Agentes de IA para transporte público: alertas e triagem de reclamações

Agentes de IA para transporte público podem redigir alertas de serviço ao passageiro a partir de dados operacionais aprovados, classificar reclamações por assunto e urgência, e encaminhar qualquer caso que envolva segurança, reembolso ou ação judicial para um responsável nomeado da equipe. Uma primeira versão útil deve ser deliberadamente restrita: ela lê horários, feeds de ocorrências e a fila de reclamações, escreve respostas dentro de textos aprovados e registra cada encaminhamento. Um agente mais capaz poderá, no futuro, lembrar falhas recorrentes ao longo de semanas e de vários canais, mas só se o operador puder ver, corrigir e limitar essa memória.

Principais pontos

• Comece pelos alertas de serviço e pela triagem de reclamações, não por decisões autônomas sobre mudanças na operação.
• Cada alerta deve rastrear até uma fonte operacional aprovada, com um responsável nomeado que possa corrigi-lo.
• Reclamações precisam de categorias fixas e regras de escalonamento, com segurança, acessibilidade, reembolsos e ameaças legais sempre direcionados a pessoas.
• Avalie o agente por alertas corretos e encaminhamentos bem feitos, não pelo volume de mensagens enviadas.
• Um agente mais forte agrega valor com memória de padrões e rascunhos melhores, e somente sob revisão periódica de permissões.

Onde a comunicação com o passageiro costuma falhar

A maioria dos operadores de transporte não sofre por falta de informação. Sofre por falta de uma versão única e consistente dela. Uma ocorrência é conhecida pela central de controle em poucos minutos, mas o aplicativo do passageiro pode ser atualizado depois, o painel da plataforma pode exibir uma mensagem antiga e a conta nas redes sociais pode descrever o problema de outra forma. O passageiro percebe essa diferença, e a central de atendimento ou a equipe de linha de frente absorve as perguntas que vêm em seguida.

O mesmo padrão aparece nas reclamações. Um passageiro escreve sobre uma conexão perdida, um veículo lotado, uma catraca com defeito ou a postura de um motorista. A mensagem cai em uma caixa compartilhada, espera alguém lê-la e recebe resposta de memória ou com um modelo que talvez não se encaixe. Ninguém envolvido fez nada de errado. O processo simplesmente não tem uma forma confiável de classificar, priorizar e registrar o que chega.

Um agente de IA é útil nessa lacuna por dois motivos. Ele pode produzir o mesmo texto factual em todos os canais a partir de uma única fonte aprovada, e pode ler as reclamações no momento em que chegam, atribuir uma categoria e anexar o contexto relevante da viagem ou da parada. Ele não decide o que o operador deve fazer sobre o problema de fundo. Essa decisão continua com as pessoas responsáveis pelo serviço.

O que o agente deve enviar e o que nunca deve enviar

A primeira pergunta não é qual ferramenta conectar. É quais mensagens o operador aceita que uma máquina redija e quais não aceita. Um guia de decisão simples ajuda a equipe de operações a combinar isso antes de qualquer construção começar.

• Avisos de rotina vindos de um feed de ocorrências aprovado, como um fechamento programado para manutenção com horário de fim conhecido: o agente pode redigir e publicar após uma verificação automática contra a fonte.
• Atualizações de ocorrências em andamento: o agente pode redigir, mas um controlador aprova cada publicação, porque os fatos mudam rapidamente e uma informação errada é difícil de retirar.
• Previsões de restabelecimento: o agente pode mostrar o horário informado pela operação, nunca uma estimativa calculada por ele mesmo.
• Incidentes de segurança, lesões ou qualquer situação envolvendo serviços de emergência: o agente não escreve mensagens públicas. Ele notifica o supervisor de plantão e abre um registro.
• Reembolsos, disputas tarifárias e indenizações: o agente pode coletar dados e classificar o pedido, mas um membro da equipe decide o resultado.
• Respostas a ameaças legais ou contatos da imprensa: o agente encaminha imediatamente e não envia nada.

Desenhado assim, o limite é fácil de auditar. Se um passageiro ou um gestor perguntar por que uma mensagem foi enviada, o registro mostra a fonte, quem aprovou e o texto que foi usado.

Um modelo de triagem para reclamações

A triagem funciona melhor com um conjunto pequeno de categorias que o operador já usa em seus próprios relatórios. Criar categorias novas para o agente gera uma segunda taxonomia que ninguém mantém. Um ponto de partida viável inclui pontualidade, lotação, limpeza, conduta da equipe, acessibilidade, bilhetagem e pagamento, objetos perdidos, segurança e outros.

