Voltar

Safe Space Plataforma B2B SaaS

Unifiquei quatro canais de relato e automatizei a triagem sem tirar a decisão da mão de quem responde por ela

Como unifiquei quatro canais de relato da Safe Space numa entrada única com triagem por IA, mantendo a decisão de apuração com o time humano.

Empresa
Safe Space
Duração
Produto contínuo
Período
2025–2026
Status
Em produção
Portal público do canal de escuta da Safe Space, com acesso ao formulário de relato e acompanhamento de caso anônimo por código

01 - Produto

Produto

Plataforma B2B SaaS de gestão de conduta corporativa e canal de denúncia, utilizada por empresas para receber, classificar, apurar e encerrar relatos em conformidade com NR 1 e LGPD. São três usuários com relações distintas com o mesmo caso.

Quem relata, que precisa de anonimato e de confiança de que será levado a sério. Quem apura na empresa cliente, que precisa de contexto e rastreabilidade para conduzir a investigação. E o back office da Safe Space, formado pelos times de suporte e CS, que acompanha, destrava e presta serviço de apuração para contas que contratam gestão de canal.

O produto opera sob uma restrição estrutural: sustentar o anonimato de quem relata e, ao mesmo tempo, garantir rastreabilidade suficiente para que os outros dois lados façam seu trabalho.

02 - Desafio

Desafio

O painel administrativo acumulava quatro canais com bases e fluxos separados, herdados de evoluções sucessivas da plataforma. A hipótese inicial era de interface: melhorar a navegação entre eles. O diagnóstico mostrou outra coisa. O custo não estava em navegar entre painéis, e sim em reconstruir contexto a cada troca.

Um relato que começava como dúvida e virava denúncia já tinha passado por dois sistemas, e ninguém contava a história completa sem abrir os dois. Para o back office, que opera dezenas de contas ao mesmo tempo, esse custo deixava de ser irritação e virava limite de capacidade.

Do lado do colaborador, o problema era anterior ao produto. Ele precisava classificar a própria situação antes de saber o que tinha para dizer.

  1. 01

    Quatro canais e painéis independentes

  2. 02

    Ciclo de apuração manual de ponta a ponta

  3. 03

    Crescimento de volume sem ganho proporcional de capacidade

  4. 04

    NR 1 e LGPD como restrição estrutural do projeto

03 - Discovery

Discovery

  1. Um sexto dos relatos morria na entrada.

    Na base de casos, 16,45% eram encerrados por informações insuficientes. Isso não é falha de apuração, é falha de coleta. O relato chegava sem o necessário para ser investigado, e o motivo estava na porta: escolher entre denúncia, reclamação e dúvida já é um julgamento, e quem não tem certeza dá menos informação ou desiste.

  2. O tempo não estava na decisão, estava no contexto.

    A estrutura de SLA da operação define complexidade por volume de entrevistas e evidências, com casos simples rodando em poucas semanas. O tempo médio real era muito maior. A diferença estava em tudo que vinha antes da apuração: ler, entender, resumir, classificar e direcionar, com o administrador transitando entre sistemas para montar a história de um caso.

  3. O volume tende a crescer, não a estabilizar.

    O relatório da ACFE de 2024, que analisou 1.921 casos de fraude ocupacional em 138 países, aponta que 43% das fraudes são detectadas por denúncia, mais de três vezes qualquer outro método, e que 52% dos relatos partem dos próprios empregados. Canal de denúncia é o principal mecanismo de detecção das empresas, e a pressão regulatória empurra o volume para cima. Uma operação que não escala a preparação do caso quebra por aritmética.

  4. O que isso delimitou.

    Unificar os canais resolvia a entrada e a troca de contexto, mas mantinha o ciclo manual. Automatizar a apuração resolveria o problema errado, porque o gargalo não era julgar, era preparar para julgar. Por isso a IA entrou na etapa mecânica e parou ali, e por isso refatoração e IA viraram um projeto só. Separados, cada um entregaria metade.

04 - Solução

Solução

Entrada única para relato, denúncia, dúvida e reclamação, com painel consolidado, e uma camada de IA que prepara o caso sem decidir sobre ele. A Sonia produz título e resumo, sugere categorização e classificação de risco e faz o direcionamento inicial.

Tudo editável, e apresentado como sugestão em vez de conclusão. Em gestão de conduta, o custo de um erro não é retrabalho: é uma pessoa classificada errado e uma empresa exposta juridicamente. Automação que decide sozinha transfere risco sem transferir responsabilidade, e essa linha foi definida no início do projeto, não descoberta depois.

05 - Diferencial

Diferencial

O produto tem três usuários que querem coisas diferentes do mesmo caso, e dois deles em oposição direta. Quem relata precisa de discrição. Quem apura precisa de contexto. Cada funcionalidade que dá mais informação ao investigador precisa ser avaliada contra o que ela expõe de quem relatou.

O terceiro usuário muda a natureza do problema. O back office da Safe Space atende várias empresas ao mesmo tempo, com níveis de autonomia diferentes: em alguns contratos apenas acompanha, em outros conduz a apuração inteira. Isso significa que o mesmo caso precisa ser legível por alguém que não pertence à organização onde o fato aconteceu, sem que essa legibilidade vire exposição indevida.

Desenhar para os três ao mesmo tempo foi o trabalho central. A automação da triagem torna essa avaliação mais delicada, não menos, porque a IA passa a preparar um caso que será lido por perfis com direitos de acesso diferentes.

06 - Impacto

Impacto

  • até 60%

    de redução no tempo de triagem de relatos

  • 95%

    de finalização do fluxo de apuração, com casos melhor documentados e intervenção mais eficaz

  • +40%

    de acompanhamento em relatos anônimos

  • 4 → 1

    canais de entrada unificados, com painel consolidado

07 - Visão do Colaborador

Visão do Colaborador

Sonia, assistente de IA do canal de escuta, recebe o colaborador com sugestões para começar o relato
Sonia, assistente de IA do canal de escuta, recebe o colaborador com sugestões para começar o relato
O colaborador descreve a situação em texto livre, sem escolher antes o tipo de relato
O colaborador descreve a situação em texto livre, sem escolher antes o tipo de relato
A Sonia pede o dado que faltava, o nome da pessoa envolvida, e confirma se o colaborador quer seguir para o envio
A Sonia pede o dado que faltava, o nome da pessoa envolvida, e confirma se o colaborador quer seguir para o envio
Revisão do relato: categoria, título e resumo gerados pela Sonia, todos editáveis, e os dados do ocorrido
Revisão do relato: categoria, título e resumo gerados pela Sonia, todos editáveis, e os dados do ocorrido
Final do formulário: pessoa envolvida, testemunhas, anexos e escolha entre envio identificado ou anônimo
Final do formulário: pessoa envolvida, testemunhas, anexos e escolha entre envio identificado ou anônimo
Relato enviado: código de acompanhamento e opção de receber atualizações por WhatsApp ou SMS sem perder o anonimato
Relato enviado: código de acompanhamento e opção de receber atualizações por WhatsApp ou SMS sem perder o anonimato
Acompanhamento pelo código: protocolo, status, classificação e chat confidencial com quem apura
Acompanhamento pelo código: protocolo, status, classificação e chat confidencial com quem apura

08 - Visão do administrador

Visão do administrador

09 - Visão do time de backoffice

Visão do time de backoffice

10 - Apresentação do case

Apresentação do case

A apresentação completa do case, com discovery, testes, arquitetura de agentes e impacto. Disponível mediante senha.

Outros projetos