Em uma pesquisa com 166 agências governamentais em todo o mundo, os chatbots emergiram como os pioneiros, com 26% já os implementando e outros 59% planejando implementá-los em três anos (Figura 1). Em uma análise de 230 serviços públicos habilitados para IA em toda a União Europeia, os chatbots emergiram como a primeira escolha, respondendo por mais de um quinto dos casos usados ​​(Comissão Europeia, 2020). O mercado global de conversação AI, incluindo chatbots e assistentes virtuais inteligentes, deverá ter uma taxa de crescimento anual composta (CAGR) de 22 por cento durante 2020-2025, atingindo quase 14 bilhões de dólares americanos (USD) (Deloitte, 2017).

Um chatbot (ou assistente virtual) é um algoritmo que conduz uma conversa textual ou oral. Embora os chatbots não sejam realmente uma tecnologia nova – por exemplo, o primeiro chatbot já foi programado em 1966 para descobrir se os humanos seriam capazes de descobrir se estavam falando com uma pessoa ou uma máquina – o potencial dos chatbots agora é consideravelmente maior devido aos avanços nas tecnologias de IA e aos padrões de comunicação em mudança (Van Noordt e Misuraca, 2019).

Os chatbots são essencialmente programas de computador capazes de reconhecer a entrada de um usuário usando tecnologias de correspondência de padrões, acessar informações e responder com as informações encontradas no banco de dados de conhecimento. Enquanto os chatbots básicos se comunicam por meio de respostas pré-programadas, os mais avançados usam IA, que permite que as máquinas analisem e processem melhor o contexto das linguagens (conhecido como Natural Language Processing ou NLP), o que, por sua vez, permite que os chatbots lidem com tarefas mais complexas e hospedar conversas mais humanas. Os chatbots estão sendo cada vez mais empregados pelos governos para ajudar a gerenciar grandes volumes de contato dos cidadãos e ajudar os cidadãos a navegar por políticas e legislações complexas para, finalmente, acessar os serviços públicos (Henman, 2020).

Impulsionando comunicações centradas no cliente em instituições de previdência social: experiências de instituições membros da ISSA

Dada a importância do envolvimento do cliente para a administração da previdência social, não é surpresa que as instituições de previdência social estejam buscando chatbots com entusiasmo. Embora os chatbots possam melhorar a satisfação do cliente e melhorar a eficiência operacional, a implementação de um chatbot não é um processo linear. As oportunidades, custos e riscos associados aos chatbots podem variar consideravelmente dependendo das técnicas de implementação, meios de comunicação, objetivos pretendidos, capacidade operacional e canal de comunicação (ISS, 2021). A International Social Security Association (ISSA) promove o uso responsável de chatbots por meio de suas diretrizes. No Diretrizes da ISSA sobre Comunicação pelas Administrações de Seguridade Social (ISSA, 2019a), a diretriz 10 refere-se ao “uso estratégico de novas tecnologias de comunicação” em todas as áreas relacionadas ao uso de chatbots em mídias sociais e sistemas de mensagens, e a diretriz 14 refere-se à informação centrada no cliente. o Diretrizes da ISSA sobre Qualidade de Serviço (ISSA, 2019b), a diretriz 5 se concentra em “compreender as necessidades e experiências dos usuários”, que se aplica igualmente ao processo de desenvolvimento subjacente aos chatbots. finalmente, o Diretrizes da AISS sobre Tecnologias da Informação e Comunicação (ISSA, 2022a) refere-se à implementação de uma central de atendimento e processos de atendimento de solicitações, incluindo centrais de atendimento virtuais (diretriz 17), e aos usos potenciais de tecnologia emergente, que contextualizam o uso de chatbots como uma aplicação de inteligência artificial (diretriz 96). A ISSA também tem facilitado conversas entre as instituições membros para revelar as nuances complexas em torno dos chatbots. Notavelmente, uma sessão dedicada à inteligência artificial no 16th ISSA Conferência Internacional sobre Tecnologia da Informação e Comunicação na Segurança Social destacou as oportunidades e complexidades associadas aos chatbots habilitados para IA. Este artigo analisa essas experiências da mesma forma que um artigo (ISS, 2021) que descreveu implementações de chatbot na América Latina.

