Como Medir a Taxa de Resolução dos Agentes de IA? calculando o percentual de solicitações concluídas pelo agente sem transferência para humano, dividindo atendimentos resolvidos pelo total recebido. Mas os resultados variam conforme a estrategia adotada.
Gestores de atendimento, coordenadores de SAC e analistas de processos precisam desta métrica para superar a falta de inteligência operacional. Sem ela, a automação limitada dos agentes de IA não gera valor mensurável. A taxa de resolução revela onde o agente realmente resolve e onde precisa de suporte humano.
Resposta direta: o que é a taxa de resolução de agentes de IA e por que medi-la?
A taxa de resolução é o percentual de solicitações que o agente de IA conclui sem transferir para um atendente humano. Gestores de atendimento usam este indicador para avaliar a autonomia real da automação. Sem ele, a falta de inteligência operacional impede decisões sobre onde expandir ou corrigir os fluxos.
Coordenadores de SAC aplicam a métrica para justificar investimentos em agentes de IA. Ela mostra se a automação realmente reduz a carga da equipe ou apenas desvia chamadas. Analistas de processos usam a taxa para identificar gargalos e treinar o modelo com exemplos reais de resolução.
Equipes que medem a taxa de resolução dos agentes de IA ganham clareza sobre o ROI da automação e a qualidade real do atendimento. A métrica conecta a capacidade técnica do agente ao resultado operacional. Sem ela, a automação vira uma caixa-preta sem critério de melhoria.
Mapa de decisão: quando medir a taxa de resolução dos agentes de IA?
A decisão sobre o momento e a frequência de medição da taxa de resolução não é uniforme. Ela depende do contexto operacional, da maturidade da automação e dos riscos envolvidos em cada cenário. Empresas com call center, SAC ou helpdesk frequentemente enfrentam falta de inteligência operacional e canais desconectados, o que torna a escolha do método de aferição um fator crítico para o sucesso da iniciativa. A tabela a seguir orienta essa decisão com base em critérios de aderência, complexidade de implantação, risco operacional, tempo até valor, integração com o processo atual e confiabilidade das evidências.
| Cenário | Critério de decisão | Quando medir | Próximo passo |
|---|---|---|---|
| Operação com alto volume de solicitações simples | Consultas repetitivas e transacionais (saldo, status de pedido, segunda via de boleto) que não exigem análise contextual profunda. O principal critério é a aderência do PABX Virtual para capturar o desfecho binário (resolvido ou transferido) sem adicionar complexidade de implantação. | Semanalmente, após a fase inicial de calibração dos Agentes de IA. Esse intervalo equilibra tempo até valor com a necessidade de acumular volume estatístico suficiente para evidenciar padrões, mitigando o risco operacional de agir sobre oscilações pontuais. | Automatizar relatórios semanais de desfecho binário e revisar os casos transferidos para identificar oportunidades de ampliação do escopo do Agente de IA. |
| Uso de IA para suporte nível 1 | Atuação como filtro inteligente antes do atendente humano, lidando com problemas de complexidade variável. A decisão de medir baseia-se na confiabilidade das evidências: é preciso garantir que o Agente de IA não está transferindo casos que poderia resolver, nem resolvendo de forma insatisfatória casos que deveriam ser escalados. | Diariamente durante as primeiras quatro semanas de implantação, reduzindo para semanal após a estabilização. A medição diária no início é essencial porque o risco operacional de um agente de nível 1 mal calibrado é alto — ele pode gerar filas desnecessárias no atendimento humano ou fornecer resoluções incorretas que geram reincidência. | Implementar um ciclo de feedback entre os atendentes humanos e o motor de IA. Quando um atendente recebe uma transferência, ele deve classificar se a IA poderia ter resolvido. Esse dado, cruzado com os relatórios do PABX Virtual, alimenta o retreinamento contínuo do modelo. |
