Uma clínica com 30% de falta em consulta: o que mudou (e o que não foi "colocar IA")

O sintoma que a clínica trouxe

O pedido inicial era simples, como quase sempre é: "queremos um chatbot de WhatsApp que lembre o paciente da consulta". A clínica — um caso composto, sem identificação, representativo do que vemos com frequência — tinha uma taxa de falta (no-show) em torno de 30% em algumas especialidades, o que significa quase um em cada três horários agendados virando prejuízo puro: sala reservada, profissional escalado, ninguém aparece.

A hipótese da equipe interna era direta: "as pessoas esquecem, então a IA lembra por elas". Fazia sentido. Só que não era bem esse o problema.

O Raio-X mostrou outra coisa

No diagnóstico da Fase 1, mapeamos o processo real de agendamento — não o fluxograma que estava no manual, o que realmente acontecia. E apareceram três coisas que "lembrar o paciente" sozinho não resolvia: a confirmação de consulta, quando existia, chegava por uma mensagem genérica sem opção de resposta fácil; o cancelamento, quando o paciente realmente não podia ir, exigia ligar para a recepção em horário comercial — e boa parte simplesmente não ligava, só não aparecia; e não havia lista de espera ativa, então um horário desmarcado na véspera ficava vazio mesmo com gente querendo entrar naquela semana.

Ou seja: o problema não era falta de lembrete. Era ausência de um caminho fácil para confirmar, cancelar ou trocar — e ausência de um jeito de aproveitar a vaga quando isso acontecia. Um chatbot que só manda lembrete resolveria uma fração pequena da perda.

O piloto: confirmação, cancelamento e lista de espera — nada de "robô milagroso"

O piloto da Fase 2 não foi um robô conversando livremente com o paciente. Foi um fluxo estruturado, com guardrails claros: mensagem de confirmação 48h e 24h antes, com resposta em um toque (confirmar, remarcar, cancelar); ao cancelar, oferta automática da vaga para a lista de espera da mesma especialidade; e escalonamento para um humano da recepção sempre que a mensagem fugia do roteiro esperado — nada de deixar a IA "se virar" com um caso fora do script.

O piloto rodou com uma especialidade só, durante quatro semanas, com métrica combinada antes de começar: taxa de no-show e taxa de reaproveitamento de vaga cancelada.

O que fez a diferença não foi o modelo de IA

O modelo de linguagem por trás da confirmação por WhatsApp era, tecnicamente, a parte mais simples do projeto — e a que menos precisou de ajuste. O trabalho de verdade foi de processo (camada C1): redesenhar em que momento a mensagem sai, o que acontece em cada resposta possível, quem assume quando foge do script, e como a lista de espera se conecta ao cancelamento em tempo real. Sem esse redesenho, o mesmo bot de lembrete mandaria mensagem bonita para um processo quebrado — e o no-show continuaria em 30%.

Resultado e o que vem depois

Depois do piloto, a especialidade testada teve queda relevante na taxa de falta e passou a reaproveitar parte significativa das vagas canceladas de última hora — sem contratar mais gente na recepção. A Fase 3 expandiu o fluxo para as demais especialidades, e a Fase 4 tratou de algo que costuma ser esquecido: treinar a recepção para confiar no processo (parar de ligar "só para confirmar de novo") e ajustar o roteiro com base no que os pacientes realmente respondiam, não no que a equipe imaginava que responderiam.

Nenhuma dessas fases aparece na demonstração de quinze minutos de um chatbot bonito. Mas são elas que decidem se o número final é real ou se é só um piloto que funcionou uma vez.

Se a sua operação também perde horário, cliente ou receita por um processo de confirmação frágil, fale com a AI Start no WhatsApp e comece pelo diagnóstico.