Publicado em: · Versão para IA (markdown)
A base de conhecimento da empresa não se monta num editor de texto vazio, mas a partir das suas próprias chamadas. A ordem correta é: primeiro reconhecer o arquivo de conversas, depois deixar a IA extrair dele perguntas frequentes, objeções e fatos sobre o produto, verificar o resultado com uma pessoa e só então conectar os documentos prontos às automações e aos agentes de voz com IA. A seguir, os seis passos que transformam a experiência que vive na cabeça dos operadores e em milhares de gravações num documento vivo, no qual a IA aprende.
Por que a base de conhecimento deve crescer a partir das conversas
O conhecimento real da empresa — como responder a uma objeção de preço, o que dizer diante de uma recusa, quais fatos sobre o produto mencionar — raramente está escrito. Ele vive nas conversas e vai embora junto com o operador que sai da empresa. A tentativa manual de “sentar e escrever tudo” resulta num documento distante da prática: não tem as formulações que realmente funcionam na linha, nem as objeções recentes que surgiram na semana passada.
As chamadas já são uma fonte pronta. Nelas estão as perguntas dos clientes, as respostas bem-sucedidas, as objeções recorrentes e os fatos exatos sobre preços e condições. A tarefa não é inventar a base de conhecimento, mas extraí-la do que já foi dito e mantê-la atualizada à medida que novas conversas chegam.
Passo 1. Reúna e reconheça o arquivo de chamadas
Comece pelo que você já tem: as gravações. Não é preciso integrar nada para obter o primeiro resultado: envie o arquivo como arquivos ou por encaminhamento para o endereço de e-mail de ingestão, e a plataforma começa a trabalhar com ele. Pegue um recorte representativo das últimas semanas ou meses — quanto mais completa a amostra, mais honesto o retrato dos temas e perguntas frequentes.
Em seguida, cada chamada é reconhecida automaticamente e separada por interlocutor, de modo que fica claro onde está a pergunta do cliente e onde está a resposta do operador. Essa é a base: sem uma transcrição precisa, a IA vai extrair conhecimento do ruído. Mais detalhes sobre como funciona essa camada de reconhecimento e marcação estão na página análise automática de chamadas.
Passo 2. Marque os temas e encontre o que se repete
Antes de montar o documento, é útil entender do que tratam suas chamadas. As tags automáticas de temas e motivos de contato organizam o fluxo de conversas por sentido: dá para ver quais perguntas aparecem mais, quais objeções se repetem, onde os clientes travam. É exatamente o que se repete que deve entrar primeiro na base de conhecimento — o caso raro e pontual pode esperar.
A busca semântica ajuda a encontrar as conversas certas por sentido, não por coincidência de palavras: a consulta “cliente hesita por causa do prazo de implantação” reúne chamadas relevantes mesmo que a palavra “implantação” nunca tenha sido dita. Assim você extrai exemplos precisos para cada futura seção do documento.
Passo 3. Deixe o canvas de IA dos “Documentos de Referência” extrair o conhecimento
Agora abra o documento em “Documentos de Referência” — são documentos markdown que servem de base de conhecimento para o processamento por IA. Ao lado do editor, funciona um assistente de chat (canvas de IA) que preenche o documento com dados reais das suas gravações: métricas, temas, trechos de transcrições. Você não copia citações manualmente — você pede ao assistente.
Formule as tarefas por seção:
- “Preencha a seção de temas frequentes com base nas minhas chamadas do último mês.”
- “Reúna as objeções de preço mais comuns e as respostas bem-sucedidas dos operadores para elas.”
- “Liste os fatos sobre o produto e as condições mencionados nas conversas.”
O assistente monta o rascunho a partir de diálogos reais, não do conhecimento geral do modelo. Cada edição da IA é reversível (Revert), então você pode testar diferentes pedidos e desfazer os que não funcionarem — o documento não quebra.
Passo 4. Revise e edite o resultado com uma pessoa
O rascunho montado pela IA é um esboço, não uma base de conhecimento pronta. O passo obrigatório é a revisão por alguém que conhece o produto. A IA é boa em encontrar o que se repete e em citar com precisão, mas não distingue uma resposta certeira de uma equivocada, e pode fixar no documento uma frase que, na verdade, não deveria ser dita.
Percorra as seções e verifique o essencial: os fatos sobre preços e condições estão atualizados, as respostas às objeções seguem seus padrões, as formulações têm o tom certo e são juridicamente corretas. Remova casos pontuais que não devem ser generalizados. É exatamente esse passo que transforma um “retrato das conversas” num documento em que se pode confiar, tanto para a IA quanto para as pessoas.
Passo 5. Conecte a base de conhecimento às automações
O documento pronto não é um arquivo “para leitura”, mas um contexto de trabalho para a IA. Os documentos de referência se conectam às regras de automação como contexto para as ações de IA: marcação automática por sentido, prompts livres sobre a transcrição e scripts de IA. É exatamente essa a mecânica de “montar a base de conhecimento a partir das chamadas → alimentar a IA com ela”.
Na prática, funciona assim: a regra que marca as novas chamadas ou escreve seus resumos recebe sua base de conhecimento como referência. A tag “objeção complexa” fica mais precisa porque a IA conhece sua lista de objeções; o resumo fala a língua do seu produto porque enxerga seus fatos e termos. A marcação deixa de ser “média de mercado” e passa a ser sua.
Passo 6. Conecte a base aos agentes de voz com IA e feche o ciclo
O passo final é devolver o conhecimento a de onde ele veio — à conversa. A mesma base de conhecimento alimenta os agentes de voz com IA: a secretária de IA na linha para chamadas de entrada e o disparo inteligente de chamadas de saída. O agente responde perguntas e trata objeções não a partir de um roteiro abstrato, mas com formulações que já provaram funcionar nas suas próprias chamadas. Como isso funciona a seguir, veja o caso de uso treinar a IA com suas próprias chamadas.
Assim o ciclo se fecha: as chamadas se transformam em conhecimento, o conhecimento refina a marcação e treina os agentes, os agentes geram novas conversas — e a base de conhecimento se atualiza com perguntas e objeções recentes. Periodicamente, volte ao documento e peça ao assistente para adicionar o que surgiu nas conversas mais recentes; a base de conhecimento permanece viva, em vez de ficar desatualizada um trimestre depois de escrita.
Próximos passos
A base de conhecimento a partir de chamadas é um passo intermediário da transformação com IA: entre entender suas conversas e treinar a IA com elas. Se você está apenas começando, veja o panorama geral da abordagem no caso de uso base de conhecimento a partir de chamadas. Se a base já está montada, a continuação lógica é calibrar os agentes de voz e as regras de extração com seus dados, o que é detalhado no material sobre treinar a IA com suas próprias chamadas. Configurar tudo isso em linguagem natural é papel do copiloto de IA.