81,6% das famílias brasileiras estão endividadas, segundo a CNC/PEIC, e a Serasa já contabiliza 81,7 milhões de inadimplentes no país. Com esse volume, qualquer régua de cobrança lida com escala, e a pergunta que interessa não é se vale usar IA, é como usar sem gastar o orçamento no processo.
Não há dúvidas que todos em cobrança querem usar IA, obviamente funciona. Mas na prática, vejo duas empresas cometendo o mesmo erro por caminhos opostos. Uma não usa IA em quase nada, com medo de errar ou de gastar demais. A outra usa IA em tudo, manda mensagem para base inteira o tempo todo, e no fim do mês olha para o custo e não entende de onde veio a conta.
As duas estão perdendo dinheiro. Só que de jeitos diferentes.
O erro não é usar IA. É usar sem perfilar
Em maio, organizamos o primeiro evento de networking sobre pagamentos no Brasil, em parceria com a PiniOn, com uma pesquisa de quase 1.500 brasileiros em todos os estados do país. Um dos temas que mais gerou discussão entre as empresas presentes não foi Pix Automático. Foi IA em cobrança.
O aprendizado que ficou mais nítido na sala foi: IA gera valor quando vem depois de um bom perfilamento de cliente, não quando o substitui. Uma das empresas contou que testou bot de voz com IA e descartou, porque o tempo médio de atendimento subiu e o entendimento piorou. Outra contou o oposto: perguntou direto para o devedor "quanto você consegue pagar?, dessa forma gerou negociações melhores do que qualquer script pronto.
Em resumo: mandar mensagem repetida para um cliente que já te disse quando vai pagar não é só ruim para experiência dele. É desperdício puro de token e de orçamento, em escala. Se você tem cem mil clientes na régua e manda três mensagens desnecessárias para 20% deles, você não errou uma vez. Errou sessenta mil vezes.
Perfilar cliente é o ponto de partida, não um extra
"Perfilar cliente com IA" parece um conceito abstrato, mas na prática é simples: usar dados para entender que grupo de cliente paga melhor em qual dia, prefere qual canal, responde melhor em qual horário e reage melhor a qual tom de mensagem.
A mesma pesquisa que fizemos, com a PiniOn, mostrou coisas que ajudam a montar esse perfil. Quase metade da população diz que a situação financeira melhorou nos últimos 12 meses, mas só um quarto acredita que a economia vai melhorar nos próximos dois anos. Mais da metade tem mais de 50% da renda comprometida com despesas fixas, e quase um quinto compromete mais de 90%. Falta de saldo no fim do mês é o principal fator de estresse financeiro do brasileiro, esquecer de pagar e cair em multa e juros é o segundo. Isso já diz muita coisa sobre porque cliente atrasa: nem sempre é falta de vontade, boa parte das vezes é falta de margem ou falta de lembrete no momento certo.
Isso é dado de pesquisa externa, mas o mesmo raciocínio vale para o dado interno da sua base: não é a IA sozinha que recupera mais, é a IA aplicada em cima de um perfil bem construído.
Um exemplo prático: cem mil clientes não são um bloco
Deixa eu tornar isso concreto. Imagina uma empresa de telecom com cem mil clientes na base. Setenta mil pagam em dia, sem problemas. Os outros trinta mil atrasam, aí que a régua de cobrança entra: de zero a trinta dias, de trinta a sessenta, de sessenta a noventa. Só que, dentro desses trinta mil, também tem padrão.
Você olha o histórico e descobre que de quem atrasa entre zero e cinco dias, uns quinze mil você recupera só com um lembrete de WhatsApp, sem precisar de ligação nenhuma. Outro grupo, menor, só paga depois de uma ligação, então faz sentido programar a ligação em vez de insistir em mensagem. Um terceiro grupo paga, mas demora e volta e meia precisa renegociar valor ou prazo. E ainda existe um recorte por região, onde alguns estados respondem melhor num canal do que em outro.
