Medimos 9.736 mensagens de uma clínica no WhatsApp: o gargalo não era volume, era espera

Toda clínica descreve o mesmo problema: "o WhatsApp não para, precisamos de mais alguém na recepção". A conclusão parece óbvia — falta gente.

Em uma clínica parceira, resolvemos medir antes de concordar. Extraímos 78 dias de operação real pelas ferramentas internas de análise que rodamos diariamente sobre o FluKAI: 1.057 conversas, 846 pacientes e 9.736 mensagens trocadas no WhatsApp.

Não faltava gente. O gargalo era outro, e ele não aparece em nenhum painel do WhatsApp.

Por que a média engana é o percentil 90 não

O tempo mediano de resposta do atendimento manual era de 10 minutos e 24 segundos. Olhando só esse número, a operação parece saudável. Dez minutos é aceitável para qualquer paciente.

Mediana, porém, é o valor do meio: metade das conversas foi respondida mais rápido, metade mais devagar. Ela não diz nada sobre o que acontece na cauda — e é na cauda que o paciente desiste.

Quando calculamos o percentil 90, o número saltou para 12 horas e 25 minutos.

Vale explicar o que isso quer dizer, porque a leitura confunde muita gente. O p90 é o valor que separa os 90% mais rápidos dos 10% mais lentos. Então:

• 9 em cada 10 conversas foram respondidas em até 12h25
• 1 em cada 10 demorou mais que isso

É a mesma lógica do SLA que se usa em API: quando alguém diz "p99 de 200ms", significa que 99% das requisições respondem em até 200ms e 1% passa disso. Não é taxa de acerto — é o teto que vale para a fatia rápida.

Traduzindo para a recepção: a cada dez pacientes, um esperava mais de meio dia por uma resposta. Não por descaso da equipe. A mensagem chegava sexta à noite, descia na lista, e na segunda-feira já tinha quarenta conversas em cima dela.

E é por isso que a mediana de 10 minutos era enganosa: dá para ter mediana ótima e, ao mesmo tempo, um décimo dos pacientes largado meio dia sem resposta. Esse décimo é justamente quem desiste e liga para a clínica concorrente.

Essa é a métrica que separa quem acha que atende bem de quem sabe. E praticamente nenhuma clínica no Brasil a calcula, porque o WhatsApp Business simplesmente não a fornece.

Um em cada quatro pacientes escreve com a clínica fechada

O segundo dado mudou a forma como desenhamos a operação. Distribuindo as 3.786 mensagens recebidas de pacientes por hora do dia:

• 75,2% chegam em horário comercial
• 15,0% chegam à noite ou de madrugada
• 9,8% chegam no fim de semana

Ou seja: 24,8% das mensagens — uma em cada quatro — chegam quando não há ninguém para responder. São 940 mensagens no período.

O paciente não escreve no horário que é conveniente para a clínica. Escreve quando lembra: 22h de uma terça, sábado de manhã, no intervalo do trabalho. E quem procura clínica às 22h de terça costuma ter pressa.

O que muda com automação de atendimento

Nessa clínica, a IA do FluKAI foi configurada justamente para cobrir a janela que a equipe humana não alcança — o plantão noturno, das 18h30 às 7h30, além dos fins de semana. Nenhuma mensagem fica sem resposta até o dia seguinte.

Os números do mesmo período, medidos sobre as mesmas conversas:

• Tempo mediano de resposta: 21 segundos
• Percentil 90: 39 segundos
• Cobertura: 24 horas por dia, sete dias por semana

A comparação direta com o atendimento manual no mesmo período:

• Mediana: de 10min24 para 21 segundos — cerca de 30 vezes mais rápido
• Percentil 90: de 12h25 para 39 segundos

O ganho real não é velocidade. É previsibilidade.

Este é o ponto que quase todo mundo erra ao avaliar automação de atendimento, e vale a pena insistir nele.

O atendimento humano oscila entre 10 minutos e 12 horas dependendo do dia, do volume e de quem está na recepção naquele momento. Não é incompetência: é a natureza do trabalho humano, que tem pico, fila, intervalo e hora de ir embora.

A IA responde em 21 segundos no caso típico e em 39 segundos no percentil 90. Dezoito segundos separam o comportamento normal do pior caso.

Previsibilidade é um recurso operacional. Ela permite que a clínica prometa alguma coisa ao paciente e cumpra — todo dia, inclusive no sábado à noite. É o mais importante: libera a equipe humana para os casos que realmente exigem uma pessoa, em vez de gastá-la respondendo "qual o valor da consulta?" pela quadragésima vez no dia.

Quanto custa manter isso rodando

Todo o processamento de linguagem do período custou US$ 2,56 — menos de cinco centavos de real por resposta gerada.

O custo de IA não é o que impede uma clínica de automatizar o atendimento. O que impede é a engenharia em volta: integração com o sistema de agenda, proteção de dados do paciente, regras de escalada para humano. É aí que o projeto vive ou morre.

As três métricas que sua clínica deveria acompanhar

Independentemente de contratar qualquer fornecedor, comece medindo. Estas três respondem quase tudo:

1. Percentil 90 do tempo de resposta. Não a média, não a mediana. O p90 é onde mora o paciente insatisfeito.
2. Percentual de mensagens fora do horário comercial. Define quanto da sua demanda está sendo simplesmente perdida por indisponibilidade.
3. Conversas sem nenhuma resposta. O número que ninguém quer olhar e que costuma ser maior do que a equipe imagina.

Se você não consegue responder essas três perguntas sobre o mês passado, você não tem um sistema de atendimento. Tem uma impressão sobre ele — e impressão não sobrevive ao contato com os dados.

Como chegamos a esses números

Todos os dados deste artigo vêm de análise direta sobre o banco de produção do FluKAI, com consultas SQL sobre as tabelas de conversas e mensagens de uma clínica parceira, no período de 1º de junho a 18 de agosto de 2026. As latências foram calculadas medindo o intervalo entre cada mensagem recebida do paciente e a resposta seguinte, separando respostas humanas das geradas por IA.

Nenhum dado de paciente foi exposto: todos os números são agregados. Rodamos esse tipo de análise continuamente, com ferramentas internas, porque é a única forma de saber se o sistema está fazendo o que a gente acha que está fazendo.

Se você tem uma operação de atendimento e nunca viu esses números, é bem provável que eles estejam piores do que a percepção da equipe. E a boa notícia é que medir custa quase nada — o difícil é decidir olhar.