Como os robôs com IA generativa estão transformando os serviços

Resumo da ideia A ideia Com o uso da IA generativa, os robôs estão deixando de ser ferramentas programadas para se tornarem parceiros de serviço adaptáveis que conversam, aprendem e interagem em tempo real, possibilitando experiências mais consistentes e personalizadas em ambientes físicos. O contexto Os avanços em grandes modelos de linguagem, IA agênica e aprendizagem comportamental permitem que os robôs interpretem nuances, se adaptem a ambientes complexos e colaborem com seres humanos, especialmente em setores que enfrentam escassez de mão de obra e expectativas crescentes em relação aos serviços. Conclusão Organizações que se concentram em casos de uso claros, supervisão humana e governança responsável podem utilizar robôs com IA generativa para aumentar a eficiência e a qualidade do serviço, ao mesmo tempo em que liberam os funcionários para se concentrarem em áreas onde a empatia, o discernimento e a resolução de problemas complexos são essenciais. Se já teve a oportunidade de viajar em um Waymo, provavelmente saiu do veículo impressionado com suas capacidades. Desde que a Alphabet lançou o projeto, em 2009, a Waymo desenvolveu uma frota de 2.500 robotáxis autônomos que já circulam em São Francisco, Miami, Phoenix e outras cidades, onde já realizaram mais de 20 milhões de viagens. Os veículos fazem mais do que apenas transportar passageiros a até 105 km/h. Eles podem responder a instruções verbais (“Toque um rap dos anos 80 no Spotify”) ou responder a perguntas (“A que horas é o jogo dos Giants?”) enquanto mudam de faixa para evitar uma van de entrega estacionada em fila dupla. Os primeiros dados de atendimento ao cliente e comentários no aplicativo Waymo One mostram que os passageiros estão entusiasmados com a experiência. A Waymo é um caso de uso específico de uma tecnologia que está amadurecendo rapidamente e se prepara para uma implantação significativa: robôs equipados com IA generativa. Muitas empresas já utilizam chatbots, agentes e tecnologias relacionadas à IA generativa para automatizar e ampliar o atendimento ao cliente, mas, na maioria desses casos, os clientes interagem com a tecnologia por meio de telas. A incorporação da IA generativa em robôs oferece às empresas a oportunidade de reinventar suas interações com os clientes em ambientes físicos — restaurantes, hotéis, hospitais, lojas de varejo e outras lojas físicas — onde o atendimento tem permanecido obstinadamente humano. Utilizando grandes modelos de linguagem (LLMs), grandes modelos comportamentais (LBMs) e IA agênica, essa nova geração de robôs pode compreender melhor o contexto, fazer inferências e proporcionar experiências personalizadas. Eles podem conversar como funcionários competentes — seguindo a lógica ao longo das trocas de fala, esclarecendo ambiguidades e explicando ideias complexas de forma simples. No passado, um paciente perguntando a um robô: “Isso vai doer? Quanto tempo vai demorar? E o que acontece se eu me sentir tonto?” sobrecarregaria os limites de seu roteiro. Mas os robôs de serviço atuais, equipados com LLMs, podem analisar essas preocupações e oferecer respostas em linguagem simples. Um robô chamado Robin já está fazendo exatamente isso, oferecendo apoio emocional em 30 unidades pediátricas e casas de repouso em todo o país. Ele se move autonomamente para cumprimentar as crianças e responder a perguntas. Os enfermeiros podem dar comandos verbais ao Robin, como “Vá para o quarto 517 por 20 minutos e, em seguida, vá para o quarto 516 por 10 minutos”. Ele também vem equipado com jogos que as crianças podem jogar usando respostas faladas. Provavelmente, este não é o primeiro artigo que o senhor lê afirmando que os robôs irão transformar o setor de serviços. É verdade que o impacto deles tem crescido mais lentamente do que os entusiastas esperavam. O mercado global de robôs de serviços profissionais, que inclui modelos para logística, saúde, limpeza e outros setores, cresceu cerca de 9% em 2024, atingindo quase 200.000 unidades vendidas. No entanto, muitos projetos-piloto estagnaram ou apresentaram desempenho abaixo do esperado. Uma pesquisa da McKinsey mostra que 71% das empresas afirmam que os altos custos iniciais são um grande desafio na adoção de robôs, e 61% apontam a falta de experiência com automação como outro grande obstáculo. Manutenção e confiabilidade continuam sendo desafios constantes, assim como a aceitação por parte de clientes e funcionários; muitas pessoas ainda preferem a interação humana, especialmente em situações complexas ou carregadas de emoção. Quando as empresas implantaram robôs voltados para o atendimento ao cliente, a maioria das implementações limitou-se a tarefas rigidamente programadas, como a entrega de