É só depois de enxergar esses padrões que faz sentido perguntar onde a IA entra. Para o grupo que renegocia com frequência, você usa IA para montar oferta de renegociação dentro de limites já definidos, sem precisar de um humano em cada conversa. Para o grupo que paga direto, você não precisa de IA sofisticada nenhuma: um lembrete simples, por WhatsApp ou e-mail, resolve. E para o grupo que praticamente não paga, o caminho costuma ser o oposto do que se imagina: uma campanha mais intensiva e mais humana, com pessoa de verdade, porque é o cliente mais difícil de recuperar e o que menos responde bem a mensagem automática.
Isso não é teoria. Uma pesquisa da Teletime News no setor de telecom mostrou que 97% dos clientes em atraso reconhecem a dívida quando abordados, 78% convertem em pagamento, e 64,1% regulariza a situação em até 60 dias, só que o caminho até lá muda completamente dependendo de como a cobrança é conduzida com cada perfil.
Ou seja, a IA não deveria ser a mesma para a base inteira. Ela deveria se adaptar dependendo de qual desses grupos você está tentando cobrar.
Onde a eficiência operacional aparece de verdade
A parte de perfilamento é o "para quem" e o "quando". A eficiência operacional é o "como". E aqui os ganhos são grandes quando a base já está segmentada, como no exemplo da telecom acima.
A Symend é uma empresa canadense de tecnologia de cobrança que usa dado comportamental, e não somente score de risco, para decidir como e quando abordar cada cliente inadimplente. Segundo a Symend, empresas que segmentam cliente por capacidade e disposição de pagar chegam a uma queda de 85% nas interações humanas, na média dos clientes enterprise. A Rifco, financeira canadense e cliente da Symend, aplicou essa segmentação e chegou a 26,6% de autoatendimento com 80% menos ligação feita. Uma emissora de cartão no Reino Unido teve 60% de aumento na taxa de recuperação com 83% menos ligações, priorizando canal digital pra quem responde melhor por ali.
Isso não fica só na cobrança. O mesmo raciocínio vale para dúvida de fatura, para atendimento em venda, para negociação. Se você já sabe que aquele cliente historicamente questiona valor de juros, a IA pode antecipar essa dúvida na primeira mensagem em vez de esperar ele reclamar. Se você sabe que outro cliente só precisa de um lembrete simples, não faz sentido mandar pra ele o mesmo fluxo de negociação complexo que você usaria com quem está em atraso há 60 dias.
O preço de usar IA sem critério
Aqui entra o ponto que menos gente discute: IA não é de graça, o custo cresce rápido quando você usa em volume e sem critério.
Hoje, dependendo do modelo e de como você usa cache no prompt (cache é, na prática, a IA "lembrar" de partes repetidas da conversa em vez de reprocessar tudo do zero a cada mensagem), o mesmo fluxo de atendimento pode custar bem mais ou bem menos. Um exemplo real, levantado pela CloudZero sobre o preço da API da Claude em 2026 (já convertido aqui pra real, numa cotação de referência de R$5,20 por dólar): uma mesma tarefa de suporte, rodando dez mil vezes por dia, custa perto de R$2.600 por mês num modelo mais leve com cache bem configurado, e perto de R$9.750 por mês num modelo mais caro sem cache. Mesma tarefa, mesma escala, 3,8 vezes de diferença só pela forma como a IA foi implementada.
Para colocar isso na escala da telecom que usei de exemplo acima: se você aplicar IA em cem mil clientes com uma média de três interações por cliente ao mês (lembrete, follow-up, negociação), chega a um volume parecido com o desse exemplo da CloudZero, na casa das trezentas mil interações mensais. Nessa escala, tratar a base inteira com IA fica entre R$2.600 e R$9.750 por mês, dependendo só de como ela foi implementada. E se você aplicar IA só nos segmentos que realmente precisam dela, em vez da base toda, esse custo cai de novo, porque você para de gastar token com quem só precisava de um lembrete simples.