Serviço Nacional de Emprego, Bélgica

O Escritório Nacional de Emprego (Escritório Nacional de Emprego – ONEM) na Bélgica criou um chatbot para aliviar as pressões do contact center provocadas pelos volumes sem precedentes após a crise do COVID-19 (National Employment Office, 2021 e 2022). O primeiro chatbot, conhecido como Marc, foi lançado no site do ONEM em maio de 2020. Em sua fase inicial, o chatbot foi projetado para atender apenas a um tipo de solicitação do cliente: dava aos cidadãos acesso rápido às cópias dos certificados fiscais de que precisavam apresentar juntamente com as suas declarações fiscais. Em maio de 2021, os recursos do chatbot foram expandidos consideravelmente e um novo chatbot chamado Ori foi lançado. Com base na análise das perguntas feitas à Ori pelos clientes, uma versão atualizada foi lançada em dezembro de 2021. Agora ela é capaz de responder a uma série de perguntas relacionadas ao desemprego e interrupções na carreira. Ele também ajuda os clientes a navegar no site do ONEM com facilidade. Além disso, serve como uma ferramenta promocional para incentivar o uso da e-box, a caixa de correio virtual e segura da Bélgica que permite que as autoridades se comuniquem com segurança com os cidadãos. Mais importante ainda, o chatbot lembra o contexto em que o cliente está situado quando ele faz perguntas, garantindo que o chatbot possa continuar a oferecer suporte ao cliente, independentemente de onde e como o cliente navegue no site. Por fim, os temas abordados pelo chatbot são atualizados regularmente com base na análise das questões dos clientes.

Instituição de Seguro Social, Finlândia

A Instituição de Seguro Social (Kela) na Finlândia criou dois chatbots, Kela-Kelpo e FPA-Folke, para ajudar os clientes a encontrar informações sobre benefícios no portal de autoatendimento da Kela (Instituição de Seguro Social, 2022a e 2022b). Com base no processamento de linguagem natural, os chatbots falam duas línguas – finlandês e sueco – e também entendem inglês. A Kela lançou inicialmente chatbots em 2017, que foram ampliados com informações sobre um conjunto crescente de benefícios ao longo de 2017 e 2021. Os vários chatbots foram consolidados como Kela-Kelpo/FPA-Folke em 2020 para evitar que os clientes tenham que se mover entre vários chatbots para conheça os diversos benefícios. Esses chatbots de conversação facilitam a descoberta e interpretação de informações e o preenchimento de aplicativos de benefícios. Além disso, o chatbot consolidado fornece dicas personalizadas com base em variáveis ​​contextuais à medida que os clientes preenchem solicitações de benefícios, como benefícios parentais, assistência social e assim por diante. Durante a crise do COVID-19, um chatbot dedicado foi implantado temporariamente para responder a perguntas sobre assistência social relacionadas ao COVID-19.

Seguro de pensão federal alemão

O seguro de pensão federal alemão (Federação Alemã de Seguro Previdenciário – DRV-Bund) introduziu um chatbot para responder a perguntas frequentes dos segurados (Seguro de pensão federal alemão, 2021). O principal objetivo era garantir o acesso à informação 24 horas por dia, 7 dias por semana, além de dar um pequeno começo para a construção de um chatbot muito mais extenso. O chatbot simula linguagem natural com base em tecnologias de inteligência artificial e tem o potencial de liberar o tempo da equipe para assuntos mais complexos. O chatbot está em sua fase inicial de implementação e, como resultado, o uso permanece incipiente em 5%. O DRV-Bund visa estender os recursos do chatbot incorporando um auxílio para preenchimento de formulários em um futuro próximo.

Fundo de Previdência para Empregados, Malásia

O Employees Provident Fund (EPF) da Malásia apresentou o ELYA (EPF Loves You Always), um assistente virtual bilíngue que usa processamento de linguagem natural e é apoiado por bate-papo ao vivo (Employees Provident Fund, 2021a e 2021b). Embora a EPF dispusesse de um centro de contactos para o tratamento de dúvidas, o volume diário de 5,000 chamadas ultrapassou a capacidade de 4,000 chamadas por dia, levando a quedas de 25 por cento das chamadas. Paralelamente, 82 por cento dos inquéritos já tinham respostas disponíveis no site da EPF, o que implica uma utilização ineficiente do centro de contacto. Uma outra pesquisa indicou que 55% dos clientes achavam difícil navegar no site da EPF. Portanto, o ELYA foi introduzido para dar suporte aos clientes na autodescoberta de informações e, assim, reduzir os volumes do contact center.

