Quando a Tempo iniciou sua jornada estruturada de inteligência artificial (IA), em agosto de 2024, o desafio não era tecnológico. Era estratégico. A companhia precisava escalar eficiência operacional, reduzir custo estrutural e elevar a experiência do cliente em um negócio intensivo em atendimento sem perder controle financeiro, governança e previsibilidade.
O contexto não era trivial. Atuante do segmento de assistências desde 2006, com 41% de market share, mais de 22 milhões de clientes cadastrados, 3 milhões de serviços prestados por ano e uma rede com mais de 22 mil parceiros em todo o País, a Tempo opera em escala continental. A empresa atua principalmente com serviços de Mobilidade, Dia a Dia e Família & Bem-estar, atendendo seguradoras, montadoras, bancos, financeiras e grandes varejistas, em modelos B2B e B2B2C. Em 2019, a empresa ampliou sua atuação ao criar o segmento de Serviços de Conveniência, tornando-se a maior operadora de montagem de móveis da América Latina.
Com mais de 30 anos de atuação no mercado brasileiro, a Tempo atua com sede em Barueri (SP) e tem como principais acionistas os fundos Carlyle e SPX, além da unidade de investimentos da Swiss Re.
Pouco mais de um ano após o início do programa de IA, os resultados vieram antes do previsto. Ao final de 2025, a Tempo já havia alcançado 75% de atendimento totalmente digital, índice inicialmente projetado apenas para 2027. Mais do que isso, a automação foi convertida em resultado financeiro mensurável, com retorno superior a 4,5 vezes o capital investido nos projetos de IA até aqui.
“Desde o início, ficou claro que IA não poderia ser um projeto isolado ou experimental. Ela precisava nascer conectada à jornada do cliente, aos indicadores operacionais e à matemática do negócio”, afirma Wilian Luis Domingues, CIO da Tempo.
IA como camada estrutural
O ponto central da estratégia foi tratar a inteligência artificial como uma camada estrutural da operação, revela o executivo, distribuída ao longo de toda a jornada do cliente e não como soluções desconectadas.
Hoje, cinco sistemas de IA sustentam esse desenho: a Zoe, baseada em IA generativa, no primeiro atendimento ao cliente; o Ícaro, também generativa, focada no relacionamento com prestadores; o Sonic, motor de machine learning responsável pelo dispatch inteligente de serviços; o Octo, voltado à regulação e à detecção de anomalias e fraudes em grande escala; e a Aida, solução de mercado para análise de qualidade, sentimento e aderência ao atendimento.
O resultado é uma arquitetura em que a IA atua do início ao fim do processo, reduzindo atrito humano onde há escala e reforçando controle onde há risco.
Um dos diferenciais mais relevantes do caso da Tempo, de acordo com Domingues, está na criação do AutoOps, indicador corporativo que mede o percentual de atendimentos realizados 100% de forma digital, sem intervenção humana.
Ao contrário de métricas tradicionais de automação, fluxos parcialmente digitais não entram na conta. Ou o atendimento é totalmente automatizado, ou não é considerado.
O AutoOps é dividido em dois blocos. O primeiro, explica o executivo, é o Atendimento, que concentra maior peso por reunir volume e impacto financeiro. O segundo, o Acionamento, que está ligado à mobilização e ao acompanhamento dos prestadores.
Hoje, cerca de 75% dos acionamentos já são realizados automaticamente pelo Sonic. Esse avanço se traduz diretamente em redução de tempo médio de atendimento e melhoria consistente da experiência do cliente. “Se o AutoOps cresce, o custo unitário cai e o NPS tende a subir. Ele conecta operação, finanças e experiência em uma única métrica”, explica Domingues.
Matemática antes do código
Outro ponto-chave dos projetos de IA foi inverter a lógica comum dos projetos de IA. Antes de qualquer prova de conceito, a Tempo definiu quanto estava disposta a investir, qual deveria ser o tempo médio de atendimento para atingir o break-even e em quanto tempo o projeto precisaria se pagar.
Essa conta foi construída junto com a área de planejamento não apenas pela TI. No primeiro projeto, por exemplo, o ponto de equilíbrio estava associado a um tempo médio de atendimento de pouco mais de três minutos.
O projeto começou com atendimentos na casa dos seis minutos. Ao longo dos ciclos de ajuste, esse tempo foi reduzido até atingir 2 minutos e 40 segundos, abaixo do break-even definido. Somados, os cinco projetos já entregaram cerca de R$ 1,8 milhão em resultado positivo, frente a um investimento aproximado de R$ 390 mil.
Menos scripts, mais contexto
Na ponta, o impacto mais visível veio com a Zoe. Antes, a abertura de chamados seguia árvores de decisão rígidas. Com IA generativa, a lógica mudou. Treinada com milhões de atendimentos históricos, a Zoe adapta as perguntas ao contexto, buscando extrair o máximo de informação com o mínimo de interação. O efeito foi uma redução média de 50 segundos por chamada.
Em operações de contact center, ganhos aparentemente marginais se multiplicam rapidamente quando aplicados a centenas de milhares de atendimentos mensais. Além disso, a maior precisão na abertura dos chamados reduziu retrabalho e elevou a qualidade do serviço.
O reflexo aparece no NPS, hoje em torno de 80 pontos, patamar elevado para o volume e a complexidade da operação da Tempo. Em 2025, a empresa realizou mais de 1,14 milhão de atendimentos apenas nos segmentos de Dia a Dia e Mobilidade.
Avanço da governança
Em 2025, a Tempo deu um passo adicional ao unificar tecnologia, operações e produto em uma única estrutura, chamada TecOps. A mudança eliminou o conflito clássico entre áreas demandantes e executoras.
“A priorização deixou de ser uma disputa. Hoje, ela nasce olhando para o AutoOps e para a conta financeira. Nem todo projeto vai para frente e tudo bem”, afirma o CIO. Essa governança permitiu dizer não a iniciativas com retorno longo ou baixa alavancagem, concentrando esforços onde a IA realmente escala valor.
Para 2026, a companhia planeja um novo ciclo de expansão, com investimentos superiores a R$ 1 milhão em IA e retorno projetado entre 3,5 e 4 vezes esse valor.
Entre as frentes previstas estão a evolução dos modelos da Zoe, a ampliação do escopo analítico do Octo, a reconstrução da área de atendimento já nascendo AI-enabled, o uso de dados preditivos para melhorar a preparação dos prestadores e a experimentação com vibe coding, capacitando times a desenvolver soluções pontuais sem sobrecarregar a TI central, um exemplo claro de TI ambidestra em escala corporativa.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
