Depois de automatizar parte do atendimento, revise regularmente algumas conversas reais. Separe os erros por tipo, defina quando interromper a automação e corrija a regra, a fonte ou a etapa que causou o problema.
Essa revisão acontece depois que a ferramenta entra na rotina. Ela não substitui o teste feito antes da contratação. O objetivo é descobrir como o sistema se comporta quando mudam as perguntas, a equipe, as regras ou as informações usadas nas respostas.
Em resumo
- Separe conversas variadas, não apenas reclamações.
- Compare a pergunta recebida, a sugestão da IA, a resposta enviada e o que aconteceu depois.
- Classifique tipo e gravidade do erro antes de ajustar o sistema.
- Retire da automação os tipos de pedido que apresentarem falhas graves.
- Meça também o trabalho humano criado pela revisão.
Revise diferentes tipos de conversa, não apenas reclamações
Se a equipe revisa apenas reclamações, enxerga o que ficou evidente. Erros silenciosos podem continuar: informação desatualizada, contexto perdido, promessa indevida ou conversa encerrada sem próximo passo.
Separe um grupo pequeno de conversas com frequência. Inclua horários diferentes, tipos de pedido, mensagens incompletas, conversas transferidas e situações que saem do roteiro esperado.
Não existe um percentual que sirva para toda operação. Comece com uma quantidade que a equipe consiga revisar sempre. Aumente temporariamente esse número depois de mudar a ferramenta, o roteiro, as fontes ou as regras de encaminhamento.
A TIC Saúde 2025 estimou que 18% dos estabelecimentos de saúde do país usavam IA em 2025. Entre esses usuários, 48% citavam automação de processos.
O levantamento ouviu 3.270 gestores no Brasil. Em 2025, a investigação de Big Data e IA passou a incluir todos os estabelecimentos com computador, não apenas aqueles com área de TI.
Essa mudança limita comparações diretas com 2024. A pesquisa ajuda a entender o avanço do uso, mas não define uma taxa de erro nem uma forma única de revisão para cada organização.
Defina os tipos de erro antes de começar
Sem categorias comuns, cada pessoa chama de “erro” uma coisa diferente. Use um conjunto curto e adapte à rotina:
- Informação administrativa incorreta: horário, local, documento ou disponibilidade diferente da fonte revisada pela equipe.
- Contexto perdido: a resposta ignora uma informação já fornecida ou pede repetição desnecessária.
- Resposta pouco clara: o texto é confuso, longo, genérico ou não mostra o próximo passo.
- Conteúdo fora do limite: a automação responde a um assunto que deveria ser encaminhado.
- Exposição desnecessária: a mensagem solicita, repete ou mostra dados além do necessário.
- Falha no encaminhamento: o caso precisava de uma pessoa, mas continuou no atendimento automático.
Depois, classifique a gravidade. Uma frase pouco natural pode pedir apenas um ajuste. Um endereço errado exige correção rápida. Uma orientação clínica indevida ou a exposição de dado sensível exige interrupção imediata e encaminhamento ao responsável.
Compare o que a pessoa perguntou com o que aconteceu depois
Olhar apenas a resposta final esconde como o problema aconteceu. Em cada conversa selecionada, confira:
- o pedido recebido;
- a sugestão ou ação da IA;
- a resposta realmente enviada;
- o que aconteceu depois e quem ficou responsável pelo próximo passo.
Essa comparação mostra se a equipe corrigiu o rascunho, aprovou uma resposta inadequada ou precisou escrever tudo novamente.
Um estudo observacional publicado em 2025 analisou registros de uso por 75 profissionais em um sistema acadêmico de saúde nos Estados Unidos. A utilização dos rascunhos ficou em 19,4% nas situações elegíveis.
O sistema também gerou rascunhos para muitas mensagens que não receberam resposta. Os autores observaram que isso poderia aumentar o trabalho de conferência, mas não conseguiram determinar se todos os rascunhos foram realmente lidos.
