Guillem Alsina Gonzàlez
Automatizar o atendimento ao utilizador mantendo a conformidade em um setor sujeito a regulamentação, como o da saúde, não é tarefa fácil. Para começar, devemos partir de resultados deterministas ou quase deterministas da IA. Para nos entendermos, determinismo significa que é possível determinar o resultado do mesmo prompt executado em duas ocasiões diferentes, porque deve ser o mesmo (obviamente, pode haver diferenças nas palavras usadas pela IA, mas ambas as respostas devem ser coincidentes em seu conteúdo). E isso já não é fácil com a IA generativa.
É por isso que a Kyndryl, fornecedora internacional de serviços de infraestrutura de TI, nos convidou durante este Mobile World Congress para uma demonstração privada da arquitetura que criou para resolver o atendimento ao usuário de serviços de seguradoras por meio da IA, mas mantendo os padrões de conformidade exigidos pelas regulamentações pertinentes.
Esta arquitetura de referência, agnóstica em relação ao modelo de linguagem (LLM) utilizado — no caso do exemplo, era o Gemini 3 Flash da Google, mas poderia ter sido um dos GPTs da OpenAI — foi concebida não como um produto final, mas funciona como um acelerador de projetos de engenharia. Desta forma, adapta-se às necessidades dos clientes, podendo operar com um modelo de linguagem instalado na cloud de terceiros ou num servidor próprio da empresa.
Baseia-se em dois pilares principais que atuam em conjunto para orientar o comportamento do LLM, começando pelo fluxo de ações que, dependendo das solicitações e respostas do utilizador, se desenvolve. Por exemplo, um cliente da seguradora pode ligar para marcar uma consulta com o cardiologista, quando todos os sintomas indicam, na verdade, que ele está a sofrer um ataque cardíaco naquele momento, pelo que deve ser encaminhado o mais rapidamente possível para o 112 para que uma ambulância o leve ao hospital. Ou vice-versa.
O fluxo de ações pode ser tão simples quanto isso. O diagrama corresponde a um caso de aplicação inventado, com base em trabalhos reais, e convenientemente anonimizado, preparado pela Kyndryl para estas demonstrações.
Por outro lado, temos as políticas de atuação da organização (no caso em questão, a seguradora médica) que são, para nos entendermos, os manuais que seriam fornecidos aos teleoperadores humanos. O agente inteligente executa as suas tarefas de forma dinâmica, mas deve consultar continuamente este repositório de políticas para garantir que cada ação cumpre as regras estabelecidas.
Toda esta documentação é fornecida ao sistema enquanto a sua interface e outros detalhes de utilização são personalizados, transformando o texto num formato estruturado e compreensível pela máquina.
O papel das pessoas em toda esta cadeia pode ser mais ativo, tomando decisões durante o processo, ou mais passivo, apenas de supervisão. Isto é feito tanto para se adaptar ao que o cliente precisa e deseja, como para evitar colapsos quando um elevado número de interações deve passar pelas mãos de um pequeno grupo de pessoas, mas sem negar a possibilidade de que isso aconteça se a empresa cliente assim o exigir.
O objetivo final é que o sistema atue como intermediário entre o paciente, sua seguradora e uma rede de centros médicos para gerenciar a reserva de consultas.
O assistente construído com base nesta arquitetura verifica o nível de cobertura do utilizador através do seu número de identificação durante a interação e rastreia a disponibilidade em hospitais compatíveis. Em seguida, apresenta opções ao paciente, priorizando os centros com os quais a seguradora mantém acordos mais vantajosos, mas tem a capacidade de se adaptar se o utilizador, por exemplo, recusar um médico específico e solicitar alternativas.
Além da mera automatização do processo de reserva, a arquitetura integra um módulo de observabilidade que monitoriza tanto o desempenho técnico como o impacto no negócio. A nível operacional, o painel de controlo regista o consumo de recursos (como os tokens utilizados nas consultas ao modelo de linguagem) e a latência das respostas.
Do ponto de vista empresarial, a plataforma é capaz de captar o sentimento do cliente durante a conversa e calcular os custos de oportunidade. Se um paciente expressar insatisfação e o sistema tiver de o encaminhar para um hospital fora da rede preferencial, a ferramenta quantifica o sobrecusto económico que esta ação representa para a seguradora, centralizando informações que tradicionalmente ficavam dispersas nos centros de atendimento telefónico humano.