serviço de quarto ou bagagem em um hotel. Esses robôs de serviço não são muito melhores do que máquinas de venda automática móveis sofisticadas. Eles seguem com precisão rotas pré-programadas, leem códigos de barras e respondem a perguntas frequentes, mas, em grande parte, não conseguiram atingir a escala ou os retornos que os primeiros usuários esperavam. No entanto, praticamente todos os principais fabricantes de robôs estão integrando a IA generativa em suas ofertas — e alguns dos primeiros resultados mostram-se realmente promissores. Venho pesquisando robótica avançada há mais de uma década e, nos últimos 18 meses, viajei pela Europa, Ásia e América do Norte para observar a implantação de robôs de serviço físico equipados com IA generativa em 14 organizações que atuam nos setores de serviços financeiros, saúde, educação, hotelaria e outros. Neste artigo, descreverei como as empresas podem utilizar essa nova tecnologia para criar valor, mitigar riscos e desenvolver a capacidade organizacional necessária para o seu sucesso. O que são robôs com IA generativa de última geração? Os robôs habilitados para IA generativa de última geração dependem de uma combinação de tecnologias — algumas conhecidas e outras não. Atualmente, a maioria dos executivos já tem uma compreensão dos LLMs e da IA agentiva. Em um robô, os LLMs permitem a conversação, e a IA agênica acrescenta memória, planejamento, execução e reflexão. Utilizando essas tecnologias, um robô pode lembrar-se de um cliente recorrente, avaliar trade-offs (será possível fazer o check-in antecipado se a equipe de limpeza informar que o quarto está quase pronto?), planejar uma sequência de tarefas, executar etapas em sistemas digitais e espaços físicos e, em seguida, refletir sobre o que funcionou e o que não funcionou. A diferença entre robôs tradicionais, limitados a scripts, e aqueles equipados com IA agênica é como a noite e o dia. Um sistema limitado a scripts pode reconhecer que uma entrega deve ser priorizada, mas ainda assim seguir uma rota predeterminada. Um sistema agênico pode atribuir a tarefa a um humano, redirecionar a entrega e realocar recursos para viabilizá-la. Embora um robô possua inteligência específica para cada domínio (um robô em um hotel será treinado de maneira muito diferente de um em um hospital), ele é capaz de tomar decisões complexas para executar instruções de alto nível, como “fazer o check-in dos hóspedes rapidamente” ou “reabastecer o estoque de soro intravenoso até o final do turno”. Robôs com IA agregando valor em diversos setores Robin, um robô terapêutico, conforta um paciente pediátrico no UMass Memorial Medical Center. Cortesia de Robin the Robot Robôs humanóides recebem os hóspedes na recepção do Henn na Hotel, em Tóquio. Kazuhiro/AFP/Getty Images O robô humanóide Figure 02 em uma fábrica do BMW Group na Carolina do Sul. Cortesia do BMW Group Os LBMs são uma tecnologia menos conhecida. Eles são treinados com base em grandes conjuntos de comportamentos, da mesma forma que os LLMs são treinados com um volume aparentemente infinito de texto. Os LBMs ajudam os robôs a lidar com o fato de que o atendimento em um ambiente físico é imprevisível. As bandejas inclinam-se. O chão fica escorregadio. Os clientes entregam itens frágeis. Assim sendo, é impossível programar robôs para todas as contingências. Em vez disso, os desenvolvedores ensinam os robôs a aprender usando LBMs para quaisquer contextos que sejam necessários. São os LBMs que permitem que os veículos da Waymo contornem vans estacionadas em fila dupla. Os robôs com IA generativa utilizam câmeras, microfones e sensores para aprender observando os seres humanos, fazendo perguntas e por meio de tentativa e erro. Esse treinamento pode ser realizado inicialmente no mundo real. Os robôs podem adquirir comportamentos observando algumas demonstrações (de como pegar cuidadosamente uma taça de vinho, por exemplo) e, em seguida, experimentando milhões de microvariações de velocidade, preensão e trajetória, utilizando o metaverso ou um gêmeo digital para aperfeiçoar sua abordagem. Os comportamentos também podem ser transferidos entre contextos. Se um robô aprende a manusear um copo frágil em um café, elementos dessa habilidade serão aplicados ao manuseio de frascos em uma clínica ou de mercadorias delicadas em uma boutique. Outras tecnologias facilitam a capacidade de aprendizagem dos robôs com IA generativa. A programação sem código e a aprendizagem em grupo (compartilhamento de instruções entre um conjunto de robôs), por exemplo, tornam a implementação e as melhorias mais fáceis do que eram há uma década. No passado, qualquer ajuste nos robôs exigia um ticket para o departamento de TI ou a visita de um fornecedor. O treinamento sem código (viabilizado pela IA