O lançamento do ELYA foi precedido por uma análise detalhada dos problemas e necessidades em 2017–18. Um bot básico foi introduzido pela primeira vez em 2019–2020, seguido pelo bot de conversação atual em 2021–22. A EPF planeja estender os recursos da ELYA ainda mais ao longo de 2023–2024 para permitir que o bot forneça informações consultivas. ELYA é fluente em inglês e bahasa malaio, fornecendo consultas de conversação e interativas sobre 30 produtos e serviços da EPF. Ele está disponível 24 horas por dia, 7 dias por semana no site da EPF e é apoiado por escalonamento em tempo real para um agente humano durante o horário de trabalho. A ELYA baseia-se em uma base de conhecimento representativa que foi cuidadosamente consolidada com base em informações fornecidas por agentes de clientes, e-mails de clientes e consultas comuns recebidas pelo centro de contato. o Diretrizes da ISSA sobre Comunicação pelas Administrações de Seguridade Social, em particular a Diretriz 14. Informações centradas no cliente, foi mencionada na concepção do ELYA. Além disso, defende os quatro princípios das Diretrizes da ISSA sobre Boa Governança (ISSA, 2019c), ou seja, transparência, previsibilidade, participação e dinamismo, e o uso de linguagem clara e simples, com foco em plataformas centradas no usuário.

Resultados

A Tabela 1 resume os resultados que essas instituições conseguiram alcançar por meio de chatbots.

tabela 1. Resultados alcançados através de chatbots

Instituição	Resultados obtidos
UM, Bélgica	16,833 pessoas usaram o chatbot, o que equivale a quase 9% das pessoas que visitam o site (set 2021) 18,616 chats foram registrados (set 2021) 55,275 mensagens (perguntas) postadas, das quais apenas 616 dessas mensagens não puderam ser interpretadas corretamente pelo chatbot (set 2021)
Kela, Finlândia	64,372 conversas totais com o chatbot (2021) 108,817 perguntas feitas (2021) Qualidade da conversa em 89 por cento e feedback positivo em 40 por cento Durante sua existência, o chatbot COVID-19 teve 18,678 conversas e respondeu a 31,567 perguntas.
DRV-Bund, Alemanha	Ainda em estágio inicial, resultados aguardados
EPF, Malásia	1.6 milhão de sessões registradas entre junho de 2020 a março de 2021, com uma média de 6,100 sessões diárias com duração de conversação de 12 minutos, contribuindo para a alta satisfação do cliente (4.1/5) com a estratégia geral de engajamento digital da EPF.

Fatores críticos de sucesso

A tradução de informações administrativas e jurídicas complexas em conteúdo de conversação requer design, treinamento e testes rigorosos. O ONEM na Bélgica teve especialistas em desenvolvimento de clientes fornecendo informações e testando continuamente o chatbot para garantir que o idioma ressoasse com os clientes típicos. A EPF na Malásia testou a compreensão e a precisão do chatbot por meio de 200 testadores nos estágios alfa e beta do desenvolvimento do produto antes de lançar o chatbot. Além disso, humanizar o bot e dar-lhe uma personalidade ajuda o usuário a se conectar com ele em um nível emocional. Na Alemanha, o DRV-Bund descobriu que muitos usuários ficaram desanimados com o nome “chatbot”. Ciente desse desafio, a EPF na Malásia projetou uma personalidade específica para a ELYA que atraiu os clientes.

Manutenção e melhoria contínuas são essenciais para a adoção sustentada do usuário. É essencial avaliar a qualidade e a precisão da conversa em relação a referências predefinidas. O ONEM na Bélgica realizou análises diárias das respostas fornecidas pelo chatbot para corrigir respostas erradas. No caso de Kela na Finlândia, se o chatbot não conseguir responder a alguma pergunta, a equipe publica as respostas rapidamente dependendo da frequência esperada da pergunta. Na Malásia, o EPF lança recursos adicionais de processamento de linguagem natural em lotes com base em análises de consultas de clientes.

