IA Agêntica na Cobrança

A cobrança é uma das operações mais ingratas de um banco, fintech ou varejista com crediário. O volume é alto, o contato é caro, a taxa de resposta é baixa e a qualidade da conversa varia muito de um operador para outro. É também um terreno em que a IA agêntica, quando bem desenhada, entrega resultado mensurável sem exigir que o agente decida o que não deve decidir.

Nota: os números deste artigo são ilustrativos, baseados em ordens de grandeza que operações de cobrança costumam relatar, e não representam um cliente específico.

O problema: cobrar em escala, com empatia e dentro da regra

Uma carteira em atraso de médio porte pode ter centenas de milhares de contratos. A régua tradicional dispara a mesma mensagem para perfis muito diferentes, e o operador humano é acionado tarde, quando a dívida já está mais velha e a chance de acordo menor. Há ainda o risco regulatório: horários de contato, tom da abordagem e transparência sobre juros e descontos são fiscalizados e podem gerar passivo.

O resultado costuma ser um custo alto por real recuperado e uma experiência ruim para o cliente, que muitas vezes quer pagar, mas não encontra uma condição que caiba no orçamento dele.

Como o agente de cobrança funciona

O desenho que vem funcionando separa com clareza o que é do agente e o que é da política. O agente conversa, entende a situação do cliente e propõe acordos, mas só dentro de uma faixa definida pela área de crédito: desconto máximo, número de parcelas, entrada mínima e prazo de validade da oferta. Qualquer coisa fora dessa faixa sobe para um negociador humano.

• Priorização: um modelo de propensão ordena a carteira por probabilidade de pagamento e define quem recebe contato, em qual canal e em qual horário.
• Negociação: o agente apresenta opções de acordo, simula parcelas, responde dúvidas e registra o aceite, sempre consultando a política em vez de improvisar condições.
• Fechamento: gera o boleto ou o Pix do acordo e acompanha o pagamento, reabrindo a conversa se a primeira parcela não entrar.
• Escalonamento: casos de reclamação, contestação, vulnerabilidade ou valores altos vão direto para uma pessoa, com o histórico resumido.

Resultados ilustrativos

Em um cenário típico de carteira de crédito pessoal, comparando seis meses de operação com o agente contra a régua anterior, as ordens de grandeza costumam ser estas (valores ilustrativos):

• Taxa de contato efetivo: de 18% para 41%, porque a abordagem acontece no canal e no horário em que o cliente responde.
• Acordos fechados sem intervenção humana: cerca de 55% do total.
• Recuperação em 60 dias: aumento de 15% a 25% sobre a base anterior.
• Custo por real recuperado: redução de aproximadamente 30%, com os negociadores concentrados nos casos complexos.

O ganho mais subestimado é a qualidade da conversa: o agente não se irrita, não tem pressa e oferece a mesma clareza às 21h de uma terça ou no sábado de manhã, o que tende a melhorar a satisfação mesmo em um contexto difícil.

Cuidados de conformidade e governança

Cobrança é uma atividade regulada, e o agente precisa nascer com isso incorporado. Alguns pontos não são negociáveis: respeito às regras de horário e frequência de contato, identificação clara de que o cliente fala com um assistente automatizado, transparência total sobre juros, encargos e descontos, e tratamento adequado de dados pessoais conforme a LGPD. Clientes que se declaram em situação de vulnerabilidade, que contestam a dívida ou que pedem atendimento humano precisam ser encaminhados imediatamente.

Do ponto de vista de gestão, vale monitorar a taxa de escalonamento, o número de reclamações por mil contatos e a aderência às faixas de oferta. Registrar cada conversa e cada decisão torna a operação auditável e acelera a melhoria contínua.

A lição para o executivo é a mesma de outros casos de IA agêntica: a autonomia é desenhada, não concedida. Quem define bem os limites da política, o momento de chamar uma pessoa e os indicadores de acompanhamento colhe a eficiência sem abrir mão de controle nem de reputação.