Ficha do projeto Projeto + agente

Monitoramento de atendimento

“Tenho 20 pessoas atendendo no WhatsApp e só descubro que um cliente foi mal atendido quando ele reclama ou some.”

Formato
Projeto + agente
Implementação
~6 semanas
Resultado
Menos horas e menos risco
Nível de Deploy
Definido no diagnóstico
Ver como funciona

1Experimente a ferramenta

Veja o seu WhatsApp como o gestor vai ver.

Navegue pelo painel de uma equipe de 20 atendentes: os números do dia, quem está com fila, cada conversa com a análise da IA e as regras que escaparam, a fila de auditoria do supervisor e os alertas no WhatsApp. Depois, mais abaixo, veja como tudo isso é montado no Waipe. Os dados são fictícios e ficam só no seu navegador.

2Como funciona

Cada atendimento encerrado vira uma linha de dados, com os tempos, o sentimento e as suas regras conferidas.

Todo projeto do catálogo segue as mesmas cinco etapas: gatilho, leitura, decisão, ação e a passagem para uma pessoa. Assim dá para comparar qualquer projeto do mesmo jeito.

  1. Gatilho

    Quando um atendimento fecha

    A Huggy avisa o Waipe a cada atendimento encerrado. Não é a cada mensagem: são cerca de 1.600 avisos por dia para 20 atendentes.

  2. Lê

    O atendimento inteiro na Huggy

    Busca na API da Huggy os horários, o atendente, o departamento, a tabulação e todas as mensagens da conversa.

  3. Decide

    Tempos, sentimento e regras

    O código calcula TME e TMA. A IA lê a conversa uma vez e diz a solicitação, o sentimento do cliente e quais regras foram seguidas.

  4. Age

    Guarda e publica

    Grava o atendimento no histórico e publica os últimos 30 dias para o Data Lab, que também fica disponível pelo MCP.

    Waipe
  5. Passa para uma pessoa

    O supervisor decide

    Cliente irritado ou regra crítica quebrada vira alerta para o supervisor. A IA aponta; avaliar o atendente é sempre de uma pessoa.

    WhatsApp

Decide: o que cada atendimento revela

Escolha um indicador para ver como ele é calculado.

Atendimento 18.432 · encerrado 15:42
Calculado

Quanto o cliente esperou e quanto durou

  • TME: da entrada na fila até a primeira mensagem do atendente.
  • TMA: da primeira resposta até o encerramento. Os dois saem dos horários da Huggy, sem IA.
Atendimento 18.432
Linha do tempoTME 6 min · TMA 14 min
CL
Cliente entrou na filamensagem pelo WhatsApp
15:22
MA
Marina respondeuprimeira resposta
15:28TME 6 min
MA
Proposta enviada4 mensagens depois
15:35
MA
Atendimento encerradotabulação: venda
15:42TMA 14 min
Regras do monitoramentoExemplo · você define
Primeira resposta
até 5 min
Regras do playbook
9, você define
Conversas guardadas
12 meses
Avaliação de pessoas
nunca automática

3Por dentro do fluxo

Dois fluxos no Waipe Flow: um coleta, o outro publica.

Uma simulação de como o fluxo é montado no produto. Clique em cada nó para ver o que ele faz e execute para ver o que chega no fim.

AColeta: cada atendimento encerrado na Huggy

Dispara pelo evento closedChat da Huggy, uma vez por atendimento, e não por mensagem. Busca o atendimento e as mensagens pela API v3, calcula os tempos, lê a conversa com a IA e guarda tudo no Supabase, que é onde o histórico acumula.

BServiço de dados: o histórico vira Data Lab

O Publicar dataset não guarda histórico: ele é o último nó de um serviço de dados, que o Data Lab chama quando precisa dos dados. Este fluxo lê os últimos 30 dias no Supabase e publica a tabela que os relatórios, o painel e o MCP consultam.

4Os dados

Quatro tabelas: três no histórico, uma publicada.

O histórico fica no Supabase, que acumula e atualiza linha a linha. O Data Lab lê a tabela publicada pelo serviço de dados. Nenhuma tabela guarda telefone, CPF ou e-mail.

atendimentosSupabase · histórico

Uma linha por atendimento encerrado, gravada pelo fluxo de coleta. É a tabela que o serviço de dados publica.

ColunaTipoO que é
chat_idinteiroID do atendimento na Huggy (chave do upsert)
atendentetextoQuem atendeu
departamentotextoDepartamento na Huggy
tabulacaotextoTabulação escolhida no encerramento
iniciodata e horaQuando o cliente entrou
primeira_respostadata e horaPrimeira mensagem do atendente
encerradodata e horaFechamento na Huggy
tme_minnúmeroTempo médio de espera, em minutos
tma_minnúmeroTempo médio de atendimento, em minutos
msgs_clienteinteiroMensagens do cliente
msgs_atendenteinteiroMensagens do atendente
motivotextoSolicitação, na lista de motivos que você define
sentimento_inicionúmeroDe -1 a 1, no começo da conversa
sentimento_fimnúmeroDe -1 a 1, no fim
satisfacao_iainteiroDe 1 a 5, inferida pela IA
csatnúmeroNota da pesquisa, quando houver (vazio se não respondeu)
regras_okinteiroRegras seguidas
regras_totalinteiroRegras avaliadas
regras_quebradastextoLista separada por ponto e vírgula
reaberto_24hbooleanoCliente voltou em até 24 h
resumotextoDuas linhas sobre o atendimento
mensagensSupabase · auditoria

Uma linha por mensagem, já mascarada. Serve para mostrar o trecho que justifica cada regra quebrada.

