Nossa leitura
A Replicant fica entre a linha telefônica e os processos do contact center, e seus casos de clientes a mostram em tarefas delimitadas e de alto volume: pagamentos, agendamentos, status e cancelamento de viagens. As fontes documentam voz, chat, SMS e controles de segurança, mas não como funcionam as conexões de telefonia e de sistemas internos. Peça que a demonstração comprove isso antes de ampliar o escopo.
Onde o agente fica na telefonia
A Replicant descreve agentes de IA que conduzem conversas de atendimento ao cliente por voz, chat e SMS para contact centers. A ficha do catálogo cita integrações com Genesys, Cisco, Five9, Talkdesk, NICE inContact e Ujet, além de Salesforce, Zendesk, ServiceNow, Stripe, Shopify e SAP. É uma lista de nomes, não uma descrição de como uma chamada passa de um sistema para outro.
A NJ TRANSIT mostra a postura pretendida. O serviço de paratransporte Access Link não trocou o sistema telefônico: Namecca Parker, responsável pelo Access Link, explica que uma solução que complementa o que já existe era mais fácil de justificar do que refazer toda a telefonia. A IA assumiu os dois tipos de chamada mais frequentes, status e cancelamento de uma viagem, e os casos mais difíceis vão para pessoas. Na Sunrun, o relato diz apenas que houve integração com os sistemas existentes, sem detalhar o mecanismo.
Dados do negócio e o que acontece com a intenção de quem liga
Segundo o fornecedor, os agentes podem ser construídos a partir das conversas existentes da empresa e combinam modelos de linguagem com raciocínio determinístico para decisões de negócio. As fontes não esclarecem quais regras o cliente configura nem quem as altera.
A ECSI dá a imagem mais clara dessa etapa. Seus agentes autenticam primeiro quem liga, captam a intenção e então resolvem ou encaminham a chamada em três produtos sazonais: formulários fiscais, reembolsos e gestão de empréstimos. Em caso de escalonamento, a pessoa recebe um resumo e não recomeça do zero. A Fanatics descreve a mesma passagem: quando é preciso uma pessoa, a chamada chega com o contexto já coletado.
Execução: o que os exemplos de clientes mostram
A Sunrun começou pelas chamadas de pagamento e depois acrescentou a adesão ao débito automático, o atendimento fora do horário e o espanhol. A Bulwark Pest Control automatizou primeiro agendamentos e pagamentos, criou fluxos de chamada sob medida, encaminhou aos especialistas e testou em A/B as aberturas da chamada. O caso também menciona chat e SMS como expansão, mas é contraditório sobre se já foi lançada; considere isso não confirmado. Nos dois casos, o trabalho das pessoas se deslocou para os casos complexos.
Os números são publicados pelo fornecedor ou relatados pelos clientes, de negócios e métricas diferentes: servem de ilustração, não de benchmark. A Sunrun informa que metade das chamadas relacionadas a pagamentos é resolvida pela IA. A NJ TRANSIT relata 12.000 chamadas automatizadas por semana e 45% de resolução, e diz que os supervisores agora fazem coaching em vez de ajudar na fila. Nenhum relato nomeia o sistema interno que executou um pagamento ou um cancelamento.
Supervisão, acesso e tratamento de dados
A página de segurança da Replicant afirma que a plataforma captura e analisa todas as conversas em todos os canais e agentes, para rastreabilidade e auditabilidade. Descreve também a remoção automática de trechos sensíveis, como dados pessoais e de pagamento, em transcrições, registros e análises de qualidade, além de permissões granulares com trilhas de auditoria, controle de acesso por função e autenticação multifator. O fornecedor cita SOC 2 Type 2, PCI DSS e HIPAA e diz que foram validadas de forma independente.
Sobre treinamento, a ficha do catálogo indica que dados de clientes não são usados para treinar modelos por padrão. A página de segurança é mais firme: os dados nunca são retidos, reutilizados nem usados para treinamento. Como as formulações diferem, coloque o compromisso exato, com eventuais exceções, no contrato.
A Fanatics ilustra a supervisão em uso. Depois de adotar o Conversation Intelligence, descobriu que cerca de um terço das chamadas tinha códigos de encerramento incompletos ou imprecisos; agora cada interação é etiquetada automaticamente. Ainda trabalhava para levar esses dados ao CRM, então é uma etapa de análise, não uma ação automatizada.
Antes de ampliar: sugestões editoriais
São recomendações nossas, não capacidades do fornecedor. Os clientes citados começaram de forma delimitada, mas não idêntica: a NJ TRANSIT com dois tipos de chamada, a Sunrun com pagamentos, a Bulwark com agendamentos e pagamentos. Faça algo parecido com o seu tipo de chamada mais repetitivo e peça para vê-lo de ponta a ponta no seu ambiente.
Pergunte qual plataforma de telefonia transporta a chamada e como ela é transferida a uma pessoa. Pergunte quais operações internas o agente pode ler e quais pode gravar. Confira se a pessoa recebe o contexto e se a remoção de trechos sensíveis deixa material suficiente para o controle de qualidade. Acrescente chat e SMS quando o primeiro tipo de chamada se comportar como você espera.
Método e limites
2026-11-09
Este instantâneo datado conta empresas distintas com evidências públicas de clientes. CONFIRMED indica um estudo de caso, uma citação nominal ou uma fonte de imprensa; DECLARED, uma declaração da própria empresa; OBSERVED, uma lista de clientes do fornecedor; SIGNAL, um anúncio de vaga. Os quatro níveis contam, com solidez diferente. Linhas removidas ou sem nível ficam de fora. Os exemplos são uma seleção limitada, verificada nos últimos 90 dias. Os dados do fornecedor vêm de fontes verificadas nos últimos 60 dias. A cobertura é desigual, e a ausência de evidências significa que o dado é desconhecido. Estes números não medem participação de mercado nem desempenho; datas de captura não são datas de adoção.