Para cada categoria, o agente deve seguir os mesmos passos:

• Ler a mensagem e identificar a viagem, a linha, a parada ou o número do bilhete, se o passageiro tiver informado.
• Verificar se a mensagem contém sinal de segurança, acessibilidade ou jurídico e, se houver, escalar imediatamente ao supervisor de plantão.
• Atribuir uma categoria e um nível de prioridade segundo as regras escritas do operador, registrando o grau de confiança dessa atribuição.
• Anexar o contexto de serviço correspondente do registro operacional, como se havia uma ocorrência ativa naquela linha naquele momento.
• Redigir a resposta a partir de modelos aprovados, marcando qualquer frase que faça afirmação factual para que um revisor possa conferi-la.
• Colocar o caso na fila correta com um resumo que uma pessoa consiga ler em poucos segundos.

Cenário ilustrativo: um passageiro escreve que um trem atrasou e que um funcionário foi grosseiro na catraca da estação. O agente separa os dois assuntos em dois casos. O caso do atraso é vinculado ao registro de ocorrências daquela linha e daquele intervalo de tempo, e recebe a explicação padrão já aprovada para aquele evento. O caso de conduta é encaminhado ao supervisor da estação com o texto do passageiro preservado, e o agente envia ao passageiro apenas uma confirmação de que o relato foi repassado. O agente não julga quem tinha razão.

O resumo importa mais do que parece. Supervisores que leem um caso claro, em um parágrafo, com o contexto anexado, conseguem agir em poucos minutos. Quem recebe a mensagem bruta muitas vezes precisa reconstruir a história do zero.

Como desenhar limites de aprovação e permissões

O desenho das aprovações é onde está a maior parte do trabalho real. Um agente que pode ler a fila de reclamações não deve, automaticamente, conseguir publicar alertas de serviço, alterar o status de um reembolso ou editar um horário. Cada capacidade precisa de uma permissão própria, concedida à identidade do agente e não a mais nada. A orientação da OWASP sobre autorização descreve o princípio geral: o acesso deve ser verificado em cada ação e limitado ao que o papel exige. Para um agente, isso significa credenciais separadas para ler feeds de ocorrências, escrever rascunhos, publicar avisos aprovados e atualizar registros de casos.

As mensagens dos passageiros também devem ser tratadas como entrada não confiável. Uma reclamação pode conter texto que tenta instruir o agente, por exemplo pedindo que ele ignore suas regras ou prometa um reembolso. O agente deve tratar esse texto como conteúdo a classificar, nunca como comando. A aprovação humana é a última barreira, e deve ser desenhada para capturar qualquer coisa que altere um compromisso assumido com o passageiro.

O NIST AI Risk Management Framework é útil para estruturar essas decisões, porque pede que as organizações definam o contexto, identifiquem riscos, os meçam e os gerenciem com responsabilidades claras. O guia da Anthropic sobre a construção de agentes eficazes chega a um ponto semelhante a partir da engenharia: padrões simples, bem delimitados e com checkpoints explícitos costumam ser mais fáceis de operar do que autonomia ampla. Para um operador de transporte, a tradução prática é uma política curta e escrita que diga quem aprova o quê, e um registro que mostre que a política foi seguida.

A abordagem gerenciada da Be Human começa definindo o primeiro agente em torno de um único papel, como a redação de alertas para uma linha ou a triagem de um canal de reclamações. O projeto registra a memória e as ferramentas que esse papel precisa, os pontos de aprovação e o critério de sucesso, como a parcela de reclamações encaminhadas corretamente na revisão. A operação gerenciada cobre depois o monitoramento, a revisão de permissões após cada mudança de integração, a resposta a incidentes quando um feed falha e as atualizações controladas de modelos e categorias.

O que um agente mais capaz poderia acrescentar

Um agente mais capaz, do tipo que muitas pessoas descrevem como superinteligente, seria mais valioso justamente onde as equipes têm dificuldade de acompanhar. Um exemplo é a memória de padrões. Uma única reclamação sobre um veículo barulhento significa pouco. Dezenas de reclamações parecidas sobre o mesmo padrão de serviço ao longo de uma temporada apontam para uma questão de manutenção ou de programação. Um agente com memória governada sobre casos anteriores pode levar esse padrão à equipe de planejamento, com links para os registros de origem.

