WhatsApp AI
A IA responde “não tenho essa informação” toda hora. O que revisar primeiro?
ClassMaster · Atualizado

O atendimento foi colocado no ar, mas a equipe continua recebendo as mesmas perguntas. Ao conferir as conversas, percebe que a IA encaminha quase tudo: uma dúvida de tamanho, uma pergunta sobre retirada e até uma diferença básica entre produtos. A resposta é educada. A ajuda oferecida ao cliente continua pequena.
A base de conhecimento do chatbot WhatsApp deve separar produto ausente, regra conflitante e decisão que exige uma pessoa. Cada tipo de lacuna pede uma correção diferente.
Quando isso acontece, a primeira revisão deve identificar por que a informação não chega à resposta. Pode faltar conhecimento aprovado, existir uma contradição ou haver uma regra de encaminhamento ampla demais. Aumentar o tamanho do texto de instrução sem entender a causa pode apenas tornar o problema mais difícil de localizar.
Base de conhecimento do chatbot WhatsApp: localize a lacuna
Escolha perguntas reais, retirando os dados pessoais antes de compartilhar fora do ambiente necessário. Para cada uma, confira o material que estava disponível naquele momento. A empresa possui a resposta? Ela está escrita? Está atualizada? A pergunta pede algo que deveria mesmo ser confirmado por uma pessoa?
Essa leitura permite criar grupos úteis. Uma falta de medida do produto pede complemento da ficha. Duas condições de entrega diferentes pedem uma decisão sobre a versão correta. Um pedido especial de desconto pede encaminhamento. São trabalhos distintos, embora possam terminar com a mesma frase de “não sei”.
Evite avaliar apenas se o texto soa natural. Uma resposta fluente que inventa uma medida é pior do que um encaminhamento necessário. Ao mesmo tempo, encaminhar uma dúvida simples que já possui informação aprovada desperdiça tempo da equipe. A revisão deve preservar os dois lados.
Quando a informação existe, mas não ajuda
Imagine uma loja de roupas em um exemplo ilustrativo. O catálogo informa P, M e G, mas o cliente pergunta sobre as medidas da peça. A base tem tamanhos, porém não contém o dado solicitado. Acrescentar “responda sempre sobre tamanhos” não cria uma tabela de medidas.
Outro problema seria a ficha usar um código interno enquanto o anúncio apresenta um nome comercial. Nesse caso, a correspondência pode não estar clara. Registre os nomes usados pelo público e as variações reconhecidas. Não é necessário adivinhar o produto quando existe dúvida; é melhor pedir uma confirmação curta.
Informações extensas também podem falhar por falta de organização. Uma política de troca espalhada entre arquivos e mensagens antigas é difícil de manter coerente. Consolide a regra aprovada, indique a origem e retire versões substituídas do material ativo. Preserve o histórico onde ele for necessário, sem deixá-lo competir com a orientação atual.
Use uma lista de revisão que produza decisões
Uma ficha de correção pode conter a pergunta, a resposta obtida, o resultado esperado e a ação necessária. Acrescente quem aprova a mudança. O objetivo é impedir que a revisão termine apenas em comentários como “melhorar a IA”.
- Falta informação: obter e aprovar o dado com a equipe responsável.
- Existe conflito: escolher a regra válida e retirar a alternativa antiga.
- O pedido é específico: encaminhar com os detalhes já recebidos.
- A pergunta está ambígua: ajustar o esclarecimento antes de responder.
- A resposta correta não apareceu: revisar o acesso ao conhecimento e testar o comportamento.
Esses grupos não exigem que todos os erros sejam técnicos. Muitas correções pertencem à própria operação. Se nem os vendedores concordam sobre a condição, a IA não deve decidir por eles.
Nos serviços da ClassMaster, a organização do conhecimento e do encaminhamento faz parte da conversa sobre implementação. Você pode usar a demonstração de funcionamento para pensar no que deve ser respondido e no que precisa chegar preparado à equipe.
Teste a correção contra perguntas diferentes
Depois de corrigir uma ficha, repita a pergunta que revelou o problema. Em seguida, faça uma variação natural. Se a falha era sobre medidas, experimente uma comparação entre modelos ou uma pergunta em que o cliente não informa o tamanho. A resposta precisa continuar correta quando falta contexto.
Verifique também uma pergunta que deve ser encaminhada. Uma correção que torna o atendimento mais confiante pode, sem intenção, fazê-lo ultrapassar o que está aprovado. O teste deve confirmar que a informação nova melhora a resposta sem autorizar promessas adicionais.
Guarde o resultado em uma lista curta de perguntas de referência. Quando o catálogo ou a política mudar, essas perguntas ajudam a detectar se algo voltou a falhar. A manutenção se torna um trabalho organizado, em vez de uma reação a cada reclamação.
Para continuar: Chatbot de produtos no WhatsApp: prepare seu catálogo e Empresa de chatbot WhatsApp: teste antes de contratar.
Se sua equipe passa o dia respondendo dúvidas que o atendimento deveria conseguir preparar, converse com a ClassMaster no WhatsApp. Uma amostra dos tipos de pergunta, sem dados pessoais, já permite discutir onde falta conhecimento, onde existe ambiguidade e onde o julgamento humano continua necessário.
