Neste artigo
Pontos-chave
- Um agente de IA lê cada pedido, devolução ou mensagem e escolhe a próxima ação sozinho, então você para de programar uma regra separada para cada situação que a loja enfrenta.
- As devoluções já chegam a 19,3% das vendas online, segundo o NRF 2025 Retail Returns Landscape, o que coloca a triagem de devoluções entre as tarefas de maior valor para delegar a um agente.
- As três frentes que valem a pena automatizar primeiro: processamento de pedidos, trocas e devoluções, e mensagens pós-compra por e-mail, SMS e chat.
- Na Albato, um agente de IA é um passo dentro de uma automação. Você descreve a tarefa em linguagem natural, conecta as ações que ele pode executar, e ele roda a partir do gatilho que você já tem.
A automação tradicional de e-commerce quebra no momento em que um pedido foge um pouco do padrão: um reembolso parcial, um pagamento em moeda diferente, uma devolução que chega sem número de autorização. Os agentes de IA cuidam justamente desse meio bagunçado que as regras fixas nunca cobriram, e é nesse meio que os tickets de suporte se acumulam.
O que um agente de IA faz de fato em um fluxo de e-commerce
Um agente de IA é um passo de automação que lê os dados de entrada, decide qual ação executar e preenche os detalhes por conta própria, em vez de você programar cada condição na mão. Numa loja, isso significa que ele olha um pedido novo e escolhe se marca para análise de fraude, encaminha para um centro de distribuição específico ou dispara uma etiqueta de envio, com base nas instruções que você escreveu uma vez em linguagem natural.
A diferença para uma automação clássica está na decisão. Um fluxo tradicional exige que você preveja cada ramificação: se o país for X, faça Y; se o total passar de um valor definido, faça W. Um agente lê o contexto inteiro e escolhe a ação que se encaixa, e por isso ele se sustenta quando um pedido real não bate com nenhum caminho que você planejou.
O pipeline abaixo mostra como um único gatilho alimenta as três frentes que o resto deste guia detalha.
As três frentes partem do mesmo gatilho e do mesmo passo de decisão, e é por isso que um único agente cobre tarefas que antes pediam três fluxos separados. Uma ressalva antes de você montar isso.
💡 Dica. Comece o agente por uma tarefa estreita, como classificar pedidos de reembolso por motivo, antes de deixá-lo mexer na expedição. Você quer ver como ele raciocina em decisões de baixo risco primeiro.
Processamento de pedidos: do checkout à expedição
A primeira tarefa que vale automatizar é o processamento de pedidos, porque ele acontece em toda venda e segue um padrão que o agente aprende rápido. Quando um pedido entra, o agente valida o endereço, associa o SKU ao fornecedor certo, decide se o pagamento precisa de análise manual e cria o registro de expedição, sem que você ramifique cada caso.
Isso pesa mais conforme o volume cresce. O abandono de carrinho já está em 70,22% em média, segundo o Baymard Institute, então cada pedido concluído foi difícil de conquistar. Estragar os que convertem com uma etapa de expedição travada ou mal roteada é a última coisa que uma loja pode se dar ao luxo.
Onde um agente passa na frente de um motor de regras é na exceção. Um cliente paga em uma moeda mas recebe em um país que você precifica em outra, ou pede um combo em que um item está em falta. Um fluxo fixo trava ou faz a coisa errada. O agente lê a situação e decide: divide o envio, segura o item em falta, avisa o cliente, tudo a partir de um único conjunto de instruções.
O contraste fica mais claro lado a lado do que no texto corrido, então o quadro abaixo coloca uma árvore de regras fixas ao lado de um agente na mesma exceção.
O agente só escolhe a ramificação certa se ela existir como uma ação conectada, e esse é o detalhe de configuração que os times pulam.
⚠️ Importante. Um agente só é tão bom quanto as ações que você dá a ele. Se ele não tem uma ação de "segurar pedido" conectada, ele não consegue segurar pedido nenhum, por melhor que raciocine. Conecte as ferramentas antes de confiar nas decisões.
Trocas e devoluções: a tarefa de maior valor para automatizar
As devoluções são o caso mais forte para um agente de IA no e-commerce agora, porque o volume é alto e cada devolução é um pouco diferente. As devoluções online chegaram a 19,3% das vendas em 2025 segundo o NRF e a Happy Returns, e o mesmo relatório apontou que 82% dos compradores levam em conta a devolução gratuita antes de comprar. Essa combinação torna as devoluções ao mesmo tempo caras e inegociáveis.