generativa) permite que os funcionários da linha de frente ajustem o comportamento de um robô perguntando por que ele adotou uma determinada abordagem, descrevendo uma abordagem melhor e demonstrando-a fisicamente. Essa facilidade de aprimoramento reduz o tempo de ciclo para melhorias operacionais de meses para dias. Esses recursos transformam os robôs em sistemas adaptativos que integram conversação, cognição e ação física — em escala e personalizados para cada cliente. Considere os robôs em operação na fábrica de montagem de automóveis da BMW em Spartanburg, na Carolina do Sul. A indústria automotiva foi uma das primeiras a adotar a robótica; as fábricas utilizam braços robóticos simples para realizar tarefas repetitivas (como soldagem por pontos) desde a década de 1980. Mas, em 2024, a BMW começou a testar o Figure 02, um robô humanóide que representa uma ruptura radical com a automação industrial tradicional. Ao contrário dos robôs de fábrica convencionais, o Figure 02 pode se mover de forma autônoma pela fábrica usando seis câmeras integradas, interpretar o que vê e raciocinar sobre como os objetos devem ser utilizados, valendo-se de uma ampla base de conhecimento automotivo e geral. Equipado com modelos da OpenAI, ele escuta e processa a fala humana, infere a intenção mesmo a partir de instruções vagas, faz perguntas para esclarecer quando necessário e aprende com seus erros ao longo do tempo. Durante uma implantação de 11 meses, o Figure 02 contribuiu para a produção de aproximadamente 30.000 veículos BMW. Ele atuou como um par de mãos de alta precisão na oficina de carroceria, transportando e posicionando peças frágeis de chapa metálica e alinhando componentes para que os robôs de soldagem pudessem construir as estruturas dos carros. A BMW está agora atualizando para o Figure 03, um sucessor mais leve e mais alto, projetado para aplicar essas capacidades além do chão de fábrica. Em um vídeo promocional, o Figure 03 realiza tarefas como lavar louça, dobrar roupas, servir bebidas e brincar de buscar — destacando que a IA generativa está dando aos robôs a capacidade de assumir uma gama cada vez maior de funções. Como implementar robôs com IA generativa de última geração Meu trabalho com empresas mostra que os usos mais interessantes dos robôs com IA generativa de última geração envolvem tarefas de linha de frente e de atendimento a clientes e funcionários. Trazer um robô para o local de trabalho é mais complicado do que simplesmente desembalar um aparelho, pois muitos locais de trabalho são imprevisíveis — garçons carregam bandejas, médicos e enfermeiros correm de sala em sala e assim por diante. Para converter potencial em desempenho, os líderes devem selecionar cuidadosamente os casos de uso, comunicar aos clientes e funcionários por que e como estão utilizando robôs e estabelecer diretrizes. Quatro etapas essenciais, com base em minhas observações no campo, podem orientá-los. 1. Comece com casos de uso que abordem as restrições de mão de obra. Os robôs são mais eficazes quando aplicados a tarefas repetitivas e economicamente valiosas que proporcionam retornos mensuráveis. Muitas das primeiras experiências que observei envolveram funções em setores que enfrentam escassez crônica de mão de obra. Isso faz sentido: os robôs estão reduzindo não apenas os custos, mas também a dificuldade de recrutar trabalhadores difíceis de encontrar. Depois de identificar as funções-alvo, comece examinando as tarefas específicas que esses cargos exigem. Elas são suficientemente repetitivas para que um robô as aprenda rapidamente? Transferi-las para um robô pode compensar em termos de velocidade, eficiência, consistência ou liberação de funcionários para realizar trabalhos nos quais eles agregam mais valor? Bons candidatos para experimentos incluem o check-in e o check-out em hotéis, a modificação de pedidos e a entrega em restaurantes de serviço rápido, e a logística em enfermarias de hospitais — ambientes onde há pressão constante sobre a capacidade da equipe de atendimento ao público e uma clara transferência de tarefas operacionais que o robô pode assumir. Depois de escolher o caso de uso, projete o projeto-piloto de modo que os funcionários da linha de frente possam melhorar ativamente o desempenho no fluxo de trabalho. Um funcionário que perceba que um robô está executando uma sequência subótima deve ser capaz de explicar e demonstrar um método melhor — sem esperar semanas por uma atualização de software. Quando bem executada, essa abordagem amplia as capacidades dos robôs ao longo do tempo, melhora seu desempenho na área e torna sua implementação mais eficaz — ao mesmo tempo em que redireciona as funções de linha de frente para tarefas que exigem maior qualificação e alivia a escassez de mão de obra onde ela é mais grave. 