| Integração com PABX Virtual | Cenário onde a telefonia é o canal primário e há necessidade de correlacionar dados de chamada (duração, transferências internas, abandono) com a resolução automatizada. O critério central é a integração com o processo atual: o PABX Virtual deve atuar como orquestrador, não como mais uma ferramenta isolada. | Em tempo real, com dashboards operacionais que mostram a taxa de resolução corrente e alertas de desvio. A medição em tempo real se justifica porque o PABX Virtual já captura os eventos de chamada. Adicionar a camada de resolução a esse fluxo não aumenta a complexidade de implantação e entrega valor imediato para a supervisão. | Extrair logs detalhados de chamadas para identificar padrões de baixa resolução e correlacioná-los com variáveis externas (horário de pico, tipo de solicitação, URA de entrada). O PABX Virtual facilita essa análise ao unificar os dados de voz com os metadados da interação, permitindo isolar se a falha está no reconhecimento de fala, na lógica do Agente de IA ou na integração com sistemas de backend. |
| Canais digitais desconectados (WhatsApp, chat, e-mail) | Operação multicanal sem visão unificada do cliente, onde o Agente de IA atua em alguns canais mas não em outros. O critério de decisão é a confiabilidade das evidências: medir a taxa de resolução apenas no chat, ignorando que o cliente tentou o telefone antes, gera uma métrica inflada e decisões equivocadas. | Após a unificação dos canais no PABX Virtual, que passa a funcionar como hub de roteamento e registro. A medição só deve começar quando houver integração com o processo atual, pois medir canais isolados compromete a aderência da métrica ao problema real de resolução omnichannel. | Mapear a jornada completa do cliente para identificar em quais canais o Agente de IA resolve e em quais ele gera atrito. O PABX Virtual, ao consolidar os relatórios de todos os canais, permite calcular uma taxa de resolução composta, revelando que um cliente que abandonou o chat foi resolvido posteriormente por telefone — informação crítica para dimensionar a equipe e calibrar os Agentes de IA. |
A escolha da abordagem para medir a taxa de resolução dos Agentes de IA deve considerar que a métrica não é um fim em si mesma, mas um instrumento de diagnóstico. O PABX Virtual atua como facilitador ao capturar dados de chamadas e enriquecer a métrica com informações de contexto — duração da interação, percurso na URA, histórico de transferências — que permitem distinguir uma resolução genuína de uma resolução parcial que gerará reincidência. Sem essa camada de inteligência operacional, a taxa de resolução corre o risco de se tornar um número vazio, celebrando automações que transferem o problema para outro canal ou para o cliente.
Como calcular a taxa de resolução dos agentes de IA?
A fórmula é direta: (Solicitações resolvidas pelo agente de IA / Total de solicitações atribuídas ao agente de IA) x 100. O resultado é um percentual que revela a autonomia do sistema.
-
Definir o numerador: o que conta como “resolvida”.
Uma solicitação é considerada resolvida quando o agente de IA conclui o atendimento sem intervenção humana. Exija confirmação explícita do cliente e cumprimento do SLA definido. Sem esses critérios, o número perde valor operacional. -
Definir o denominador: total de solicitações atribuídas.
Inclua apenas interações que o sistema recebeu e processou ativamente. Exclua chamadas descartadas por erro técnico ou redirecionadas antes da triagem inicial. O denominador errado distorce a métrica.
A medição faz sentido quando o agente de IA opera com escopo definido e dados de interação rastreáveis. Não faz sentido quando o sistema ainda está em fase de treinamento ou quando o fluxo de transferência para humano não é registrado. Sem esses cuidados, o cálculo vira ruído.
Como Medir a Taxa de Resolução dos Agentes de IA? é o processo de calcular o percentual de solicitações que o agente conclui sem intervenção humana, dividindo atendimentos resolvidos pelo total atribuído ao sistema. A métrica exige critérios claros de resolução, como confirmação do cliente e cumprimento de SLA, para gerar inteligência operacional útil a gestores de suporte.
Para gestores que enfrentam falta de inteligência operacional, aplicar esse passo a passo em plataformas de call center com IA transforma dados brutos em decisões. Relatórios consistentes permitem ajustar o escopo do agente e reduzir transferências desnecessárias.
Quais fatores influenciam a taxa de resolução dos agentes de IA?
A taxa de resolução dos agentes de IA não depende de uma única variável, mas de um conjunto de condições operacionais e técnicas que determinam se a interação será concluída com sucesso ou exigirá intervenção humana. Compreender esses fatores é essencial para quem avalia diferentes abordagens de automação e precisa escolher a arquitetura mais aderente ao ambiente real de operação. Especialmente quando há um PABX Virtual como componente central da infraestrutura de atendimento.