O agente lê um pedido de devolução, classifica o motivo (tamanho errado, produto danificado, desistência), confere o item contra a janela da sua política e decide o desfecho: aprova o reembolso, concede crédito na loja, oferece uma troca ou escala para um humano. Ele preenche os campos de cada ação sozinho, então um caso de "danificado na entrega" pula a etapa de reposição no estoque que um caso de "desistência" precisa.
Você escreve essa política uma vez, em linguagem natural, e o agente lê cada pedido contra ela. A tela abaixo mostra onde essas instruções ficam: a mensagem do usuário carrega os dados da devolução, as instruções do agente guardam a sua política, e os guardrails limitam o que ele pode decidir.
O motivo de isso superar um motor de regras é a pressão da fraude. O relatório do NRF também aponta 9% das devoluções como fraudulentas, e fraude raramente cabe em uma regra fixa. Um agente pesa a frequência de devoluções, o valor do item e a idade da conta em conjunto, aí sinaliza os casos estranhos para análise enquanto aprova os limpos automaticamente, que é exatamente a divisão que a maioria dos times faz na mão hoje.
Os guardrails o mantêm nos limites. Você define restrições em linguagem natural, como "nunca aprovar reembolso acima de R$ 500 sem análise humana" ou "sempre exigir foto em reclamação de dano", e o agente respeita isso em toda execução. Se você quer o passo a passo completo para definir o escopo de um agente assim, o checklist de 10 passos para construir um agente percorre instruções e guardrails na ordem certa.
Mensagens pós-compra: mantenha o cliente informado sem templates
A mensagem pós-compra é a terceira frente, e é onde o agente transforma um centro de custo em retenção. Em vez de um template genérico de "seu pedido foi enviado", o agente lê o pedido e o histórico do cliente, aí escreve uma mensagem que combina com a situação e envia pelo canal que aquele cliente realmente usa, seja e-mail, SMS ou WhatsApp.
O valor está nas exceções de novo. Um envio atrasado, um reembolso parcial, um item que voltou ao estoque e o cliente esperava: esses casos pedem uma mensagem com os fatos certos, não um template com lacunas em branco. O agente lê o estado atual e compõe a atualização, então o cliente fica sabendo do atraso antes de abrir um ticket perguntando sobre ele.
🔧 Como funciona. O agente recebe os dados do pedido de um passo anterior como entrada, segue suas instruções para decidir a mensagem e o canal, aí chama uma ação de envio (e-mail, SMS ou uma API de chat) como uma das ferramentas conectadas. Um passo substitui uma cadeia de filtros e seletores de template.
O momento e a escolha do canal fazem diferença no engajamento. Mensagens transacionais, como avisos de envio, costumam ser abertas de duas a três vezes mais que o e-mail de marketing, o que faz delas o seu canal mais lido junto ao cliente. Um agente que escolhe SMS para uma janela de entrega urgente e e-mail para um comprovante aproveita bem essa atenção. Para o lado de campanhas, o nosso guia dos melhores softwares de SMS marketing cobre as ferramentas que sincronizam os envios com a loja.
Configure um agente de IA para e-commerce na Albato
Na Albato, o agente de IA é um passo que você adiciona dentro de uma automação, então ele sempre roda depois de um gatilho que entrega dados para ele trabalhar. Um novo pedido na Nuvemshop, um webhook de pedido de devolução ou uma checagem agendada de pedidos pendentes funcionam como gatilho inicial. A partir daí o agente assume a decisão.
A configuração segue quatro movimentos. Escolha o modelo: a Albato oferece o próprio Albato AI embutido, então você não precisa de conta externa, ao lado de OpenAI, DeepSeek e Google Gemini caso queira usar o seu. Escreva as instruções em três campos de linguagem natural (mensagem do usuário, instruções do agente, guardrails). Conecte as ferramentas que o agente pode chamar, que podem ser qualquer uma das cerca de 5.000 ações dos apps conectados na Albato. A memória é opcional e vem desligada por padrão, útil principalmente para fluxos de chatbot.
