Integração da Gestão do Conhecimento e da IA para otimizar a experiência do cliente
uma revisão sistemática
DOI:
https://doi.org/10.23925/2179-3565.2026v17i2e76453Palavras-chave:
Inteligência Artificial, Gestão do conhecimento, Experiência do cliente, Serviços habilitados por IA, Personalização, Velocidade de serviço, Sistemas de IA apoiados por conhecimento, Satisfação do clienteResumo
No atual cenário de serviços digitais, as organizações utilizam cada vez mais tecnologias de Inteligência Artificial (IA) com o objetivo de oferecer experiências ao cliente mais rápidas, personalizadas e integradas. No entanto, muitas empresas ainda enfrentam desafios para traduzir as capacidades da IA em melhorias mensuráveis na satisfação do cliente, principalmente porque as ferramentas de IA frequentemente operam sem o apoio adequado de práticas estruturadas de Gestão do Conhecimento (GC). Quando a base de conhecimento por trás dos sistemas automatizados é fragmentada ou inconsistente, os clientes encontram variações na qualidade do serviço, redução da confiança e menor profundidade de personalização. Este estudo investiga como os atributos de serviços habilitados por IA, apoiados por percepções relacionadas à GC, moldam a experiência geral do cliente por meio da análise de dados empíricos de 300 clientes que interagem regularmente com plataformas de serviços orientadas por IA. O conjunto de dados abrange dimensões experienciais fundamentais, incluindo personalização, velocidade do serviço, facilidade de uso, confiança na IA e utilidade percebida do suporte de conhecimento incorporado às respostas automatizadas. Utilizando estatística descritiva, análise de correlação, modelagem de regressão e ANOVA, o estudo constata que a confiança nos sistemas de IA e a utilidade percebida da GC exercem a influência mais forte sobre a satisfação geral, enquanto outros atributos, como personalização e facilidade de uso, apresentam menor poder preditivo. Os resultados também revelam que a satisfação do cliente não difere significativamente entre diferentes níveis de frequência de interação com a IA, sugerindo que os aspectos qualitativos das interações baseadas em IA são mais importantes do que o volume de uso. De modo geral, os achados enfatizam que a experiência ideal do cliente não decorre apenas da funcionalidade da IA, mas da qualidade, clareza e confiabilidade do conhecimento que orienta os resultados da IA. O estudo oferece insights empíricos para orientar as organizações no fortalecimento das bases de GC, de modo a apoiar os sistemas de IA com maior eficácia e melhorar os resultados da experiência do cliente.
Downloads
Referências
Akter, S., Wamba, S. F., Gunasekaran, A., Dubey, R., & Childe, S. J. (2016). How to improve firm performance using big data analytics capability? International Journal of Production Economics, 182, 113–131. https://doi.org/10.1016/j.ijpe.2016.08.017
Alavi, M., & Leidner, D. E. (2001). Knowledge management and knowledge management systems: Conceptual foundations and research issues. MIS Quarterly, 25(1), 107–136. https://doi.org/10.2307/3250961
Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd. W. W. Norton & Company. https://wwnorton.com
Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 36(4), 1165–1188. https://www.jstor.org/stable/41703503
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116. https://hbr.org/2018/01/artificial-intelligence-for-the-real-world
Gartner. (2022). Top strategic technology trends. Gartner Research. https://www.gartner.com
Géczy, P. (2015). Big data management: Relational framework. Social Science Research Network. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2656427
Holsapple, C. W., & Wu, J. (2011). An elusive antecedent of superior firm performance: The knowledge management factor. Decision Support Systems, 52(3), 859–869. https://doi.org/10.1016/j.dss.2011.11.013
Huang, M.-H., & Rust, R. T. (2021). A strategic framework for artificial intelligence. Journal of the Academy of Marketing Science, 49, 30–50. https://doi.org/10.1007/s11747-020-00712-8
IBM Institute for Business Value. (2020). The enterprise guide to AI. IBM Corporation. https://www.ibm.com/thought-leadership