2. Projete interações com robôs para a aceitação do cliente. A maior parte da resistência aos robôs começa no ponto de contato com o cliente, não na tecnologia em si. Quiosques tradicionais, tecnologias de autoatendimento e bots programados frequentemente forçam os clientes a seguir sequências rígidas e pouco naturais. Trata-se de um problema de design, e os robôs habilitados para LLM eliminam esse incômodo. Clientes e funcionários podem falar naturalmente com eles e — o que é fundamental — os robôs podem dar continuidade à interação no ambiente físico. Considere o check-in em um hotel. Um funcionário humano normalmente navega por vários sistemas — registros de reservas, perfis de fidelidade, status da limpeza, pagamentos e preferências —, uma tela de cada vez. Um robô equipado com IA generativa pode conectar-se a esses sistemas em paralelo, resolver conflitos e entregar a chave do quarto em segundos, ao mesmo tempo em que interage com o hóspede e lhe dá as boas-vindas. Para o cliente, a experiência é uma conversa cordial e eficiente — e muitas vezes se mostra mais consistente do que o atendimento humano sob pressão. As primeiras implementações destacam tanto o potencial quanto as dificuldades. No Henn na Hotel, em Tóquio, recepcionistas robóticos orientam os hóspedes durante a verificação de identidade, a atribuição de quartos e o pagamento. A iniciativa ajudou a reduzir os custos e a escassez de mão de obra, mas nem tudo funcionou conforme o planejado. Por vezes, os robôs tiveram dificuldades com sotaques, ruídos de fundo e solicitações inesperadas, o que, em alguns casos, acabou aumentando, em vez de reduzir, a carga de trabalho da equipe. Projetar para a aceitação do cliente significa testar essas interações em ambientes reais com clientes reais, identificar onde surgem atritos e garantir que a competência conversacional do robô seja acompanhada por uma execução física confiável. 3. Posicione os robôs como facilitadores de serviços, e não como substitutos da força de trabalho. A forma como os robôs são introduzidos — e como seu papel é explicado — influencia fortemente a maneira como as pessoas os percebem. A aceitação da IA varia de acordo com dados demográficos e contexto, e hoje muitos clientes ainda preferem a interação humana em situações que exigem cordialidade, empatia ou discernimento. Os funcionários, por sua vez, estão preocupados com a possibilidade de perderem seus empregos para a tecnologia. Para ajudar a lidar com essas preferências e receios, as empresas devem posicionar os robôs de IA generativa não como substitutos dos funcionários da linha de frente, mas como ferramentas que melhoram a acessibilidade, a rapidez e a confiabilidade, ao mesmo tempo em que liberam os seres humanos para se concentrarem em interações carregadas de emoção, ambíguas ou de alto risco. Pelas minhas observações, as implementações mais bem-sucedidas ocorrem quando a conveniência domina as prioridades dos clientes e o valor da automação é evidente. Editar As empresas também devem comunicar claramente o que o robô faz e como os clientes podem recorrer ao atendimento humano quando necessário. Em hospitais, por exemplo, os robôs poderiam explicar que tornam as interações simples mais confortáveis e sem atritos e que chamam um profissional humano quando atingem seus limites. Em ambientes de varejo, funcionários visíveis na área de atendimento, combinados com a automação robótica nos bastidores, poderiam ajudar a manter a experiência de compra ancorada na presença humana. É fundamental definir as expectativas com honestidade. Compartilhe com clientes e funcionários os pontos em que os robôs se destacam atualmente — velocidade, consistência e confiabilidade com cauda longa — e as áreas em que os seres humanos ainda os superam, especialmente em situações que exigem empatia, criatividade ou resolução de problemas inovadora. Utilize evidências em vez de exageros para reforçar a mensagem. Métricas são mais persuasivas do que promessas abstratas: “Nosso tempo de espera caiu de seis minutos para 90 segundos” ou “Nossas enfermeiras estão caminhando 3.000 passos a menos por turno e dedicando uma hora a mais aos pacientes.” Números como esses demonstram como os robôs representam uma situação vantajosa tanto para os clientes quanto para os funcionários. 