A parte que combina melhor com e-commerce é a autonomia por campo. Para qualquer campo de uma ação conectada, você define manualmente ou entrega ao agente com "Let the AI agent decide", com observações opcionais no nível do campo. Então em uma ação de "criar reembolso", você fixa a moeda e deixa o agente decidir o valor e o motivo a partir da devolução que ele acabou de ler.
A cobrança é baseada em transações e previsível: cada execução do agente custa 3 transações, não importa quantas ferramentas ele use, e o Albato AI embutido soma 1 transação a cada 2.000 tokens. Modelos externos não têm sobretaxa de tokens do lado da Albato. Essa base fixa facilita estimar o custo de automatizar uma fila de devoluções antes de assumir o compromisso.
Como as ferramentas da loja se conectam por trás do agente
Um agente só é útil se conseguir alcançar a loja, o CRM e as ferramentas de mensagem. Essa camada de conexão é a mesma integração que a Albato usa para qualquer fluxo, então o agente herda todos os apps que você já conectou. Se a loja roda na Nuvemshop ou na Shopify, as ações de pedido e reembolso já ficam disponíveis como ferramentas que o agente pode chamar.
É aqui que a stack mais ampla importa. Um agente que cuida de devoluções precisa escrever no seu help desk, atualizar o registro no CRM e lançar na ferramenta financeira, tudo como ações separadas. Desenhar isso primeiro vale o tempo investido, e o nosso guia da stack de automação de e-commerce cobre como essas peças se encaixam do carrinho ao financeiro.
📊 Dado. O Gartner projeta que a IA agêntica vai resolver de forma autônoma 80% das questões comuns de atendimento até 2029. No e-commerce, devoluções e dúvidas de status de pedido são o grosso desse volume comum.
Quando manter um humano no circuito
Um agente não deve decidir tudo, e traçar essa linha cedo evita o pior cenário, onde a automação faz a coisa errada em escala e sem alarde. Reembolsos de valor alto, chargebacks e qualquer coisa que toque uma questão legal ou de segurança são de um humano. A função do agente é limpar os 80% de rotina e encaminhar o resto com o contexto já reunido.
O padrão mais limpo é triagem, não substituição. O agente lê todos os casos, resolve os que claramente batem com a política e entrega ao humano as exceções, com um resumo do que encontrou. É assim que a IA está entrando nos times de atendimento em geral. O relatório State of Service da Salesforce aponta que 30% dos casos de atendimento já são resolvidos por IA, rumo a uma projeção de 50% até 2027, com o restante ainda indo para pessoas.
Se você ainda está decidindo entre um agente, um chatbot ou uma automação simples para uma tarefa, o nosso texto sobre o que é um agente de IA traça a distinção com exemplos de negócio.
Perguntas frequentes
Aqui estão as perguntas que os times de loja mais fazem antes de entregar decisões de pedidos e devoluções a um agente.
O que é um agente de IA no e-commerce?
Um agente de IA é um passo de automação que lê dados de pedido, devolução ou cliente e decide a próxima ação sozinho, como aprovar um reembolso ou rotear um pedido. Diferente de uma regra fixa, ele dá conta de casos que você não planejou de forma explícita, que são a maioria dos complicados.
Um agente de IA consegue processar devoluções automaticamente?
Consegue. Na prática, o agente classifica o motivo da devolução, confere contra a janela da sua política e aprova um reembolso, concede crédito na loja ou oferece uma troca, enquanto sinaliza casos suspeitos para análise. Você define os guardrails em linguagem natural, como exigir análise humana acima de certo valor de reembolso.
Qual modelo o Albato AI Agent utiliza?
A Albato oferece o próprio modelo Albato AI embutido, que é proprietário e não divulgado, então você não precisa de conta externa. Se preferir usar o seu, dá para conectar OpenAI, DeepSeek ou Google Gemini como modelo.
Quanto custa rodar um agente de IA na Albato?
Cada execução do agente custa 3 transações, não importa quantas ferramentas ele use. O Albato AI embutido soma 1 transação a cada 2.000 tokens, enquanto modelos externos não têm sobretaxa de tokens do lado da Albato, então a base é fixa e fácil de prever.
Ainda preciso de atendentes humanos se eu automatizar com IA?
Sim, para as exceções. Na prática, o padrão é triagem: o agente resolve os casos de rotina que batem com a política e entrega a uma pessoa os reembolsos de valor alto, os chargebacks e os casos-limite, com um resumo do que já apurou.
Quer se aprofundar? Estes guias cobrem temas relacionados.
