Durante décadas, o objetivo da arquitetura de atendimento foi construir a melhor tela para o atendente. Reunir informações do cliente, histórico, contexto e funcionalidades em uma única interface para que uma pessoa pudesse resolver qualquer solicitação.
Na era Agentic, essa premissa muda.
A chegada da IA generativa, dos LLMs e dos agentes autônomos muda uma premissa que permaneceu praticamente inalterada por mais de duas décadas: o principal consumidor das capacidades do negócio já não é necessariamente uma pessoa navegando por uma interface. Cada vez mais, essas capacidades também serão consumidas por agentes de IA.
Para empresas de eletricidade, gás e saneamento, essa mudança acontece em um momento particularmente importante. O setor precisa reduzir o custo para servir enquanto melhora a experiência do cliente. Ao mesmo tempo, consumidores passaram a comparar a experiência da utility com a oferecida por bancos, varejo e empresas de telecomunicações, enquanto fatores regulatórios, expansão das concessões e novos modelos de negócio tornam a eficiência operacional cada vez mais estratégica.
A resposta da indústria tem sido investir em canais digitais, IA generativa e agentes autônomos. A expectativa é clara: reduzir custos, aumentar a resolutividade e elevar a satisfação dos clientes.
Mas existe uma pergunta que vale a pena fazer: uma jornada iniciada em um canal digital é realmente uma jornada resolvida?
Mais canais digitais e modelos de IA, por si só, não tornam uma jornada de atendimento mais resolutiva. Para solicitar uma nova ligação, negociar um débito, consultar uma interrupção, alterar a titularidade de um contrato ou iniciar um serviço de água ou gás, um agente precisa compreender o contexto completo do cliente, aplicar regras regulatórias e de negócio e executar processos que atravessam diversos sistemas, como CRM, CIS, Billing, GIS, OMS, ERP e plataformas legadas.
É justamente aí que a maioria das iniciativas encontra seu principal obstáculo. O desafio não está na capacidade dos modelos de linguagem, mas na dificuldade de conectá-los às capacidades reais da empresa de forma segura, governada e contextualizada. Sem essa camada, muitos atendimentos continuam terminando em transferências para atendentes, filas de backoffice ou processos manuais.
Não por acaso, estima-se que cerca de 95% dos pilotos de IA nunca chegam à produção. O problema raramente está no modelo de linguagem. Está na ausência de uma arquitetura capaz de fornecer contexto, governança, segurança e acesso padronizado às capacidades do negócio em escala.
É nesse contexto que uma arquitetura Headless ganha relevância.
Em vez de esconder as capacidades do negócio atrás de interfaces de usuário, elas passam a ser disponibilizadas de forma padronizada para diferentes consumidores. Uma das formas de fazer isso é por meio de MCP Servers, que permitem que agentes descubram e executem essas capacidades sem precisar conhecer a complexidade dos sistemas internos.
A mesma capacidade de negócio pode ser consumida por diferentes superfícies: um atendente humano no Utilities Agent Console, uma conversa no Slack ou Microsoft Teams, um aplicativo móvel, um agente autônomo atendendo um cliente via WhatsApp ou até mesmo assistentes como ChatGPT, Claude e Gemini. A lógica de negócio continua sendo uma só; o que muda é quem a consome.
Essa abordagem também preserva um dos ativos mais valiosos das utilities: as regras de negócio, o contexto do cliente, as integrações e os processos construídos ao longo dos anos. Em vez de reconstruí-los para cada novo canal ou agente, essas capacidades passam a ser reutilizadas de forma consistente, com governança, segurança e observabilidade.
Guia para operar uma empresa agêntica
Descubra como definir funções, estabelecer métricas e gerenciar agentes de IA com segurança ao longo de todo o ciclo de vida.
Na prática, uma arquitetura Headless pode ser entendida em quatro camadas complementares.
Sistema de Contexto
Reúne dados confiáveis e em tempo real sobre consumidores, contratos de fornecimento, unidades consumidoras, histórico de consumo, faturamento, ativos, ordens de serviço e demais informações necessárias para compreender cada situação.
Sistema de Trabalho
Implementa as capacidades do negócio, como solicitar uma nova ligação, negociar um débito, consultar histórico de consumo, emitir uma segunda via ou abrir uma ordem de serviço. Essas capacidades passam a ser disponibilizadas por APIs e MCP Servers para qualquer consumidor, preservando toda a lógica de negócio construída ao longo dos anos.
Sistema Agentic
É onde os agentes são construídos, testados e governados. Eles utilizam as capacidades disponibilizadas pela camada anterior respeitando as mesmas regras de negócio, permissões, políticas de segurança e mecanismos de governança definidos pela organização.
Sistema de Engajamento
Entrega a experiência no canal mais adequado para cada interação, seja no Utilities Agent Console, Slack, Microsoft Teams, WhatsApp, voz ou qualquer outra superfície, sem duplicar a lógica de negócio.
Na era Agentic, a vantagem competitiva deixará de estar na interface da aplicação e passará a estar nas capacidades de negócio que a empresa consegue disponibilizar para qualquer agente, humano ou digital.
Da teoria à prática
Para materializar esses conceitos, preparei uma demonstração baseada em um cenário bastante comum nas utilities: uma contestação de fatura.
Na demonstração, utilizo uma interface conversacional apenas como uma forma de evidenciar o conceito de arquitetura Headless. A escolha da interface é intencional: o objetivo não é sugerir que atendentes passarão a utilizar ChatGPT no dia a dia, mas mostrar que, quando as capacidades de negócio são disponibilizadas por meio de MCP Servers, elas deixam de depender da interface tradicional da aplicação.
Durante toda a demonstração, o atendimento é realizado sem acessar a interface tradicional do Salesforce. Um MCP Server conectado à plataforma disponibiliza as capacidades do Sistema de Contexto e do Sistema de Trabalho, permitindo localizar clientes, recuperar contratos, consultar histórico de consumo e faturamento, analisar a situação e abrir uma contestação utilizando as mesmas regras de negócio da plataforma.
A mesma arquitetura poderia ser consumida pelo Utilities Agent Console, Slack, Microsoft Teams, um portal corporativo ou qualquer outra aplicação. O ChatGPT é apenas uma das possíveis superfícies de consumo.
Mais do que demonstrar uma nova interface, o objetivo é mostrar que, em uma arquitetura Headless, o diferencial não está na tela utilizada, mas nas capacidades de negócio que podem ser reutilizadas por qualquer consumidor, seja um atendente humano, um assistente de IA ou um agente totalmente autônomo.
O vídeo abaixo mostra essa arquitetura funcionando na prática.