ColunaTipoO que é
msg_idinteiroID da mensagem na Huggy (chave)
chat_idinteiroAtendimento
enviada_emdata e horaHorário da mensagem
autortextocliente, atendente ou bot
tipotextotexto, áudio, imagem, documento
texto_mascaradotextoConteúdo sem telefone, CPF e e-mail
regrasSupabase · configuração

O seu playbook. O fluxo de coleta lê esta tabela e coloca as regras no prompt da IA.

ColunaTipoO que é
regra_idinteiroIdentificador
descricaotextoEx.: oferecer o kit de instalação em toda venda de equipamento
criticabooleanoSe quebrada, gera alerta ao supervisor
exemplo_bomtextoUm trecho que mostra a regra seguida
atendimentos_30dDataset publicado · Data Lab

A tabela atendimentos dos últimos 30 dias, sem o resumo, publicada pelo serviço de dados. É o que os relatórios do Data Lab e o MCP consultam.

ColunaTipoO que é
(as colunas de atendimentos)detectadasNomes e tipos detectados nos dados; todo número vira double
descrição de cada colunatextoEscrita no nó, para o Data Lab gerar o SQL certo

5As 4 camadas neste projeto

O que cada camada faz no monitoramento.

A mesma divisão da plataforma, aplicada a este projeto.

01Sistemas

A Huggy, onde os atendentes conversam no WhatsApp, e o Supabase, onde o histórico fica guardado.

WhatsAppHuggySupabase
02Contexto

As suas regras de atendimento e de venda, a lista de motivos e os departamentos. É isso que a IA usa para avaliar cada conversa.

RegrasMotivosEquipe
03Ação

O fluxo de coleta por atendimento encerrado, o serviço de dados que publica para o Data Lab e o alerta ao supervisor.

WebhookWaipe AIPublicar dataset
04Interfaces e criações

Os relatórios do Data Lab, o painel de atendimento com a fila de auditoria e as perguntas pelo MCP.

PainelData LabMCP

O que o Waipe faz

  • Recebe da Huggy cada atendimento encerrado.
  • Calcula TME, TMA e reabertura sem IA.
  • Lê a conversa uma vez e confere as suas regras.
  • Guarda o histórico e publica 30 dias no Data Lab.
  • Avisa o supervisor quando algo pede uma pessoa.

O que o Deploy faz

  • Mapeia as suas regras de atendimento e de venda.
  • Configura a Huggy, o Supabase e os dois fluxos.
  • Calibra a IA com conversas reais antes de ligar.
  • Monta os relatórios do Data Lab e o painel.
  • Revisa as avaliações com o supervisor no primeiro mês.

O que a sua empresa precisa ter

  • Atendimento na Huggy, com acesso à API v3 e aos webhooks.
  • As regras de atendimento escritas, com as que são críticas.
  • Um projeto Supabase acessível pela internet.
  • Um supervisor para olhar os alertas e a fila de auditoria.

6Como chega até você

Cada pessoa recebe o que precisa, no canal que já usa.

O supervisor recebe só o que pede atenção.

Quando
No mesmo minuto em que o atendimento fecha, quando há regra crítica quebrada ou cliente irritado.
Canal
WhatsApp
O que ele faz
Abre o atendimento na Huggy, fala com o atendente e, se precisar, com o cliente.

Nomes, valores e conversas são ilustrativos.

7Antes de construir

O que já conferimos no produto e o que falta validar.

Conferido em 24/10/2026 na documentação da Huggy (API v3 e webhooks) e no guia de nós do Waipe Flow, sem alterar nada na conta.

  • Confirmado
    A Huggy avisa quando o atendimento fecha

    O evento closedChat chega uma vez por atendimento. A API v3 devolve criado, atendido e fechado em, atendente, departamento e tabulação, e as mensagens com horário, autor e tipo.

  • Confirmado
    O Data Lab lê um serviço de dados

    Ao criar um relatório, uma das fontes é o serviço de dados: um fluxo com gatilho Serviço de dados que termina em Publicar dataset. O Data Lab consulta a tabela com SQL.

  • Confirmado
    Publicar dataset não acumula

    Ele publica o que o fluxo entrega naquela chamada, e o mesmo campo precisa ter um só tipo. Por isso o histórico fica no Supabase, que faz upsert por chave e busca até 50.000 linhas.

  • Confirmado
    Os nós fazem o que o fluxo precisa

    Webhook com resposta imediata e filtro de IP; HTTP Request com paginação automática por página; Waipe AI com saída em JSON obrigatória; Loop até 10.000 iterações.

