Assim surgiu o projeto de IA de Atendimento, que logo foi implementado de forma ágil, com as entregas ocorrendo entre julho e setembro de 2024. A arquitetura definida pela Avenue Code teve enfoque no Vertex AI e no Gemini, visando um ambiente serverless escalável e de fácil adaptação e manutenção.

O Vertex AI foi a plataforma central para o gerenciamento e orquestração do pipeline de classificação de dados e inferência, com o modelo Gemini sendo consumido via API para realizar a classificação automática dos tickets de atendimento.

Inicialmente, as versões 1.0 e 1.5 do Gemini entraram em cena. Posteriormente, foi realizado um fine-tuning do modelo Gemini 1.0 Pro para aumentar a precisão da categorização e reduzir ainda mais os custos operacionais (de $400 para $215 por 1000 requisições diárias).

Relativamente ao seu funcionamento, o projeto de IA de Atendimento realiza a classificação dos chamados em duas etapas: identifica o credor e, em seguida, seleciona o conteúdo para entender o problema do consumidor, definindo qual resposta será enviada. Neste contexto, a Acerto tem utilizado, agora, o modelo Gemini 2.5 Lite.

Para rodar a API da solução e receber as requisições vindas da plataforma de gestão dos chamados, o Cloud Run entra em ação. Em paralelo, todos os metadados do ticket e da resposta encaminhada ao consumidor são armazenados no Cloud Storage.

“Diariamente, esses dados são direcionados ao BigQuery - que, além de já ser parte de uma estrutura de data lake e data warehouse, serve como um consolidador da saída dos resultados da aplicação, facilitando a análise dos metadados e a observação de problemas recorrentes”, salienta Marco Antônio Calijorne Soares, Arquiteto de IA da Avenue Code.

A escolha de manter todos os recursos da IA de Atendimento concentrados no Google Cloud resultou em uma gestão simplificada, facilitando o acompanhamento de custos de processamento e de armazenamento. Esta arquitetura unificada, a qualidade das ferramentas e a evolução rápida obtida pelo Gemini permitiram que a Acerto alcançasse a escala necessária para responder ao seu alto volume de tickets.

Com todos os avanços obtidos, houve uma transformação significativa para os consumidores e os negócios da Acerto. As vantagens se manifestaram em ganhos de eficiência, economia e capacidade de gestão. O uso da IA generativa possibilitou crescimento em escala, permitindo que a equipe da companhia passasse a se concentrar em situações que realmente exigem intervenção humana.

Desde a sua implementação, a IA de Atendimento classificou aproximadamente 150 mil tickets, dos quais cerca de 130 mil (87%) eram tickets que, de outra forma, permaneceriam sem resolução.

A eficiência operacional se traduziu em economia: a Acerto estima uma economia de R$ 520.000 entre março e setembro de 2025, em comparação à contratação de novos colaboradores para tratar o mesmo volume de chamados.

Além disso, a qualidade e a evolução rápida do Gemini, incluindo a melhoria dos modelos e a redução dos custos com tokens, foram essenciais para o sucesso do projeto. A adoção da IA generativa elevou a assertividade na identificação dos problemas e o SLA (Acordo de Nível de Serviço) de resposta foi significativamente reduzido, com o retorno que antes demandava dias ocorrendo agora em questão de minutos.

“Também tivemos ganhos de parceria entre os times de Atendimento e Data Intelligence, o que ocasionou uma melhor leitura do cotidiano operacional da empresa pelos dois grupos de trabalho. Isso impulsionou a cooperação entre eles para o alcance de novas metas, com maior produtividade”, explica Flávia Cardoso, Coordenadora de CX & Tech Support da Acerto.

Por meio de uma gestão que beneficia o acompanhamento de custos, a Acerto otimizou as suas operações. Aliada a essa vantagem, a arquitetura estabelecida facilitou a visualização dos dados analíticos através do BigQuery.

Olhando para o futuro, os planos de negócio têm os objetivos de reduzir custos e potencializar novas receitas. A companhia segue atenta para uma possível expansão do uso da nuvem, com o intuito de apoiar sua estratégia analítica. Por isso avalia, por exemplo, novas funcionalidades do Vertex AI e o uso do Firestore para o desenvolvimento de aplicações com IA generativa.