Goodyear: +30% de satisfação B2B

O desafio

Em B2B, o fluxo de pedidos é a relação. Fricção em como o parceiro faz e acompanha pedidos corrói satisfação e retenção, por melhor que seja o produto. O trabalho estava no fluxo, onde o parceiro de fato transaciona.

O que a Studio Labs construiu

Redesenhamos o fluxo de pedidos e colocamos IA em produção dentro dele, para o parceiro sair da intenção ao pedido com menos fricção. Roda sob o mesmo SLA, auth e guardrails dos sistemas centrais, com avaliação contínua em uso real.

Não é demo e não é piloto que ficou na gaveta. É software rodando em produção, com o time do cliente dono do que foi feito.

O resultado

Satisfação B2B 30% acima, através de um fluxo de pedidos que roda em produção e tira fricção de onde o parceiro transaciona.

Como isso roda em produção

O que decide se aquilo se sustenta não é o modelo, é tudo em volta. O trabalho roda dentro do stack que a Goodyear já opera, não ao lado como um sistema separado, porque decisão que mora numa ferramenta paralela é decisão sobre a qual ninguém age.

Na prática: auth e row level security para o sistema só enxergar o que o usuário solicitante pode enxergar, rate limits e trilha de auditoria para toda ação ser atribuível, e avaliação contínua contra tráfego real em vez de um conjunto fixo de teste. Observabilidade entra desde o primeiro dia, porque sistema que você não consegue inspecionar numa requisição específica é sistema que você não consegue depurar às duas da manhã.

O que o time leva

O código é do cliente desde o primeiro dia, nos repositórios dele. Não somos uma dependência que se aluga por tempo indeterminado, e o trabalho não é desenhado para você precisar da gente no trimestre seguinte.

A gente entra junto com o time interno enquanto a coisa é construída, então quem vai tocar depois é quem viu ser feito. Ficamos até se sustentar em produção e o time conseguir seguir sem a gente, que é um padrão mais duro que entregar e ir embora.

Onde esse padrão se aplica

A forma generaliza para além de B2B e indústria. Onde existe uma decisão tomada repetidamente, em volume, com consequência real que você lê num número, vale a mesma abordagem: achar a decisão que compensa automatizar, construir o sistema que a executa, conectar isso ao fluxo onde os parceiros realmente está, e cobrar um padrão mensurável.

O que não generaliza é pular o diagnóstico. O fluxo de pedidos era o lugar certo de trabalhar aqui porque era onde a decisão morava. Em outra empresa vai ser outro passo, e começar pela tecnologia em vez da decisão é a forma mais comum de esse trabalho falhar. É esse o raciocínio por trás de como construímos IA em produção, ponta a ponta.