  • Confirmado
    Data Lab e flows pelo MCP

    Os relatórios do Data Lab já são lidos pelo MCP. Os flows aparecem lá quando a opção "Disponibilizar para assistentes de IA" está ligada no editor.

  • A validar
    Validação do webhook da Huggy

    A Huggy manda o token no corpo e pede que o sistema devolva o token numa nova requisição. O Webhook do Waipe fica sem autenticação de cabeçalho, com filtro de IP e um IF que confere o token.

  • A validar
    Nova tentativa se o Waipe estiver fora

    A documentação da Huggy não fala em reenvio. Prever um fluxo diário de conferência que compara os atendimentos fechados com o Supabase e processa o que faltou.

  • A validar
    CSAT da pesquisa da Huggy

    A API v3 não mostra a nota da pesquisa de satisfação. Caminhos: a exportação de dados da Huggy, as variáveis de contexto do atendimento ou uma pesquisa própria enviada pelo fluxo.

  • A validar
    Limites e custo no volume real

    Cerca de 1.600 atendimentos por dia para 20 atendentes: limite de chamadas da API da Huggy, execuções do Waipe Flow e consumo do Waipe AI por conversa.

  • A validar
    Áudios e conversas longas

    Áudio chega como link e precisa de transcrição antes da IA. Conversas com centenas de mensagens pedem várias páginas e um prompt mais longo.

  • A validar
    Supabase e LGPD

    Definir de quem é o projeto Supabase, por quanto tempo guardar as conversas e quem acessa. Supabase em rede privada não é alcançável pelo Waipe.

  • A validar
    Renovação do token da Huggy

    O token OAuth da Huggy expira. Um fluxo agendado renova com o refresh token antes do vencimento.

8Resultado

A conta com os seus números.

Em vez de prometer um percentual, a ficha deixa os campos em branco para você preencher. No diagnóstico, a conta é refeita com os dados da sua operação.

Indicador principalTME e TMA por atendente e por hora
Indicador de apoioAderência às regras e CSAT, semana contra semana

Calculadora

Tempo do supervisor lendo conversas por amostragem e montando relatório.

h/mês

Salário mais encargos, dividido pelas horas do mês.

R$/h

Conversas em que o cliente pediu orçamento ou preço.

conversas

Parte das conversas de venda que você acredita recuperar corrigindo tempo e oferta. No diagnóstico, medimos com a sua base.

%

Valor médio de uma venda pelo WhatsApp.

R$

Plano Waipe mais o nível do Deploy, definidos na proposta.

R$
AntesCom o monitoramento
Quem é auditadoUma amostra, quando dá tempoTodo atendimento encerrado
Tempo de esperaVisto no relatório do mêsPor atendente e por hora, todo dia
Regras de vendaConferidas de ouvidoUma a uma, com o trecho da conversa
Cliente irritadoDescoberto na reclamaçãoAlerta no mesmo minuto
DadosPresos na HuggyNo Data Lab, com vendas e financeiro

Quando o resultado aparece A validar

Os tempos e o volume aparecem no primeiro dia de coleta. A auditoria de regras fica confiável depois de duas semanas de calibração com o supervisor.

O que continua com uma pessoa

  • Conversa com o atendente sobre os números.
  • Decisão de treinamento, premiação ou advertência.
  • Cadastro e ajuste das regras do playbook.
  • Contato com o cliente que saiu irritado.

O ganho é uma estimativa feita no diagnóstico com os seus dados. Não é promessa de resultado.

No diagnóstico

“Com os seus atendimentos de setembro, o monitoramento teria auditado 34.800 conversas e apontado 612 regras críticas quebradas.”

Antes de ligar, carregamos um mês de atendimentos da Huggy, rodamos os dois fluxos sem enviar nada e comparamos a avaliação da IA com a de um supervisor numa amostra.

Simulação · ontem, 22/10Exemplo
  • Atendimentos lidos34.800
  • Média de TME4,6 min
  • Regras críticas quebradas612
  • Concordância com o supervisor89% na amostra
  • Alertas enviados de verdade0

Projetos relacionados

Outros projetos de atendimento e relacionamento.

Ver todos da área

Diagnóstico de IA · gratuito

Quanto a IA já trabalha na sua operação?

Em cerca de 5 minutos, você descobre o nível de uso de IA da sua empresa e sai com um plano de ação: os projetos que mais rendem, o impacto estimado e por onde começar.

  1. 1

    Responda uma pergunta por tela sobre a sua operação.

  2. 2

    Veja o seu nível de maturidade em IA, de 1 a 5.

  3. 3

    Receba o plano de ação na tela e no seu WhatsApp.

Gratuito · resultado na hora

Quantos atendimentos seus ninguém audita hoje?

No diagnóstico, conectamos a sua Huggy em modo leitura, rodamos o monitoramento num mês de conversas e definimos o nível do Deploy.

Explorar o catálogo75 projetos para empresas e contabilidades