- Qualidade e abrangência da base de conhecimento. A base de conhecimento é o repositório primário de onde o agente extrai respostas. Quando artigos estão duplicados, desatualizados ou redigidos de forma ambígua, o modelo interpreta mal a intenção do cliente e entrega uma solução incorreta ou genérica. A abrangência também pesa: lacunas de conteúdo obrigam o agente a responder com "não sei" ou a escalar o chamado. Para empresas que operam com PABX Virtual, a base precisa contemplar não apenas dúvidas sobre produtos, mas também procedimentos de autosserviço telefônico. Como comandos de voz e navegação por menus, pois o cliente espera resolver tudo em uma única chamada.
- Complexidade das solicitações. Quanto mais variadas e técnicas forem as perguntas, menor tende a ser a taxa de resolução. Um agente exposto a centenas de intenções diferentes — de "consultar saldo" a "interpretar uma cláusula contratual" — enfrenta maior probabilidade de erro ou escalação. A dispersão de assuntos dificulta o treinamento e exige um volume maior de exemplos por categoria. O trade-off aqui é claro: ampliar o escopo de atuação do agente reduz a taxa de resolução no curto prazo. Enquanto restringi-lo a um domínio bem delimitado eleva a métrica, mas limita o alcance da automação. A decisão sobre qual caminho seguir deve considerar o risco operacional de transferir chamados complexos para a fila humana sem degradar a experiência do cliente.
- Integração com sistemas de retaguarda. O acesso a dados em tempo real via CRM, ERP e plataformas de PABX é o que transforma um agente respondedor de FAQs em um agente transacional. Sem integrações API robustas, o agente não consegue consultar histórico de pedidos. Verificar estoque, ler notas fiscais ou identificar o perfil do cliente antes de responder. Em cenários com PABX Virtual, a integração com o roteador de chamadas permite que o agente receba o contexto da ligação — como a fila de origem e as opções já selecionadas pelo cliente — evitando que ele repita perguntas e aumentando a chance de resolução no primeiro contato. A complexidade de implantação dessas integrações varia conforme a maturidade dos sistemas legados. E esse é um critério determinante para o tempo até valor do projeto.
- Treinamento e ajustes contínuos do modelo. Modelos de IA generativa ou classificadores de intenção exigem ciclos regulares de curadoria. Analisar transcrições de chamados reais, identificar padrões de falha e rebalancear os exemplos de treinamento são atividades que impactam diretamente a taxa de resolução. Empresas com suporte ao cliente que mantêm chamados desorganizados e automação limitada enfrentam dificuldade extra nessa etapa. Pois não conseguem extrair dados confiáveis para retroalimentar o modelo. A confiabilidade das evidências utilizadas no ajuste é tão importante quanto o algoritmo: treinar com transcrições imprecisas ou categorizadas erroneamente introduz viés e piora o desempenho.
- Workflows de automação e definição de escopo. Workflows bem desenhados permitem que o agente execute ações concretas — como reagendar uma entrega. Emitir segunda via de boleto ou cancelar um serviço — sem intervenção humana. A ausência desses fluxos força a transferência para um atendente mesmo quando a resposta correta já foi identificada, anulando o potencial de resolução. Tão importante quanto os workflows é a definição explícita de escopo: documentar o que o agente pode e não pode resolver reduz a ambiguidade e evita que ele receba solicitações fora de sua alçada. Um agente configurado para suporte financeiro não deve atender questões de infraestrutura técnica, sob risco de fornecer orientações incorretas e comprometer a confiança do cliente. A aderência entre o escopo declarado e a capacidade real do PABX Virtual de rotear chamadas conforme o tipo de demanda é um critério de avaliação que antecipa o sucesso ou fracasso da métrica.
Erros comuns ao medir a taxa de resolução dos agentes de IA
Gestores de atendimento e analistas distorcem a métrica de resolução ao ignorar interações de voz. Desprezar reaberturas de tickets e adotar critérios subjetivos sem segmentação por tipo de solicitação.
A falta de inteligência operacional transforma um indicador estratégico em número cosmético. Cada erro listado abaixo compromete a confiabilidade do dado e a tomada de decisão sobre alocação de equipe e automação.