Outro ganho é o contexto entre canais. Um passageiro pode relatar um problema pelo aplicativo, depois ligar para a central e, por fim, publicar nas redes sociais. Um agente mais forte consegue conectar esses fios, para que a equipe veja um único caso em vez de três fragmentos. Um terceiro ganho é a redação melhor, com respostas que acompanhem o tom do operador e sigam seus fatos aprovados sem repetição.

Esses acréscimos têm custos. A memória levanta questões de retenção e de acesso, e as reclamações costumam conter dados pessoais. No Brasil, a ANPD fiscaliza as regras da LGPD, então operadores que atendem passageiros brasileiros devem envolver as equipes jurídica e de privacidade antes de armazenar dados de passageiros em qualquer memória de agente. Cada nova capacidade também precisa de avaliação própria, porque um modelo melhor ainda pode errar com confiança sobre um horário.

Como medir se o agente está funcionando

A medição deve começar antes do lançamento. Monte um conjunto de reclamações e alertas passados, com a categoria, a prioridade e o escalonamento corretos já definidos por integrantes experientes da equipe. Execute o agente sobre esse conjunto e registre onde ele discorda. Os textos da Anthropic sobre avaliações de agentes recomendam esse tipo de verificação baseada em tarefas, repetida após cada mudança em prompts, ferramentas ou fontes de dados.

Depois do lançamento, uma lista de verificação prática mantém a operação honesta:

• Revisar uma amostra aleatória de reclamações classificadas pelo agente toda semana, registrando cada caso em que a categoria ou o escalonamento estavam errados.
• Confirmar que cada alerta publicado corresponde à fonte aprovada no momento da publicação.
• Acompanhar quantos escalonamentos foram revertidos pelos supervisores e ler os motivos.
• Testar o que acontece quando um feed de ocorrências chega atrasado ou fica indisponível, e confirmar que o agente para de publicar em vez de adivinhar.
• Revisar permissões após qualquer mudança no sistema de bilhetagem, no fornecedor do feed ou na escala da equipe.
• Manter um registro de incidentes com horário, causa e correção para cada mensagem errada enviada a passageiros.

O operador também deve combinar antecipadamente o que conta como sucesso. Para muitas equipes, o primeiro critério certo não é enviar menos mensagens, e sim fazer menos respostas erradas chegarem ao passageiro e encaminhar mais rápido os casos que importam. Equipes de operações que já têm revisões recorrentes podem adaptar as mesmas rotinas, como mostra o texto sobre como agentes de IA apoiam equipes de operação com trabalho e relatórios recorrentes.

Se a sua equipe atende passageiros, reclamações ou avisos de serviço e você não sabe por onde um agente ajudaria primeiro, faça o diagnóstico gratuito de IA da Be Human para encontrar a primeira tarefa que vale entregar a um agente.

Perguntas frequentes

Um agente de IA pode publicar alertas de serviço para passageiros sem revisão humana? Pode, mas o desenho mais seguro exige revisão para atualizações de ocorrências em andamento e para qualquer mensagem que informe um horário de restabelecimento ou uma causa. Avisos de rotina ligados a uma fonte programada e aprovada podem ser publicados automaticamente depois que o agente passa por uma verificação da fonte. O operador deve decidir essas categorias por escrito antes de conectar qualquer ferramenta de publicação.

Como o agente lida com uma reclamação que menciona um problema de segurança? O agente deve detectar sinais de segurança, acessibilidade e jurídicos antes de tentar qualquer classificação, depois notificar imediatamente o supervisor de plantão e abrir um registro. Não deve enviar uma resposta automática de mérito nesses casos. O passageiro recebe apenas a confirmação de que o relato foi repassado à equipe responsável.

Precisamos de um modelo mais avançado para começar? Normalmente não. Um primeiro agente para alertas e triagem depende mais de categorias limpas, fontes de dados confiáveis e regras de aprovação claras do que do modelo mais capaz disponível. Capacidades mais fortes, como a memória de padrões, podem ser acrescentadas depois, quando os encaminhamentos básicos e as avaliações estiverem estáveis.

Que dados devemos manter fora do agente? Mantenha de fora tudo o que o agente não precisa para o seu papel específico, incluindo dados completos de pagamento, informações de saúde e documentos de identidade anexados às reclamações. Guarde apenas o mínimo necessário para classificar e encaminhar um caso, e confirme as regras de retenção e acesso com a equipe de privacidade, especialmente quando as regras brasileiras de proteção de dados se aplicarem.

Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.