O estudo ocorreu em um único sistema, com mensagens de portal e uma rotina clínica própria. Ele não serve como parâmetro para recepções brasileiras. A conclusão prática é uma inferência: gerar mais rascunhos pode aumentar o trabalho sem melhorar o atendimento.
Confira se a automação realmente reduziu o trabalho
Uma resposta gerada em segundos ainda pode custar vários minutos de conferência, correção e encaminhamento. Registre o tempo de revisão, a frequência de edição e quantas conversas precisaram ser encaminhadas de outra forma.
Um estudo de melhoria de qualidade publicado no JAMA Network Open acompanhou médicos de atenção primária em um sistema acadêmico dos Estados Unidos. O acesso a rascunhos de IA foi associado a maior tempo de leitura e respostas mais longas, sem mudança significativa no tempo gasto para redigir a resposta.
O trabalho envolveu 52 médicos distribuídos aleatoriamente entre os grupos e outro grupo de 70 profissionais acompanhado no mesmo período. O uso ainda estava no começo e ocorreu em um contexto clínico e institucional específico. Os resultados não devem ser transferidos diretamente para o atendimento administrativo no Brasil.
Use o achado para fazer uma pergunta simples: a automação reduziu o trabalho ou apenas transformou a tarefa em uma conferência que ninguém estava medindo?
O artigo sobre tempo de primeira resposta ajuda a separar confirmação rápida de resolução real. Velocidade isolada não mostra se a conversa avançou.
Defina quando encaminhar a conversa e quando pausar a automação
A equipe precisa saber quando corrigir uma mensagem, quando encaminhar o caso e quando suspender a automação para uma categoria inteira.
Defina quando a automação deve ser interrompida antes que aconteça um problema. Por exemplo:
- suspenda esse tipo de atendimento ao encontrar uma orientação clínica indevida.
- retire uma fonte desatualizada da base antes de continuar.
- encaminhe pedidos ambíguos para uma pessoa.
- revise mais conversas quando o mesmo erro reaparecer.
- registre quem autoriza o retorno da automação.
Em contextos médicos, o texto da Resolução CFM nº 2.454/2026 prevê supervisão humana e restringe a comunicação de informações clínicas sem a participação de uma pessoa qualificada. O texto oficial registra publicação em 27 de fevereiro, retificação em 5 de março e vigência após 180 dias. Essa contagem chega a 26 de agosto de 2026.
Consulte o registro consolidado do CFM antes de aplicar a norma. A resolução vale para a medicina. Outras profissões da saúde devem observar suas regras específicas.
As regras de encaminhamento também devem respeitar a escolha de quem está do outro lado. Veja o que automatizar e o que deixar com a equipe no contato com pacientes.
Corrija a causa do erro, não apenas a mensagem
Apagar uma resposta ruim não impede a repetição. Cada erro precisa voltar ao ponto que o produziu.
Use um ciclo curto:
- registre o tipo, a gravidade e a etapa;
- identifique se a causa está na fonte, no roteiro, na conexão entre sistemas ou no limite de uso;
- atribua um responsável e uma data;
- corrija apenas o componente necessário;
- revise uma nova amostra antes de ampliar novamente.
Se o problema surgiu na troca de responsável, organize a passagem de atendimento sem perder o histórico. A revisão deve corrigir a rotina, e não aumentar a cobrança sobre uma pessoa sem entender a causa.
Faça um registro simples de cada problema
Um registro simples pode conter:
- data, canal e categoria do pedido.
- ação realizada pela IA.
- resposta final e pessoa que revisou.
- tipo e gravidade do erro.
- encaminhamento adotado.
- correção, responsável e prazo.
- data da nova verificação.
Restrinja o acesso ao necessário e evite copiar dados pessoais para planilhas paralelas. A revisão precisa respeitar os mesmos cuidados de segurança exigidos no atendimento.
Para mensagens de continuidade, avalie também se o retorno ainda era útil. O guia de follow-up sem insistência oferece critérios para parar, retomar ou encerrar a conversa.
O trabalho não termina quando a automação entra no ar. A equipe precisa acompanhar as respostas enviadas, identificar erros que se repetem e reduzir o uso quando a conferência humana já não consegue evitar problemas.