4. Atualize continuamente as diretrizes de uso responsável. Quando as empresas implementam robôs com IA generativa, os riscos relacionados à ética, à equidade e à privacidade aumentam. Muitos robôs vêm equipados com câmeras e microfones, o que significa que podem registrar digitalmente quase tudo o que ocorre nas interações presenciais (a menos que a legislação determine o contrário). Some-se a isso as capacidades dos modelos de linguagem avançados e, de repente, os robôs passam a ser capazes de persuadir as pessoas. Isso é útil para vendas e vendas adicionais, mas pode ultrapassar os limites se os clientes forem analisados, influenciados e manipulados de maneiras que a empresa nunca pretendia. A situação torna-se especialmente delicada quando os robôs tomam decisões de alocação ou precificação (como upgrades, check-ins antecipados ou ofertas personalizadas) que podem criar percepções de parcialidade ou injustiça. As implementações bem-sucedidas tratam os robôs de IA generativa como sistemas de aprendizagem, e não como produtos acabados. As organizações precisam de mecanismos para observar como as pessoas realmente interagem com os robôs, identificar onde as interações falham e melhorar sistematicamente o desempenho ao longo do tempo. Isso começa com a captura de sinais previamente acordados — como momentos em que os usuários hesitam, se repetem ou ignoram os robôs — e a transformação dessas percepções em conclusões claras e passíveis de ação para supervisores e líderes da linha de frente. Existem também riscos relacionados ao aprendizado. Os robôs com IA generativa aprendem por meio de interações, o que cria oportunidades para que funcionários e clientes se aproveitem deles. Sem medidas de segurança, os robôs podem adquirir comportamentos indesejáveis. Já ouvi robôs repetirem linguagem imprópria em hotéis e vi visitantes de museus tentando interferir nos robôs para seu próprio entretenimento. Ferramentas sem código e o aprendizado em massa trazem novos desafios. Os funcionários podem introduzir erros ou lógica tendenciosa sem querer, e agentes mal-intencionados podem sabotar os robôs — com comportamentos inadequados se espalhando rapidamente. A melhoria deve ser deliberada e iterativa: teste as alterações, avalie os resultados, mantenha o que funciona e repita. Na prática, nenhuma implementação de robôs funciona bem desde o início, sendo essencial um ajuste cuidadoso. Os funcionários da linha de frente desempenham um papel central nesse ciclo de aprendizagem e devem ser apoiados como desenvolvedores cidadãos; e, com processos adequados de microaprendizagem, certificações e ferramentas sem código, os especialistas na área podem identificar pontos de falha e explicar abordagens melhores diretamente aos robôs, utilizando linguagem natural. Com o tempo, as funções de supervisão passam de tarefas de monitoramento para a orquestração de sistemas — revisando melhorias, aplicando protocolos de segurança e consentimento e alinhando incentivos com qualidade, confiabilidade e resultados para o cliente, além da mera velocidade. Ao mesmo tempo, o aprendizado deve estar sujeito a uma governança rigorosa e à responsabilidade digital corporativa. Como os robôs coletam dados confidenciais, a privacidade é essencial. E como eles circulam em ambientes físicos — onde podem colidir com pessoas ou bens —, a segurança também é uma preocupação primordial. Movimentos cuidadosos, limpeza do ambiente e confiabilidade devem ser tratados como requisitos inegociáveis, respaldados por análises de riscos, geofencing (restrição do movimento do robô a uma área específica), paradas de emergência (a capacidade dos seres humanos de interromper o movimento do robô) e acordos de nível de serviço claros com os fornecedores para manutenção e resposta a incidentes. Nada disso significa que as marcas devem evitar os robôs de IA generativa. Mas significa que a segurança e o design responsável precisam ser prioridades absolutas. Erros irão ocorrer. Se sua arquitetura, suas políticas e seus testes forem sólidos, é muito menos provável que esses erros se transformem em danos reais. As boas práticas garantem que, à medida que os robôs se tornam mais capazes, as organizações continuem a assumir a responsabilidade — ampliando a inovação sem sacrificar a confiança. . . . Os robôs equipados com IA generativa oferecem um caminho prático para a prestação de serviços com boa relação custo-benefício no mundo físico. Eles são capazes de proporcionar consistência e personalização em grande escala, o que há muito tempo tem sido o calcanhar de Aquiles dos serviços físicos. No entanto, a implementação desses robôs é complexa e demorada — e, como deve ocorrer em ambientes reais, os riscos são maiores, as falhas tornam-se públicas e a segurança física passa a ser uma grande preocupação. Embora a tecnologia esteja em sua infância, os primeiros projetos-piloto na área mostram que os robôs equipados com IA generativa de última geração podem beneficiar tanto as empresas quanto os funcionários e os clientes. Seguindo as etapas descritas neste artigo, as empresas podem começar a implantar esses robôs de maneira estruturada e segura.

Como os robôs com IA generativa estão transformando os serviços

Resumo.

Partner Center