relacionadas à interpretação semântica dos prompts, à explicitação de regras de negócio e à confiabilidade da geração de SQL em casos mais sensíveis. Conclui-se, portanto, que o método proposto é viável como abordagem aplicada para integração entre atendimento, CRM e LLMs, desde que acompanhado de regras bem definidas, avaliação analítica e supervisão humana em situações críticas. |
