Uma pesquisa da HDI, associação internacional de líderes de suporte técnico, ouviu 115 gestores de área em 2025. O achado central: a equipe de suporte média processa 10.675 chamados por mês, e 34% das organizações veem esse volume crescer ano a ano — não cair. Ao mesmo tempo, o relatório mostra 67% dos times citando sobrecarga de informação como barreira para treinar gente nova, e 54% relatando que o suporte ficou mais complexo nos últimos três anos.
O detalhe que passa batido é que a maior parte desse volume não é problema novo. É a mesma dúvida sobre férias, reembolso, acesso a um sistema ou norma interna, batendo na caixa de entrada de novo — só que agora em escala maior, com mais gente remota, mais sistemas para confundir e mais rotatividade de equipe, o que faz a mesma pergunta chegar de gente diferente todo mês.
Isso tem custo medido. O "Global IT Experience Benchmark 2026", da HappySignals em parceria com a ISG — 1,77 milhão de respostas de funcionários analisadas em mais de 130 países — encontrou que cada chamado de TI resolvido como incidente custa à pessoa afetada, em média, 3 horas e 18 minutos de tempo percebido como perdido. Uma solicitação simples, sem incidente, ainda custa 2 horas e 47 minutos. Multiplique isso pelos milhares de chamados por mês que uma empresa média processa, e o número deixa de ser incômodo para virar orçamento.
O volume que ninguém nota até medir
A razão para esse custo passar despercebido é simples: ele está espalhado. Ninguém em RH, TI ou financeiro fecha o mês olhando para "quantas horas a empresa perdeu com dúvidas repetidas" — cada resposta parece pequena, rápida, sem importância isolada.
Só que o relatório da HDI mostra times de suporte cada vez mais sobrecarregados justamente por isso: sem uma forma de tratar a pergunta repetida como repetida, cada atendimento recomeça do zero, mesmo quando a resposta de ontem já existia em algum lugar. É por isso que 34% dos times relatam volume crescente — o crescimento da empresa aumenta o número de pessoas perguntando a mesma coisa, não o número de coisas diferentes sendo perguntadas.
O efeito prático aparece nos números da HappySignals: quase três horas de tempo perdido por chamado não é o tempo que o time de TI gasta respondendo — é o tempo que a pessoa do outro lado fica esperando, sem conseguir seguir com o próprio trabalho. Multiplicado por RH, financeiro e TI juntos, esse é o tipo de custo que a empresa já paga hoje, só que sem enxergar.
Por que colocar um robô na frente não resolve sozinho
A resposta óbvia — "bota um assistente de IA respondendo direto" — costuma falhar por um motivo específico: responder rápido não é o problema difícil. O problema difícil é responder certo, com uma fonte que a pessoa possa conferir, e sem que aquilo vire um compromisso que ninguém autorizou.
O estudo da HR Acuity, com 274 organizações e quase 9 milhões de funcionários, mostra times de relações trabalhistas já usando IA para tarefas administrativas — 46% redigem relatórios com apoio de IA, 45% resumem transcrições de entrevista. Mas o próprio estudo é direto sobre o limite: essas tarefas continuam com revisão humana, porque um resumo gerado por IA pode deixar de fora evidência do caso, contexto de credibilidade ou nuance de julgamento que uma investigação exige.
O mesmo raciocínio vale para qualquer resposta interna com efeito prático — quantos dias de férias alguém tem direito, se um reembolso está dentro da política, se uma norma mudou no mês passado. Um assistente sem conhecimento aprovado e sem checagem no que é sensível não resolve o problema de escala: ele só troca "a pessoa espera a resposta certa" por "a pessoa recebe uma resposta rápida e talvez errada", e o erro só aparece depois, quando alguém já tomou uma decisão em cima dele. A pergunta correta não é só "quem responde mais rápido", mas "quem responde certo, e quem verifica quando o assunto pede verificação".
O que precisa existir na prática
Um ambiente de atendimento interno bem desenhado combina velocidade com controle, através de mecanismos concretos:
Conhecimento aprovado com fontes. A resposta sobre política de reembolso ou norma de home office vem de um documento com dono e versão vigente — não de uma memória solta de quem respondeu da última vez. Isso permite citar de onde veio a resposta.
Acesso conforme o papel de cada pessoa. Um agente de RH enxerga política de pessoal; um agente de TI enxerga permissão de sistema. Nenhum dos dois precisa ver tudo para responder bem o que é da própria área.
Aprovação humana quando a resposta tem efeito prático. Uma dúvida sobre o saldo de férias de alguém, ou sobre liberar acesso a um sistema, pode exigir que uma pessoa confirme antes de a informação virar ação — a IA prepara, alguém aprova quando o risco pede isso.
Trilha de quem aprovou o quê. Quando um número ou uma norma é questionado depois, tem que dar para reconstruir de onde ele veio e quem validou, sem depender de memória de quem estava de plantão naquele dia.
Reutilização entre RH, TI e financeiro. Um roteiro de resposta criado por uma pessoa do RH para "como funciona o plano de saúde" deveria estar disponível para o time inteiro, com o mesmo nível de aprovação, em vez de cada atendente reconstruir a resposta do zero.
É assim que a Skyller foi desenhada: conhecimento aprovado com fontes, acesso por papel e aprovação humana antes de qualquer ação com efeito prático — para que o atendimento interno seja rápido sem virar risco.
O ganho que aparece primeiro dentro de casa
O atendimento interno tem uma vantagem que o atendimento ao cliente não tem: o material praticamente já existe. Política de férias, tabela de reembolso, norma de acesso — a empresa já escreveu tudo isso em algum lugar. O trabalho não é criar conhecimento do zero; é organizar o que já existe para que uma resposta possa citá-lo.
Isso também explica por que o risco é menor aqui do que numa resposta pública para cliente: o público é interno, o volume de perguntas se repete todo mês, e mais de 100 agentes pré-configurados por área e rotina já cobrem boa parte do que RH, TI e financeiro respondem sempre. Um erro interno vira uma correção rápida; um erro para fora da empresa vira um problema de outra dimensão.
O ganho aparece primeiro nas quase três horas de tempo perdido por chamado que a HappySignals mediu — porque cada dúvida resolvida sem espera é tempo que volta para o trabalho de quem perguntou, multiplicado pelos 10.675 chamados médios que um time de suporte processa todo mês.
Um roteiro para começar
Antes de pensar em IA na frente do cliente, vale medir o que já acontece dentro de casa:
- Liste as cinco dúvidas que RH, TI e financeiro respondem toda semana. Se ninguém souber listar de cabeça, isso já mostra que o conhecimento vive na pessoa, não em um lugar consultável.
- Pergunte de onde vem a resposta hoje. Se for "cada um responde do próprio jeito", o risco não é a falta de IA — é a ausência de uma fonte única aprovada.
- Separe o que pode ser automático do que precisa de aprovação humana. Uma dúvida sobre horário de expediente não é o mesmo risco que liberar acesso a um sistema financeiro.
- Comece pela área com maior volume, não pela mais visível. O ganho de tempo perdido costuma estar em TI ou RH, não no time que fala com o cliente.
- Meça o tempo de espera antes e depois. É o número que transforma a mudança de "parece mais rápido" em "está medido que ficou mais rápido".
