VR 
No Summit Mulheres nas Profissões, o painel “Quando a IA transforma a experiência do cliente em inovação” reuniu Talita Paschoini (Diretora de Tecnologia e Plataforma do Magalu Entregas), Nina Silva (CEO do Movimento Black Money) e Socorro Macedo (cofundadora e diretora da LeFil Company), com mediação de Daniele Botaro (AI Adoption Lead na Oracle), na Arena Turquesa.
A conversa começou desmontando o hábito mais comum das empresas que estão entrando nesse assunto agora. Confira os principais insights!
“Onde eu posso aplicar IA?” é a pergunta que quase todo mundo está fazendo. E esse não é caminho certo.
A colocação veio da mediação e organizou o painel inteiro: a pergunta certa é qual problema você quer resolver. Se, resolvido o problema, a IA fizer isso mais rápido ou de forma mais eficiente, ótimo. Começar pela ferramenta produz projeto que impressiona em demonstração e não muda indicador nenhum.
Existe uma variação disso no pedido que chega pronto: quero um agente que faça tal coisa. “Agente” virou a palavra do ano, e com ela voltou a expectativa de apertar um botão e resolver amanhã um problema que a empresa nunca mapeou.
O segundo deslocamento apontado foi o de escopo. Experiência do cliente não cabe em um departamento: marketing, design, venda, estoque, reclamação e entrega são o mesmo sistema. Otimizar um pedaço sem olhar a cadeia costuma empurrar o problema para o pedaço seguinte. Vale também para cliente interno, que é a realidade de boa parte das áreas dentro de uma empresa grande.
Usar IA para o problema não acontecer
O melhor uso de IA em experiência do cliente não é resolver rápido o problema. É fazer com que ele não se manifeste.
O exemplo mais concreto do painel foi sobre prazo de entrega em ecommerces. O modelo tradicional promete o prazo cadastrado para aquele CEP ou estado, um número fixo, definido antes e revisado quase nunca. O resultado aparece nas duas pontas: quando a operação entrega antes do prometido, a empresa perde venda por prometer demais; quando entrega depois, frustra quem comprou.
Com histórico de entrega por região, a promessa passa a ser calculada a partir do que a operação realmente faz. Se naquela região a entrega acontece um dia antes, a promessa pode ser antecipada. Se está atrasando dois dias, a promessa se ajusta antes de virar reclamação. E se a performance melhora, a resposta muda na próxima compra daquele cliente.
O ponto técnico por trás disso é o que mudou de fato. Em sistemas tradicionais, era preciso codificar um caminho previsível a partir de dados cadastrados. Agora é possível customizar a resposta em tempo real, cruzando um volume de informação que não caberia em regra fixa.
E há um efeito colateral interessante: o cliente nem percebe. Como não virou problema, virou boa experiência.
Isso conecta com acessibilidade de um jeito pouco óbvio. Quanto mais simples a solução, menos letramento ela exige, menos treinamento consome e menos medo produz em quem vai usar.
Personalização de verdade começa onde a persona termina
O painel foi bastante crítico com a forma como o mercado passou duas décadas dizendo que segmentava.
A crítica: persona construída a partir de recorte demográfico não é segmentação, é massificação com outro nome. “Mulher acima de 40” descreve um grupo enorme de pessoas que não têm quase nada em comum. E qualquer retrato desse tipo já nasce velho, porque comportamento muda de contexto em contexto, de compra em compra.
A alternativa apresentada foi a de comunidades digitais: espaços governados pela marca, com regra e segurança, onde a conversa acontece de forma observável, em vez de ficar dispersa em rede social regida por algoritmo de terceiro. Não é comunidade no sentido territorial, é espaço de diálogo.
O caso citado foi o da “Comunidade de Sellers Mulheres de Negócios de Luiza”. Com IA aplicada à escuta dessas conversas, dá para identificar problema que está surgindo antes de ele chegar como reclamação formal, e o que ainda está por vir. Um dos achados dessa escuta virou negócio: uma vitrine dentro do aplicativo dedicada às vendedoras da própria comunidade.
O argumento é de escala, não de tecnologia por tecnologia. Entender o que cada pessoa está tentando dizer em uma comunidade grande não é tarefa que time humano faça na mão.
A IA segue padrões de desigualdade que já existem na sociedade
Foi o recorte mais afiado do painel, e o que mais mexe com quem constrói modelo preditivo.
Dados históricos carregam quem o sistema nunca enxergou. Uma pessoa sem histórico de movimentação bancária não consegue crédito, porque o modelo pede exatamente aquilo que a exclusão impediu de existir. Um CEP passa a funcionar como critério de negativa. E a IA treinada nesse histórico não corrige o padrão: ela o escala, com aparência de neutralidade técnica.
A inversão proposta é tratar a desigualdade como oportunidade de mercado mal explorada, e usar modelo preditivo para o oposto do que ele costuma fazer. Em vez de negar crédito pela ausência de histórico, identificar capacidade de pagamento por comportamento de consumo e de negócio. Segundo o que foi apresentado, empreendedoras avaliadas por esse caminho podem apresentar comportamento de pagamento melhor que o de empresas grandes com prazo alongado.
Os dados brasileiros dão o tamanho do desequilíbrio. O Relatório de Cidadania Financeira 2025, do Banco Central, foi o primeiro a segmentar por gênero e raça: entre pessoas de baixa renda inscritas no Cadastro Único, mulheres negras enfrentam taxas médias de até 140% ao ano, contra 128% de mulheres brancas, 110% de homens negros e 97% de homens brancos. Pesquisa do Instituto Rede Mulher Empreendedora mostra que 29% dos pedidos de crédito de empreendedoras negras são negados, contra 23% dos de empreendedoras brancas.
Sem confiança, a melhor experiência não se sustenta
A última camada da conversa foi a que menos aparece em apresentação de tecnologia: o cliente desconfia.
A leitura mais comum de quem está do outro lado não é “que experiência fluida”. É: isso está aqui para me vigiar, para me empurrar o produto que sobrou no estoque, para manipular minha decisão. Quando essa suspeita se instala, personalização passa a ser lida como perseguição, e a experiência inteira trabalha contra a marca.
O painel também tratou o fator humano como o elo determinante em segurança da informação, o que é sustentado pelos dados do setor: o relatório anual de investigação de vazamentos da Verizon aponta que cerca de 60% das violações envolvem elemento humano, seja erro, uso indevido de credencial ou engenharia social.
Daí a insistência em letramento nas duas pontas. De um lado, formar quem vai usar a tecnologia, incluindo quem seria empurrado para fora do mercado por ela. Do outro, formar quem empreende pequeno, para que a IA não pare no site ou na venda por aplicativo de mensagem, e chegue ao entendimento de que um agente precisa ser treinado por alguém.
O dado que abriu o painel serve de fecho. Foi citado que cerca de 80% das decisões de compra do domicílio passam pelas mulheres. Ou seja, quem decide majoritariamente o consumo segue sub-representado em quem projeta os modelos que definem o que será oferecido, a quem e a que preço.
A tecnologia fica nos bastidores, a decisão não
O celular é a interface. O que roda atrás dela é que define a experiência, e é ali que estão as escolhas: qual problema resolver, qual dado usar, qual pergunta o modelo responde, quem entra na base de treinamento e quem foi deixado fora dela.
Nenhuma dessas decisões é técnica. Todas são de negócio.
