A British Gas demorou 15 meses para emitir uma fatura final e reembolsar mais de £1.500 a uma cliente, apesar de uma decisão do provedor de energia quase um ano antes. Beth Kojder mudou-se do seu apartamento de um quarto no sudeste de Londres em outubro de 2024 e, posteriormente, apresentou uma reclamação ao provedor quando a British Gas não conseguiu fornecer uma fatura final ou reembolsar o saldo credor.

O provedor de energia decidiu a favor de Kojder em fevereiro de 2025, instruindo a British Gas a atender ao seu pedido. No entanto, o provedor não tem autoridade legal para fazer cumprir as suas decisões. Kojder recebeu uma oferta para o seu reembolso esta semana, pouco antes do seu caso ser ouvido num tribunal de pequenas causas.

A British Gas afirmou que estava "a implementar a solução do provedor" para Kojder e pediu desculpas pelo atraso. "Lamentamos muito o tempo que demorou", disse a empresa em comunicado.

Kojder descreveu o processo como "implacável", "cansativo" e "completamente exaustivo" numa entrevista à BBC. Ela forneceu leituras do contador à British Gas quando se mudou do seu apartamento para facilitar a criação de uma fatura final.

O atraso destaca as preocupações contínuas sobre o atendimento ao cliente e a precisão da faturação no setor de energia. Embora as empresas de energia estejam a usar cada vez mais IA e machine learning para otimizar as operações, incluindo a faturação e o apoio ao cliente, casos como o de Kojder demonstram as limitações destas tecnologias quando não são devidamente implementadas ou supervisionadas. Os sistemas de faturação alimentados por IA, por exemplo, são projetados para automatizar o cálculo do consumo de energia e gerar faturas precisas. No entanto, estes sistemas dependem da entrada de dados precisos e de algoritmos robustos. Erros nas leituras do contador, informações de tarifas incorretas ou falhas nos algoritmos podem levar a faturas imprecisas e reembolsos atrasados.

O uso de IA no atendimento ao cliente também levanta questões sobre responsabilidade e transparência. Chatbots e assistentes virtuais são frequentemente o primeiro ponto de contacto para os clientes, mas podem não estar equipados para lidar com questões complexas ou fornecer suporte personalizado. Isso pode levar a frustração e atrasos, principalmente para clientes vulneráveis.

Os mais recentes desenvolvimentos em IA para o setor de energia concentram-se em melhorar a precisão e a confiabilidade destes sistemas. As empresas estão a investir em modelos avançados de machine learning que podem detetar e corrigir erros nos dados de faturação, prever padrões de consumo de energia e personalizar as interações com os clientes. No entanto, estes avanços exigem atenção cuidadosa à privacidade dos dados, ao viés algorítmico e à supervisão humana para garantir resultados justos e equitativos para todos os clientes.