O Brasil está prestes a sentir isso de um jeito bem concreto. Segundo reportagem da Consumidor Moderno, a Meta está mudando a cobrança do WhatsApp Business em duas etapas: desde 1º de agosto de 2026, mensagens geradas pelo Meta Business Agent (o agente de IA nativo da própria Meta) já têm cobrança própria, por token; e a partir de 1º de outubro, a mudança fica mais abrangente, com cobrança também por mensagem de serviço enviada em resposta ao consumidor. A Meta ainda vai divulgar as tarifas fechadas por país até 1º de setembro, por isso o valor exato por mensagem no Brasil segue em aberto. Como resume bem essa mesma reportagem, conversa longa, repetitiva e mal estruturada passa a ter custo direto, não é mais só um problema de experiência do cliente.
Multiplica isso pela sua base inteira, todo mês, e fica claro por que "usar IA em tudo" não é estratégia. É desperdício disfarçado de inovação.
A régua certa: o que precisa de IA e o que não precisa
O que eu defendo aqui não é usar menos IA. E também não é usar IA em tudo.
É saber, segmento por segmento, o que de fato precisa de IA e o que não precisa.
Voltando ao exemplo da telecom: o cliente que paga sem drama não precisa de um agente de IA sofisticado interpretando cada resposta dele, um lembrete simples já resolve, e gastar token é desperdício. O cliente que renegocia com frequência é onde a IA realmente potencializa resultado, porque ela consegue montar e ajustar oferta de negociação, dentro de limite pré-definido, mais rápido do que um time inteiro faria manualmente. Já o cliente mais difícil de recuperar, contra a intuição, às vezes precisa de menos IA e mais gente de verdade, porque é ali que a régua automática já mostrou o limite dela.
Feito assim, a IA deixa de ser custo, afinal você gasta menos token por não mandar mensagem para quem não precisa, aplicando IA de verdade só onde ela potencializa negociação e recuperação. Dessa forma, sobra orçamento (e time humano) para dedicar ao cliente mais difícil. Os três pontos que eu trouxe aqui, perfilamento, eficiência operacional e custo, não são frentes separadas. São a mesma régua, vista de três ângulos.
A pergunta que toda empresa deveria estar fazendo não é "quanto de IA a gente usa?". É "a gente sabe, segmento por segmento, onde a IA reduz custo e recupera mais dinheiro, e onde ela está gastando sem necessidade?".
No fim, a mensagem é simples: não deixe de usar IA com medo do custo, e não use IA em tudo porque parece mais fácil. Escolha, onde ela realmente muda o resultado, escolha onde um lembrete simples já resolve sem IA nenhuma, e escolha onde só gente de verdade recupera o cliente. Quem escolhe bem gasta menos e recupera mais. Quem não escolhe está só automatizando o desperdício.
3 dicas para você que quer aplicar mais IA
Se você chegou até aqui, deve estar se perguntando por onde começar. Abaixo seguem três recomendações, em ordem:
-
Perfile antes de automatizar. Não coloque IA pra rodar na base inteira no primeiro dia. Olhe o histórico, separe quem paga sem drama, quem precisa de empurrão e quem precisa de gente de verdade. A IA entra depois, em cima desse mapa, não no lugar dele.
-
Meça custo por resultado, não por mensagem enviada. Uma IA que manda menos mensagem e recupera mais é mais barata do que uma que manda muita mensagem e recupera pouco, mesmo que o custo por mensagem pareça baixo. Acompanhe cache, modelo usado e volume por segmento, não só o total gasto no mês.
-
Mantenha gente de verdade nos casos de maior risco. Cliente muito atrasado, dívida muito alta ou negociação sensível não é lugar pra testar automação. É exatamente ali que um erro de IA custa mais caro, em dinheiro e em relacionamento.