A Logcomex é uma empresa de tecnologia voltada para o comércio exterior, com soluções focadas em inteligência de mercado e Supply Chain. Com uma missão clara, transformar a maneira como as empresas fazem comércio exterior, a Logcomex atende mais de 300 clientes internacionais e mais de 3.600 clientes externos, operando em um ambiente de alta complexidade técnica e com demanda constante por suporte especializado.
Desafio: alto volume de tickets repetitivos consumiam o tempo da equipe
Toda a operação de suporte da Logcomex era conduzida manualmente por humanos. A empresa opera com quatro canais de atendimento (e-mail, chat, telefone e WhatsApp), atendendo centenas de clientes internos e externos.
Com o crescimento da base de clientes, o maior gargalo estava nos tickets repetitivos: dúvidas simples e recorrentes que consumiam o tempo dos analistas e os impediam de se dedicar a problemas mais complexos.
Era muito comum as equipes de suporte terem esse alto volume de tickets recorrentes, repetitivos, tickets de dúvida que requerem um humano para responder quando poderiam ser automatizados. Então, a falta de um local de autoatendimento para o usuário dificultava isso. Ele não tinha um FAQ, não tinha uma triagem feita por IA.
Cerca de 50% de todos os tickets recebidos eram de dúvidas, um número que tornava inviável qualquer tentativa de escalar a operação sem um aumento proporcional de headcount.
A falta de um local de autoatendimento para o usuário e a ausência de triagem feita por IA traziam uma dependência extrema do nosso time para resolver as tarefas mais simples e responder as dúvidas também mais cotidianas. Isso impedia que a gente escalasse a nossa operação sem aumentar o headcount da equipe.
Crescimento projetado exigia uma solução escalável
A projeção de crescimento da base de clientes significava que o volume de tickets tenderia a aumentar.
Escalar o time de forma linear com o crescimento do negócio não era uma opção viável financeiramente, e a empresa precisava de uma solução que absorvesse essa demanda futura sem gerar novos gargalos.
Todos os tickets passavam por um agente humano. Atendemos a mais de 300 clientes internos e mais de 3.600 clientes externos. Para escalar a operação, isso ia ser inviável. A gente precisava de uma ferramenta que nos ajudasse, pelo menos com esses tickets repetitivos, pelo menos com essa triagem inicial
Solução: Agente de Atendimento integrado à operação já existente de suporte
A decisão de implementar o Customer Agent da HubSpot não partiu do zero.
A Logcomex já utilizava o Service Hub com pipeline de tickets, e outras equipes internas também operavam na HubSpot.
Isso fez da integração com o novo agente uma escolha estratégica: menor risco, maior eficiência operacional e nenhuma necessidade de desenvolvimento adicional.
Um diferencial decisivo foi justamente a independência de desenvolvimento: toda a implementação foi feita com base na documentação da HubSpot, sem necessidade de times técnicos dedicados ou codificação customizada.
Não depender de desenvolvimento foi fundamental. A gente criou a base de conhecimento, estruturou todos os artigos e fez a implementação do agente baseado na documentação já disponível da HubSpot. Foi um processo muito rápido, muito fácil. Não tivemos dificuldade nesse aspecto. Isso agilizou a implementação de todo o agente para que ele entrasse em ação o quanto antes.
Construção da base de conhecimento estruturada
O ponto de partida da implementação foi a criação de uma base de conhecimento robusta e estruturada dentro da HubSpot. A equipe organizou artigos por produto, criando FAQs detalhados que trouxeram mais clareza e padronização não apenas para o agente de IA, mas também para os próprios analistas humanos.
Em vez de respostas genéricas, o agente passou a entregar respostas contextualizadas, com passo a passo detalhado, diretamente baseado no conhecimento acumulado pela empresa.
Implementação do Customer Agent
A Logcomex utilizou o Customer Agent da HubSpot durante aproximadamente dois meses em fase beta, o que permitiu à equipe realizar um estudo de ROI antes da implantação oficial. Nesse período, foram analisados:
-
O tempo médio de atendimento de uma dúvida simples por um analista humano
-
O total de tickets respondidos pelo agente durante o período de teste
-
O valor mensal economizado em tempo de analistas, com base na média de hora por profissional
Esse modelo de análise deu à empresa a segurança e os dados necessários para tomar a decisão estratégica de adotar e expandir o uso da ferramenta.
Lançamento oficial e melhoria contínua
O agente foi lançado oficialmente em junho de 2025. Desde o primeiro dia, já resolvia 50% das dúvidas recebidas via chat.
Ao longo dos meses seguintes, a Logcomex acompanhou de perto os gaps de resposta, identificando perguntas não atendidas corretamente e aprimorando continuamente os artigos da base de conhecimento.
A equipe entendeu que a base de conhecimento não é um ativo estático: ela precisa ser atualizada de forma recorrente para acompanhar evoluções de produto, novas funcionalidades e perguntas emergentes dos clientes.
Essa análise da base de conhecimento é fundamental para que a gente consiga aprender a resolver situações e dúvidas mais complexas ao longo do tempo. Tem que ser feito esse acompanhamento próximo, para que tenha cada vez mais artigos assertivos. Isso possibilita que o agente dê respostas melhores ao longo do tempo.
Atendimento 24/7, multilíngue e sem fila de espera
Com a Logcomex atendendo clientes internacionais, um benefício estratégico imediato do agente foi a capacidade de atender em múltiplos idiomas, fora do horário comercial e todos os dias da semana, sem custo adicional de estrutura.
A melhoria também na experiência do cliente: esse atendimento automatizado que antes entrava numa fila, precisava esperar, agora ele não precisa mais. Ele tem atendimento fora do horário comercial, todos os dias da semana, em vários idiomas suportados. Nós temos clientes internacionais, e esses pontos se tornam muito importantes.
Resultados: 87% os tickets do chat resolvidos pelo agente
O resultado mais expressivo da implementação foi a taxa de resolução autônoma pelo agente: 87% dos tickets recebidos via chat são hoje respondidos diretamente pela IA, sem necessidade de intervenção humana.
Esse índice, alcançado por meio de trabalho contínuo de otimização da base de conhecimento, representa uma transformação completa no modelo operacional de suporte da empresa.
51% de redução nos tickets de dúvida atendidos por humanos
Antes do agente, cerca de 50% de todos os tickets eram de dúvidas e o principal gerador de sobrecarga para os analistas. Com a IA resolvendo essas demandas de forma autônoma, o volume de tickets de dúvida atendidos por humanos caiu 51%. Os analistas passaram a se dedicar exclusivamente a problemas complexos, que demandam raciocínio técnico e atenção qualificada.
O agente funciona como uma camada de atendimento elástica, capaz de escalar conforme a demanda cresce, seja em volume de clientes, seja em horários de pico.
Com as dúvidas simples automatizadas, os analistas humanos passaram a atuar exclusivamente em tickets complexos, aqueles que demandam mais atenção, conhecimento técnico e capacidade de resolução criativa. Isso gerou um impacto direto na qualidade do atendimento prestado e na satisfação dos clientes que precisam de suporte especializado.
.png?width=215&height=50&name=faster%20(1).png)