Kapil, G., Ishrat, Z., Kumar, R., Agrawal, A., & Khan, R. A. (2020). Managing multimedia big data: Security and privacy perspective. In K. R. Choo, A. Dehghantanha, & R. Chaki (Eds.), Multimedia big data computing for IoT applications (pp. 1–12). Springer. https://doi.org/10.1007/978-981-15-0936-0_1
Kumar, V., Dixit, A., Javalgi, R., Dass, M., & Dass, P. (2016). Digital transformation of customer services: A strategic framework. Journal of Marketing Channels, 23(1–2), 5–23. https://doi.org/10.1080/1046669X.2016.1162544
Lee, I. (2021). The future of artificial intelligence in customer service. Business Horizons, 64(6), 683–693. https://doi.org/10.1016/j.bushor.2021.02.020
Liang, T.-P., Liu, Y., & Lin, T.-M. (2020). The interplay of AI and big data analytics in improving customer experience. Information & Management, 57(8), 103354. https://doi.org/10.1016/j.im.2020.103354
McKinsey Global Institute. (2018). Notes from the AI frontier: Insights from hundreds of use cases. https://www.mckinsey.com
Nonaka, I., & Takeuchi, H. (1995). The knowledge-creating company. Oxford University Press. https://global.oup.com
Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1988). SERVQUAL: A multi-item scale for measuring service quality. Journal of Retailing, 64(1), 12–40. https://www.jstor.org/stable/1251263
Rust, R. T., & Huang, M. (2021). Artificial intelligence in service. Journal of Service Research, 24(1), 3–22. https://doi.org/10.1177/1094670520908023
Singapore Land Transport Authority (LTA). (2022). Smart Mobility 2030: Intelligent transport systems master plan. Government of Singapore. https://www.lta.gov.sg
Syed, R., & Turner, T. (2020). Knowledge sharing, knowledge management and innovation: A systematic review. Journal of Knowledge Management, 24(9), 2191–2216. https://doi.org/10.1108/JKM-11-2019-0637
Tiwana, A. (2002). The knowledge management toolkit (2nd ed.). Prentice Hall. https://www.pearson.com
Transport for London (TfL). (2021). Using artificial intelligence to improve traffic flow and public transport integration. https://tfl.gov.uk
Verma, S., Sharma, R., & Sheth, J. (2021). Artificial intelligence and customer engagement: Current insights and future directions. Journal of Business Research, 129, 911–924. https://doi.org/10.1016/j.jbusres.2020.11.042
Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S., Dubey, R., & Childe, S. J. (2017). Big data analytics and firm performance: Effects of dynamic capabilities. Journal of Business Research, 70, 356–365. https://doi.org/10.1016/j.jbusres.2016.08.009
Wilson, H. J., & Daugherty, P. R. (2018). Collaborative intelligence: Humans and AI are joining forces. Harvard Business Review, 96(4), 114–123. https://hbr.org/2018/07/collaborative-intelligence
Zhu, X., Jin, Z., & Ji, R. (2017). Learning high-dimensional multimedia data. Multimedia Systems, 23(3), 281–283. https://doi.org/10.1007/s00530-016-0524-7
Downloads
Publicado
Edição
Seção
Licença
Esta obra está licenciada sob uma licença Creative Commons Atribuição - No comercial - Sin derivaciones 4.0 Internacional
1.O(s) autor(es) autoriza(m) a publicação do artigo na revista;
2.O(s) autor(es) garante(m) que a contribuição é original e inédita e que não está em processo de avaliação em outra(s) revista(s);
3.A revista não se responsabiliza pelas opiniões, ideias e conceitos emitidos nos textos, por serem de inteira responsabilidade de seu(s) autor(es);
4.É reservado aos editores o direito de proceder ajustes textuais e de adequação do artigos às normas da publicação.
1.1 Copyright Statement
This journal is licensed under a Creative Commons Attribution-Non Commercial-No Derivers 4.0 International license.
1. The author (s) authorize the publication of the article in the journal;
2. The author (s) warrant that the contribution is original and unpublished and is not in the process of being evaluated in other journal (s);
3. The journal is not responsible for the opinions, ideas and concepts emitted in the texts, as they are the sole responsibility of its author (s);
4. The editors are entitled to make textual adjustments and to adapt the articles to the standards of publication.
