O que as equipes dizem depois de trabalhar com a Quartzo

Desafio

A equipe de suporte passava tempo excessivo roteando tickets manualmente entre categorias — bugs, billing, dúvidas de uso, pedidos de feature. O volume havia crescido e a triagem estava atrasando o atendimento.

Solução

Sprint de 9 dias com dados históricos de tickets já categorizados. Treinamento de classificador de texto com quatro categorias. Análise dos casos em que o modelo errava mais para entender os limites.

Resultado

83% de acerto nas quatro categorias. A equipe decidiu implementar o modelo como sugestão automática para o agente — não como roteamento definitivo. Reduziu o tempo de triagem em aproximadamente 40%.

Desafio

A empresa perdia clientes sem sinal prévio. O time comercial atuava de forma reativa — só descobria o risco de cancelamento quando o cliente já havia pedido a saída.

Solução

Projeto de validação de 3 semanas. Preparação e análise de dados de uso, suporte e faturamento de 18 meses. Comparação de quatro abordagens de modelagem. Documentação de features mais relevantes e do comportamento do modelo em diferentes segmentos.

Resultado

Modelo com AUC de 0.79 no conjunto de teste. A documentação mostrou claramente quais segmentos eram previsíveis e quais não eram. A equipe usou o relatório para justificar internamente o investimento em um sistema de alertas precoces.

Desafio

A empresa sabia que ML poderia melhorar vários processos — análise de documentos, detecção de padrões em pedidos, categorização de motivos de inadimplência — mas não tinha como avaliar quais valeriam o investimento.

Solução

Retainer de 5 meses, com dois a três experimentos por ciclo. Cada mês testava uma hipótese diferente. A Quartzo ajudou a priorizar as ideias com mais potencial com base nas primeiras rodadas de dados.

Resultado

De sete hipóteses testadas, três mostraram resultados suficientes para justificar desenvolvimento. Duas foram descartadas com clareza. A empresa encerrou o retainer com um mapa detalhado de onde ML fazia sentido — e onde não fazia.