- Considerar apenas interações de texto, ignorando chamadas de voz. Agentes de IA que operam exclusivamente em chat geram uma visão parcial da performance. Um sistema de call center em nuvem com PABX Virtual integrado unifica voz e texto no mesmo fluxo de análise. Sem essa integração, a taxa de resolução reflete apenas uma fração do atendimento real.
- Definir critérios de resolução subjetivos e inconsistentes. Quando cada analista interpreta "resolvido" de forma diferente, a métrica perde comparabilidade. Estabeleça critérios objetivos: confirmação explícita do cliente, ausência de reabertura e conclusão sem transferência para atendente humano. Documente esses critérios e aplique-os uniformemente em todos os canais.
- Medir a taxa de resolução sem segmentar por tipo de solicitação. Agregar troca de senha, cancelamento e suporte técnico em um único indicador mascara gargalos específicos. Segmente por categoria de intent. Assim você identifica quais temas o agente de IA resolve bem e quais exigem redesenho de fluxo ou integração com sistemas como plataforma de call center com IA.
- Ignorar o feedback do cliente sobre a resolução. Uma interação encerrada sem transferência não garante satisfação. Incorpore pesquisa de satisfação ao final do atendimento automatizado. O cliente pode ter desistido, migrado para outro canal ou resolvido por conta própria — cenários que inflam artificialmente a taxa de resolução. A combinação de indicador operacional com percepção do cliente fecha o ciclo de inteligência operacional.
Evitar esses cinco erros exige infraestrutura que conecte agente de IA acionável, PABX Virtual e relatórios em tempo real. Sem essa base, a pergunta "Como Medir a Taxa de Resolução dos Agentes de IA?" será respondida com um número que não representa a operação real.
Como o PABX Virtual impacta a taxa de resolução dos agentes de IA?
O PABX Virtual transforma a medição da taxa de resolução ao capturar interações de voz com a mesma precisão analítica dos canais textuais. Eliminando o ponto cego da telefonia desconectada do suporte.
A telefonia tradicional opera isolada dos sistemas de atendimento. Empresas com call center e SAC telefônico perdem a rastreabilidade completa da jornada porque as chamadas não geram dados estruturados para o cálculo da métrica. O PABX Virtual resolve essa lacuna ao fornecer registros detalhados de cada interação.
Agentes de IA de voz atendem chamadas, identificam o cliente, resolvem a solicitação e geram tickets automaticamente. Cada etapa fica registrada no CDR do PABX Virtual. Esses registros alimentam o cálculo da taxa de resolução sem intervenção manual. Permitindo que gestores comparem desempenho entre canais de texto e voz no mesmo dashboard.
A gravação de chamadas e as transcrições automáticas são os diferenciais técnicos dessa integração. O sistema analisa o conteúdo da conversa para confirmar se o agente de IA realmente resolveu o problema ou apenas encaminhou. Sem esse recurso, a medição em voz depende de auditoria manual — um processo lento, caro e sujeito a viés.
Jornada prática: do toque ao ticket resolvido
Um cliente disca para o número 0800 da empresa. O PABX Virtual roteia a chamada para o agente de IA de voz. O agente consulta a base de dados, identifica o cliente e entende a solicitação por linguagem natural.
O agente acessa o sistema de pedidos, localiza a informação e responde ao cliente em tempo real. A conversa é gravada e transcrita. O sistema gera um ticket com status "resolvido" e encerra a interação sem transferência para atendente humano.
O CDR registra: duração da chamada, identificação do agente de IA, motivo do contato, ação executada e desfecho. Esses campos estruturados permitem calcular automaticamente a taxa de resolução — o mesmo cálculo aplicado ao chat ou e-mail agora funciona para voz.
Empresas que operam sistema de call center em nuvem eliminam a desconexão entre telefonia e suporte. A métrica de resolução passa a refletir a operação completa, não apenas os canais digitais. Essa visão unificada é o que permite identificar gargalos reais e calibrar os agentes de IA com dados de todos os pontos de contato.
A integração entre PABX Virtual e agentes de IA de voz também resolve um problema operacional crítico: a reabertura de chamados. Quando um cliente liga novamente pelo mesmo motivo, o sistema cruza o número de origem com tickets recentes e sinaliza a reincidência. Essa detecção automática refina o cálculo da resolução no primeiro contato — um indicador mais rigoroso e alinhado à experiência real do cliente.
