Assistente de IA para as equipes hoteleiras: um suporte operacional a serviço da produtividade e da satisfação do cliente

No âmbito do programa de IA do grupo dedicado aos hotéis, uma constatação se impunha: as equipes hoteleiras se dividiam entre ferramentas e documentos dispersos e perdiam tempo com demandas de suporte recorrentes.

Essa situação tinha três consequências.

• Incidentes mais demorados de resolver. Encontrar o procedimento certo levava tempo, todas as vezes.
• Um suporte acionado para perguntas repetitivas. As mesmas demandas se repetiam de um hotel para outro.
• Uma experiência do cliente afetada. Cada minuto gasto procurando uma informação é um minuto a menos para o cliente.

A necessidade: um assistente que responda às perguntas operacionais das equipes hoteleiras a partir da base de conhecimento do suporte.

Tratamos o assistente como um produto em produção, não como uma demonstração. Três princípios estruturam o projeto.

• Respostas ancoradas na base de conhecimento. O agente se apoia nos artigos do suporte e cita suas fontes.
• A avaliação antes da otimização. Um framework de medição automatizado orienta cada escolha: modelo, contexto, formato de resposta.
• A integração ao existente. O assistente passa a fazer parte da plataforma RAG-as-a-service do grupo, para aproveitar sua base e enriquecê-la.

• Agente RAG. Uma primeira versão do agente construída em LangGraph sobre a base de conhecimento ServiceNow, depois migrada para o OpenAI Agents SDK dentro de uma plataforma agêntica.
• Framework de avaliação. Concebido no Langfuse: recall da busca e das citações, latência, custo e LLM-as-a-Judge para fidelidade, tom e redirecionamento.
• Otimização. Saídas estruturadas, context engineering e benchmark de vários LLMs.
• Contexto de cada hotel. As informações próprias do hotel complementam a base de conhecimento para tornar cada resposta mais precisa.
• Plataforma RAG-as-a-service. Integração da base de conhecimento e do glossário de negócio à plataforma RAG do grupo, cuja expansão passamos a conduzir em seguida.

Uma equipe de oito data scientists e uma pessoa dedicada à gestão de projeto, em conjunto com a equipe de infraestrutura do grupo, formada por data engineers, e com as equipes de negócio, entre product managers e áreas de negócio. O projeto começou com três a quatro pessoas e depois acelerou com sete a oito pessoas até a entrada em produção.

O assistente está em produção após 8 meses de projeto. Hoje ele equipa mais de 1.500 hotéis do grupo, e sua implantação continua.

Cada hotel conta com uma experiência personalizada. O assistente responde no idioma do usuário, onde quer que ele esteja no mundo, e se apoia no contexto do hotel para dar uma resposta mais precisa.

Cada evolução é medida pelos mesmos critérios: qualidade da busca e das citações, fidelidade e tom das respostas, capacidade de redirecionar para o interlocutor certo, latência e custo.

• Respostas com fonte. Cada resposta remete aos artigos da base de conhecimento de onde foi extraída.
• Uma resposta adaptada a cada hotel. O idioma do usuário e o contexto do hotel são levados em conta, em qualquer lugar do mundo.
• Um LLM-as-a-Judge a serviço da qualidade. Fidelidade, tom e redirecionamento são avaliados automaticamente a cada iteração.
• Uma base compartilhada. A integração à plataforma RAG do grupo beneficia outros casos de uso.

Esta abordagem responde a quatro situações.

• Suas equipes de campo perdem tempo procurando procedimentos em ferramentas dispersas.
• Seu suporte trata todos os dias as mesmas demandas recorrentes.
• Você tem uma base de conhecimento subaproveitada, no ServiceNow ou em outra ferramenta.
• Você quer um assistente de IA medido e confiável, não uma demonstração.

Partimos da sua base de conhecimento, dos seus processos de suporte e das perguntas das suas equipes. Os especialistas que concebem o agente o avaliam, o colocam em produção e o fazem evoluir com você.