Funcionários dedicados e colaboração entre equipes sustentam chatbots bem-sucedidos. O ONEM na Bélgica tem um gerente de chatbot designado que lidera o desenvolvimento e o treinamento. O gerente do chatbot tem um interesse saudável em TI, mas sua especialidade principal é um conhecimento profundo dos serviços e produtos oferecidos pelo ONEM. O gerente do chatbot reúne conhecimentos complementares de outras equipes, como TI, desenvolvimento de clientes e assim por diante. Na Finlândia, Kela emprega sussurros de bot, que são essencialmente pessoas que criam o diálogo, treinam a IA e mantêm a qualidade, em colaboração com especialistas em desenvolvimento de clientes. Na Alemanha, o DRV-Bund tem uma equipe editorial que é recrutada entre o pessoal administrativo e recebe treinamento editorial. Na Malásia, o EPF implantou uma equipe multidisciplinar composta por desenvolvedores de bots, designers de conversas, instrutores de bots, administradores de sistema e analistas de IA.

Os investimentos em infraestrutura são tão importantes quanto os investimentos em equipe para executar chatbots com eficiência. O DRV-Bund na Alemanha analisou várias opções para integrar seu chatbot em seu site. A pilha de tecnologia existente e a escala esperada são fatores-chave que influenciam a escolha da tecnologia. No caso da DRV-bund, usar a tecnologia de um grande provedor de nuvem reduz os custos.

Por fim, é importante ressaltar que os chatbots são um entre muitos canais. O envolvimento eficaz do cliente pelas instituições de segurança social requer um conjunto de canais digitais e físicos, com cada canal trazendo capacidades únicas e complementares. Por exemplo, o Kela combina o seu chatbot com 147 pontos de atendimento ao cidadão, 79 municípios com pontos habilitados para telesserviços, e-services e um contact center. Especialmente no caso do chatbot da web, o Kela garante que ele não apenas repita as informações do site, mas também aumenta a utilidade do site, fornecendo aos clientes detalhes e exemplos adicionais. Com o tempo, à medida que os chatbots melhoram, eles podem reduzir o tráfego para outros canais, o que deve ser levado em consideração no planejamento e alocação de recursos.

Considerações finais

De acordo com algumas estimativas, até o final de 2022, em média, as pessoas falarão com bots com mais frequência do que com seus próprios cônjuges (Deloitte, 2017). Portanto, os chatbots se tornarão parte integrante da estratégia geral de comunicação com o cliente das instituições de previdência social.

As experiências dos membros da ISSA descritas neste artigo destacam várias lições fundamentais para as instituições de seguridade social. Primeiro, os chatbots são complementares aos canais digitais e humanos existentes: eles podem substituir alguns canais, melhorar outros e, em alguns casos, outros canais coexistirão, pois os chatbots podem não ser desejáveis ​​devido à privacidade e às estruturas legais. Em segundo lugar, o ciclo de desenvolvimento associado aos chatbots não pode ser subestimado. Seria bom para as instituições começar pequeno, com um escopo restrito, conforme reiterado pelo ONEM na Bélgica e EPF na Malásia. Em terceiro lugar, a grande complexidade de desenvolver algoritmos para traduzir informações administrativas em conteúdo de conversação – levando em consideração o contexto dos clientes – requer um processo altamente iterativo para treinamento e lançamento de novas soluções de aprendizado de máquina de NLP em curtos períodos de tempo, potencialmente diariamente. Isso requer investimento em recursos humanos dedicados, geralmente pessoal de atendimento ao cliente especializado para análise diária, revisão e manutenção. Quarto, os chatbots precisam ser construídos com base nas perspectivas do cliente, o que significa envolvimento regular com os clientes para feedback. Finalmente, os chatbots trazem novas preocupações legais e éticas para as instituições de segurança social (Henman, 2020). Por exemplo, o ONEM teve que garantir que o bot não coletasse nenhum dado pessoal de acordo com a rígida legislação de privacidade. À medida que a IA se torna mais sofisticada, uma preocupação importante é que ela possa aprender comportamentos nocivos de sua interação com os clientes (ISS, 2020).

Como mostram as experiências acima, as agências de previdência social que gerenciam proativamente quaisquer questões de responsabilidade e proteção do cliente estão em melhor posição para colher todos os benefícios dos chatbots inteligentes. A ISSA apoia as instituições membros a adotar com sucesso a tecnologia chatbot e enfrentar os desafios de implementação, principalmente aqueles relacionados à aplicação de IA, por meio de diretrizes (ISSA, 2022a), compartilhando as boas práticas das instituições (ISSA, 2020 e 2022b) e organizando reuniões.

Referência