Para operações que já utilizam URA conversacional com linguagem natural, a adição do PABX Virtual como camada de registro fecha o ciclo de dados. Cada interação de voz vira evidência mensurável, não uma lacuna no relatório de desempenho dos agentes de IA.
Framework original: Modelo 3E para medir a taxa de resolução dos agentes de IA
A medição da taxa de resolução exige um método que vá além do cálculo percentual isolado. O Modelo 3E estrutura a análise em três camadas interdependentes — Escopo, Execução e Evolução — permitindo que gestores de operação e analistas de processos transformem dados brutos em inteligência operacional acionável. Cada etapa resolve uma camada específica da falta de inteligência operacional que paralisa decisões sobre ajustes em agentes de IA, relatórios e workflows.
Escopo: definir o perímetro de atuação do agente
A primeira etapa do modelo delimita exatamente quais solicitações o agente de IA pode resolver sem intervenção humana. Categorize os tickets em três grupos: resolvíveis integralmente pelo agente, resolvíveis com apoio de base de conhecimento e intransferíveis por exigirem julgamento humano. Documente os limites de atuação para cada categoria antes de qualquer cálculo de taxa. Sem esse recorte, o denominador da fórmula inclui interações que jamais seriam resolvidas pela máquina, inflando artificialmente a percepção de falha. Analistas de processos que pulam esta etapa produzem relatórios que confundem incapacidade técnica com escopo mal definido.
Execução: coletar dados de todos os canais com critérios objetivos
Evolução: analisar tendências e ajustar continuamente
A terceira etapa transforma a medição em ciclo de melhoria contínua. Compare taxas de resolução entre categorias de solicitação para identificar gargalos específicos — por exemplo. Consultas sobre faturamento podem apresentar resolução inferior a consultas sobre status de pedido. Alimente a base de conhecimento com as interações não resolvidas que exigiram escalação, priorizando os temas de maior volume. Treine o modelo de linguagem do agente com esses novos padrões e redefina o escopo quando novas categorias se tornarem automatizáveis. Agentes de IA acionáveis dependem desse ciclo para expandir progressivamente sua capacidade de resolução sem comprometer a qualidade.
O Modelo 3E entrega uma visão sistêmica porque conecta definição, medição e ajuste em um único fluxo. Gestores de operação que aplicam as três etapas substituem a pergunta estática "qual a taxa atual?" pela pergunta dinâmica "qual a taxa possível dentro do escopo definido e como expandi-la?". A integração com sistemas de call center em nuvem acelera a etapa de Execução ao unificar canais, enquanto plataformas de call center com IA fornecem os relatórios necessários para a etapa de Evolução.
Conclusão: como usar a taxa de resolução para melhorar sua operação
A taxa de resolução dos agentes de IA funciona como um termômetro da autonomia operacional. Ela revela se o investimento em automação está entregando independência real ou apenas transferindo complexidade para a equipe humana. Um indicador de resolução saudável comprova que o agente de IA fecha interações sem intervenção, liberando os atendentes para demandas de maior valor.
Para gestores de atendimento, supervisores de operação e analistas de qualidade, a métrica responde a uma pergunta central: o agente de IA está resolvendo ou apenas encaminhando? Quando a taxa cai, o sintoma mais comum é o aumento de transferências e retrabalho humano. Quando sobe, o efeito prático é a redução de fila e a previsibilidade do dimensionamento. Para equipes de CX, a dor está em justificar o custo da automação sem evidência de resolução. Para o financeiro, a dor é aprovar expansão sem saber se o agente substitui demanda ou apenas a esconde.
Medir esse indicador exige capturar dados de voz, texto e canais digitais em um único repositório. O PABX Virtual elimina o ponto cego das ligações telefônicas, registrando cada chamada resolvida pelo agente de IA com a mesma granularidade de um chat. Sem essa integração, a métrica reflete apenas uma fração da operação e distorce decisões de dimensionamento de equipe.
A consolidação de relatórios em uma plataforma de call center com IA transforma a medição de tarefa manual em painel estratégico. Gestores comparam a taxa de resolução por canal, identificam gargalos de transferência e ajustam o escopo do agente com base em evidências. O ciclo de melhoria contínua deixa de depender de percepções subjetivas e passa a operar sobre dados estruturados.
