Transferências para humano: entenda quando e por que a IA passa uma conversa para um executivo
Toda vez que a IA move uma conversa para uma etapa de atendimento humano, ela deixa um sinal: um cliente que pediu para falar com uma pessoa, uma instrução que você mesmo definiu ou uma pergunta que ela não conseguiu responder. Vistas uma a uma, esses encaminhamentos parecem casos isolados. Vistas em conjunto, mostram com precisão em quais momentos a sua operação precisa de cobertura humana e o que falta ao seu assistente para resolver mais por conta própria.
A seção Encaminhamentos para atendimento humano, dentro de Insights, reúne essas informações em um só lugar: quantos encaminhamentos houve, em quais horários eles se concentram e por qual motivo cada um aconteceu. Neste artigo, você verá como ler cada parte e como transformá-la em decisões concretas sobre os turnos dos seus executivos e o conteúdo da sua Knowledge Base.
💡 Para acessar: no menu à esquerda, vá para Serviço e depois para Insights. Abra a aba Métricas e role até a seção Encaminhamentos para atendimento humano.

Tudo o que você vê corresponde a um funil e a uma semana
Insights analisa um funil por vez. No painel à esquerda, você escolhe o funil que quer revisar e a semana da análise, e toda a seção é recalculada com esses dados. Por isso, antes de tirar conclusões, vale confirmar que você está olhando o funil correto: os encaminhamentos de Customer Support contam uma história diferente da de um funil comercial.
Quantos encaminhamentos houve e de onde eles vêm
À direita da seção, você encontrará os dois números que resumem o período. Encaminhamentos é o total de conversas que passaram para atendimento humano na semana. Tickets com atividade é o volume total de tickets que tiveram movimentação nesse mesmo período, e serve como referência para dimensionar o dado: 358 encaminhamentos sobre 553 tickets com atividade não significam o mesmo que 358 sobre 5.000. Ambos os indicadores mostram a variação em relação à semana anterior, para que você veja se a tendência sobe ou desce.
À esquerda, os filtros separam os encaminhamentos de acordo com a origem:
IA: a conversa foi encaminhada por decisão do assistente.
Workflow: o encaminhamento foi gerado por um fluxo automatizado que você configurou.
Outro: encaminhamentos originados fora dos dois casos anteriores.
Cada filtro mostra sua própria contagem e sua variação semanal, então você pode identificar de imediato se a alta de encaminhamentos vem do assistente ou das suas automações. Ao selecionar um filtro, o mapa de calor se ajusta somente a esse grupo.
Em quais horários eles se concentram
O mapa de calor cruza os dias da semana com as horas do dia: cada linha é um dia, de segunda a domingo, e cada coluna uma hora, de 0 a 23. A intensidade da cor indica quantos encaminhamentos ocorreram naquele bloco, de acordo com a escala que aparece abaixo do gráfico. Os blocos mais escuros são os seus horários críticos.
Ler este mapa leva segundos e responde a uma pergunta muito concreta: em quais momentos chegam clientes que precisam de uma pessoa e não há ninguém disponível para atendê-los? Se você vê concentração às quartas-feiras ao meio-dia, mas sua equipe reforça as segundas-feiras pela manhã, existe uma desalinhamento claro entre a demanda real e o seu planejamento de turnos.
Por que a IA encaminhou cada conversa
O botão Ver encaminhamentos abre a análise de motivos no PandAI, que agrupa os encaminhamentos do período em categorias e mostra quanto cada uma representa. No exemplo da semana de 17 a 23 de agosto, no funil Customer Support, os 251 encaminhamentos se organizam assim:
Cliente pediu para falar com uma pessoa
108
43,0 %
Encaminhamento definido por uma instrução
80
31,9 %
A IA não conseguiu resolver o caso
60
23,9 %
Sem motivo detalhado
3
1,2 %
Cada categoria vem com um exemplo real da conversa que a originou, o que evita ter que adivinhar a que ela se refere. A distinção mais importante está entre as duas primeiras e a terceira: se um cliente pede para falar com uma pessoa ou se uma instrução sua determina o encaminhamento, o assistente está funcionando como deveria. Quando a IA não conseguiu resolver o caso, por outro lado, há uma lacuna real que você pode fechar.

💡 O detalhe do motivo de cada encaminhamento está disponível para assistentes V3.
Aprofunde-se em um motivo
Abaixo da tabela, você pode escolher um tipo de motivo para analisá-lo em detalhe. O PandAI pega esse grupo e o desdobra em padrões, indicando em cada um o que falta à IA para resolver isso e mostrando exemplos textuais dos casos.
Ao abrir "A IA não conseguiu resolver o caso" do exemplo anterior, os 60 casos são agrupados em padrões como conexões e sincronização com canais ou serviços externos, processos e documentação do produto, ou agenda, pagamentos e automações operacionais. Junto a cada padrão aparece a informação que o assistente precisava e não tinha: por exemplo, diagnóstico de conexões e permissões com WhatsApp ou Google Sheets, ou acesso a processos administrativos e de faturamento. A análise termina com casos representativos datados, que você pode revisar diretamente na conversa.
Quando um motivo agrupa muitos encaminhamentos, o PandAI analisa os mais recentes e informa o tamanho da amostra sobre a qual calculou os percentuais. É um detalhe importante na hora de citar números: os percentuais descrevem essa amostra, não necessariamente o total do período.

O que fazer com estas informações
Ajustar a cobertura dos seus executivos
O mapa de calor diz exatamente onde colocar as horas da sua equipe. Identifique os blocos com maior concentração de encaminhamentos e compare-os com os turnos que você tem hoje: se houver demanda contínua em horários sem cobertura, esses clientes estão esperando mais do que o necessário. Filtrar por origem IA ajuda a separar a demanda genuína por atendimento humano do ruído gerado pelas automações.
Fechar as lacunas do seu assistente
Os encaminhamentos agrupados em "A IA não conseguiu resolver o caso" são sua lista de trabalho priorizada. Cada padrão aponta para uma de duas ações: adicionar conteúdo à Knowledge Base quando falta informação, ou ajustar a configuração e as instruções do assistente quando o problema está em como ele responde. Ao revisar isso semana a semana, você verá esse motivo perder peso frente aos demais à medida que o assistente resolve mais casos sozinho.
Em resumo
Encaminhamentos para humano transforma um evento cotidiano — uma conversa que muda de etapa — em duas decisões concretas: quando você precisa de pessoas disponíveis e o que seu assistente precisa aprender. O mapa de calor organiza seus turnos com dados reais de demanda, e a análise de motivos entrega, semana a semana, uma lista clara do que falta à IA para resolver mais por conta própria. Revisá-la a cada nova análise semanal é a forma mais direta de melhorar o atendimento sem sobrecarregar sua equipe.
Isto foi útil?

