Tempo de resposta em Ouvidoria não é detalhe, é confiança pública.
Esta Ouvidoria precisava lidar com um volume crescente de e-mails, que eram lidos, classificados e encaminhados manualmente por um ouvidor. A Data Facts entrou para aplicar IA e machine learning na triagem, transformando um processo pesado em um fluxo rápido, padronizado e mais seguro.
Objetivo
Reduzir o tempo gasto na leitura, categorização e encaminhamento de e-mails da Ouvidoria, diminuindo o risco de falhas de priorização e encurtando o tempo de resposta ao cidadão, por meio de um modelo de IA capaz de classificar automaticamente o tipo de manifestação.
Duração
2 meses entre entendimento do processo atual, preparação dos dados, modelagem de IA, testes e implantação em produção.
Equipe
Time Data Facts de machine learning e dados, em parceria com a equipe da Ouvidoria e áreas de TI envolvidas.
Categoria
Machine Learning aplicado à automação de triagem e encaminhamento de manifestações de Ouvidoria.
Desafio
Todo o fluxo de atendimento começava em um único ponto: o ouvidor.
Cabia a essa pessoa ler e interpretar manualmente cada e-mail, decidir o tipo de manifestação e encaminhar para a área correta. Entre os problemas identificados:
-
Alto volume de e-mails com temas diversos e níveis diferentes de urgência
-
Processo de leitura e categorização totalmente manual
-
Risco de atrasos em demandas sensíveis por conta da fila de leitura
-
Possibilidade de falhas na priorização e inconsistência na classificação
-
Tempo da equipe consumido em triagem, em vez de atendimento qualificado ao cidadão
O modelo atual não escalava bem. Conforme o volume de manifestações aumentava, cresciam também o tempo de resposta e a pressão sobre a equipe.
Solução
A Data Facts estruturou uma solução de IA para classificar automaticamente os e-mails de Ouvidoria e automatizar o encaminhamento inicial.
Os principais passos do projeto foram:
-
Mapeamento detalhado dos tipos de manifestação, como elogio, reclamação, denúncia, solicitação, sugestão e casos urgentes
-
Preparação e rotulagem de dados históricos, com base na experiência da própria equipe de Ouvidoria
-
Criação de um modelo inteligente de classificação de e-mails, capaz de identificar automaticamente o tipo de manifestação a partir do conteúdo
-
Implementação de um fluxo de automação que, ao reconhecer o assunto, sugere ou encaminha diretamente o e-mail para a área responsável
-
Padronização de regras de priorização e de respostas, garantindo tratamento consistente para demandas semelhantes
A solução foi desenhada para se integrar ao fluxo já existente, sem exigir grandes mudanças culturais, mas reposicionando a equipe para atividades de maior valor.
Resultados
Com a IA atuando na linha de frente da triagem, a Ouvidoria ganhou velocidade e consistência. Entre os resultados alcançados:
-
Criação de um modelo inteligente de classificação de e-mails, capaz de identificar automaticamente o tipo de manifestação
-
Aumento de eficiência em aproximadamente 4 vezes no fluxo de triagem
-
Automação completa do encaminhamento inicial: após a classificação, o sistema sugere ou direciona o e-mail para a área correta
-
Padronização das respostas e redução de erros humanos na categorização e priorização
-
Melhor utilização da equipe da Ouvidoria, que passou a focar em atendimento estratégico, análise de casos complexos e melhoria contínua do serviço
Na prática, a Ouvidoria conseguiu responder mais rápido, com mais segurança e transparência, fortalecendo a confiança do cidadão no canal.