Operações que conectam agentes de IA, PABX Virtual e helpdesk em uma plataforma unificada ganham velocidade na correção de rota. O tempo entre detectar uma queda na resolução e ajustar o fluxo de atendimento reduz drasticamente. A infraestrutura de call center em nuvem fornece a base técnica para essa agilidade, sustentando picos de demanda sem degradar a experiência do cliente.
A TW Solutions oferece uma plataforma de helpdesk completa com agentes de IA e PABX Virtual integrados. Essa arquitetura captura a taxa de resolução em tempo real, unificando telefonia digital e canais digitais em um único ambiente de gestão. O resultado operacional é uma operação que mede, ajusta e escala a automação com precisão, reduzindo transferências desnecessárias e aumentando a capacidade de atendimento sem expandir o quadro de pessoal.
Perguntas frequentes
O que é a taxa de resolução de agentes de IA e como ela é calculada?
A taxa de resolução mede o percentual de solicitações concluídas pelo agente de IA sem intervenção humana. O cálculo é direto: divida o número de solicitações resolvidas pelo total de solicitações atribuídas ao agente e multiplique por 100. Para o resultado ser confiável, exija confirmação explícita do cliente e cumprimento do SLA definido.
Como funciona o cálculo da taxa de resolução em agentes de IA que atendem chamadas de voz?
O cálculo segue a mesma fórmula, mas exige integração com um PABX Virtual para capturar dados de voz. Sem ele, as chamadas telefônicas viram um ponto cego. O PABX Virtual registra cada interação, identifica o cliente e gera tickets automaticamente. Permitindo que chamadas resolvidas pelo agente de IA sejam contabilizadas com a mesma precisão dos canais de texto.
Quando devo medir a taxa de resolução dos agentes de IA na minha operação de call center?
A medição não é uniforme e depende do contexto operacional e da maturidade da automação. Empresas com SAC ou helpdesk que enfrentam falta de inteligência operacional e canais desconectados devem medir com frequência. O momento ideal considera critérios como complexidade de implantação, risco operacional e tempo até valor. Conforme orienta um mapa de decisão baseado em aderência e confiabilidade das evidências.
Quais critérios devo avaliar antes de escolher como medir a taxa de resolução dos agentes de IA?
Avalie a qualidade e abrangência da base de conhecimento, pois ela é o repositório primário de onde o agente extrai respostas. Também considere a integração com o PABX Virtual para capturar interações de voz, a capacidade de segmentar por tipo de solicitação e a confiabilidade dos critérios de resolução. Como confirmação explícita do cliente e cumprimento do SLA.
Qual a diferença entre medir a taxa de resolução de agentes de IA em chat versus em chamadas de voz?
Medir apenas em chat gera uma visão parcial da performance, ignorando o canal de voz. Agentes de IA que operam exclusivamente em texto não capturam a realidade operacional completa. Já um sistema com PABX Virtual integrado unifica os dados, permitindo que chamadas de voz sejam registradas com a mesma granularidade analítica dos chats. Eliminando o ponto cego da telefonia desconectada.
Como implementar a medição da taxa de resolução dos agentes de IA usando o Modelo 3E?
O Modelo 3E estrutura a medição em três camadas: Escopo, Execução e Evolução. Primeiro, defina o perímetro de atuação do agente, delimitando quais solicitações ele pode resolver. Depois, execute o cálculo com critérios rigorosos de resolução. Por fim, evolua a análise para transformar dados brutos em inteligência operacional acionável, ajustando workflows e relatórios.
Que resultados posso esperar ao medir corretamente a taxa de resolução dos agentes de IA?
Um indicador de resolução saudável comprova que o agente de IA fecha interações sem intervenção, liberando atendentes para demandas de maior valor. A métrica revela onde o agente realmente resolve e onde precisa de suporte humano, impactando diretamente custos operacionais e produtividade. Com dados de voz e texto unificados, você obtém um termômetro real da autonomia operacional.
Quais riscos existem ao ignorar a segmentação por tipo de solicitação na taxa de resolução dos agentes de IA?
Ignorar a segmentação por tipo de solicitação é um erro comum que distorce a métrica. Sem segmentar, você não identifica quais demandas o agente resolve bem e quais exigem suporte humano. Isso leva a decisões erradas sobre alocação de equipe e automação, transformando um indicador estratégico em número cosmético que não reflete a realidade operacional.
