Mastercard · IBM Client Engineering

Onboarding a Plataforma MDES

Liderança de DesignIA ConversacionalUX/UI

Assistente de IA Generativa que orienta clientes a integrar os serviços da Mastercard

Como poderíamos simplificar e tornar mais fluida a experiência de onboarding dos novos clientes da Mastercard para garantir um preenchimento correto e sem atritos do formulário?
Pergunta que guiou a ideação
165 dias
Onboarding original
2 dias → Tempo real
Tempo de resposta ao cliente
30% a 40%
Clientes travados na liberação do SDK
01

Situação

O onboarding de novos clientes Mastercard — instituições financeiras, fintechs e startups — levava cerca de 165 dias para ser concluído. A documentação era extensa e técnica.

Na prática, o cliente acumulava dúvidas ao longo do preenchimento — e cada resposta podia levar até 2 dias — sobrecarregando os analistas com:

  1. i
    Respostas a e-mails recorrentes sobre os mesmos pontos
  2. ii
    Reuniões e telefonemas para destravar cada etapa
  3. iii
    Idas e vindas no preenchimento do formulário
02

Tarefas

Projetar uma experiência assistida por Inteligência Artificial para o preenchimento do formulário de onboarding, viável de ser construída em menos de 2 meses.

Objetivos principais

  1. i
    Pesquisar com as áreas envolvidas e entender a documentação enviada ao cliente
  2. ii
    Definir a experiência mínima viável (MVP) para o primeiro ciclo
  3. iii
    Garantir que a IA tirasse as principais dúvidas e reduzisse a dependência dos analistas
Figs. 02—05Galeria do processo — clique para ampliar
Planilha enviada para os clientes da Mastercard para iniciar o processo
Fig. 02 — Planilha enviada para os clientes da Mastercard para iniciar o processo
Documentação técnica original da MDES Readiness compartilhada com emissores
Fig. 03 — Documentação técnica original da MDES Readiness compartilhada com emissores
Wireframes iniciais do fluxo guiado de onboarding — cadastro e escolha de carteiras
Fig. 04 — Wireframes iniciais do fluxo guiado de onboarding — cadastro e escolha de carteiras
Arquitetura da solução: AI Assistant e Gen AI endereçando as dores do processo
Fig. 05 — Arquitetura da solução: AI Assistant e Gen AI endereçando as dores do processo
03

Ações

1. Alinhamento & Discovery
Alinhei a expectativa com o executivo da Mastercard e conversei com os analistas que orientavam e tiravam as dúvidas dos clientes.

2. Imersão na Documentação
Tive acesso à documentação técnica enviada aos clientes para mapear os pontos de maior fricção no preenchimento.

3. Mapeamento da jornada completa
Mapeei o processo do cliente de ponta a ponta, do Self Assessment até a Validação Final, com as dores de cada etapa e as responsabilidades do time Mastercard ao longo de todo o percurso.

  1. i
    Self Assessment: documentação e vídeos existiam, mas o cliente não consumia o conteúdo, e chegava na etapa seguinte cheio de dúvidas
  2. ii
    Liberação do SDK: entre 30% e 40% dos clientes não tinham o acesso liberado, dependendo de validação por e-mail e de um script que rodava uma vez por semana
  3. iii
    Card Design e Termos: validação manual, com o analista caçando palavras nos documentos enviados

Decisão de design: assistência no fluxo, não mais conteúdo
A leitura óbvia do problema era produzir documentação melhor. A pesquisa mostrou o contrário, o material já existia e não era consumido. Em vez de mais conteúdo para o cliente ler, desenhei um concierge disponível 24 horas dentro do próprio fluxo, que responde no momento da dúvida e verifica a prontidão do cliente etapa por etapa.

4. Definição do Escopo Mínimo
Junto com a área de negócios, defini a informação mínima que o cliente precisava preencher.

  1. i
    Validei com o time de engenharia da IBM o que era viável implementar como experiência dentro do prazo

5. Prototipação & Validação
Fiz as primeiras versões do protótipo e defini a experiência de um formulário guiado por Inteligência Artificial, com validação por OCR a cada documento enviado. Passamos por algumas iterações e, a partir do feedback dos analistas, refinei o fluxo até a entrega final.

6. Handover & Liderança do Desenvolvimento
Após a aprovação do design, fiz o handover para desenvolvedores e cientistas de dados.

  1. i
    Liderei o time ao longo do desenvolvimento, com reuniões de checkpoint para manter o alinhamento com a expectativa do cliente
04

Resultados

Imediato

Construímos um assistente de IA Generativa (watsonx) treinado nos manuais da Mastercard, capaz de tirar as principais dúvidas do usuário e guiar o preenchimento em tempo real, a qualquer momento.

  1. i
    Da espera à resposta imediata: dúvidas resolvidas no momento em que surgem, eliminando o ciclo de até 2 dias por e-mail
  2. ii
    Menos validação manual: conferência de documentos por OCR no lugar da checagem palavra por palavra feita pelo time
  3. iii
    Validado com usuários reais: usabilidade e tecnologia testadas em ambiente controlado com os analistas que operavam o processo
Longo prazo
  1. i
    Modelo replicável: a abordagem de assistência no fluxo, em vez de mais documentação, se aplica a qualquer onboarding longo e documentado de ambiente regulado
  2. ii
    Novas frentes: casos de uso mapeados para automação de processos internos com watsonx Orchestrate
  3. iii
    Relacionamento IBM e Mastercard fortalecido, com novas conversas abertas
A seguir
TIM | Análise do Atendimento ao Cliente
Liderança de Design · Arquitetura de Informação · UX

TIM | Análise do Atendimento ao Cliente

Solução de inteligência para call center com IA Generativa.

Ver case →