Um SDR de IA que mostrou o que faltava.

Metralhadora, não sniper.

Propus uma entrevista de descoberta com o gestor para entender as necessidades da operação. Ele resumiu um dos problemas assim: "o mercado pede que eu atire de metralhadora, e eu estou atirando de sniper".

A proposta, construída em conjunto com a gestão, foi um SDR de IA no WhatsApp, capaz de abordar leads em escala e passar os qualificados para um vendedor.

Um revisor antes de cada mensagem.

Desenhei o agente como um grafo em Python e LangGraph. Um nó planeja o objetivo do turno, outro responde com contexto operacional recuperado por RAG, um revisor confere se a resposta tem base e cumpre o objetivo, e um último passo adapta o texto ao ritmo do WhatsApp.

Sem o revisor, os testes mostravam o agente fugindo da intenção planejada. Modelos menores classificam e decidem o handoff, e o maior só entra onde há raciocínio.

Custo por conversa antes de escalar.

Um agente que fala com centenas de pessoas por semana pode sair do controle se ninguém souber quanto custa cada mensagem e quanto resultado ela traz. Registrei o custo de cada nó em cada turno, junto do desfecho de cada conversa.

Quase todo o custo estava em três etapas e vinha do tamanho do contexto, não da resposta. É ali que está a alavanca para crescer sem perder qualidade.

Boa exploradora, ainda não vendedora.

No piloto de agosto de 2026, a IARA abordou 144 contatos de uma base fria antiga. 59 responderam, cerca de 4 em 10. Dessas 59 conversas, 10 terminaram com um decisor encontrado ou um lead repassado ao vendedor, cerca de 1 em 6. O fluxo de conversa rodou sem erros de execução.

A IARA explorava bem quando o lead era receptivo, mas não guardava tudo o que descobria nem sabia retomar uma conversa parada. Faltavam ferramentas, objetivos claros por etapa e cadência.

Uma conversa do piloto.

No piloto, acompanhamos cada conversa de perto. Nesta, a base estava desatualizada: o contato tinha saído da empresa havia quase dois anos. A IARA não encerrou ali. Perguntou quem tinha ficado no lugar dele, explicou o que fazíamos quando ele quis saber, e descobriu que ele agora era gerente de manutenção numa indústria que usa os equipamentos que atendemos.

Ao ler a conversa, passamos o contato para uma vendedora. Dezenove dias depois ela visitou a empresa, e hoje estamos combinando uma palestra sobre trocadores de calor na unidade.

Logo depois desse trecho, ele perguntou se falava com uma IA, e a IARA afirmou ser uma pessoa. A causa estava na persona, que pedia para ela não se identificar como IA. No mesmo dia, troquei a instrução por uma regra explícita: perguntada, ela diz que é assistente virtual. Reforcei a regra no código, para não depender só do documento, e criei um teste com variações da pergunta.

O sistema marcou esse lead como contato inválido, porque o número não era mais da empresa antiga. A informação mais valiosa da conversa, a empresa nova, ficou só no texto. É um dos motivos de a SDR depender do CRM para registrar o ciclo do lead.

Menos perguntas, mais conversa.

A qualificação BANT virava uma sequência de perguntas e afastava o lead. Troquei esse desenho, e a obrigação de fechar sempre num pedido de orçamento, por objetivos fechados: cargo, empresa, setor e necessidade.

Construí uma sandbox em que a equipe conversava com o agente como se fosse um lead. Lá, as perguntas em sequência diminuíram e o agente passou a responder melhor quando o lead ia direto ao ponto. A pedido do gestor, o jeito de conversar das vendedoras virou referência de tom.

Medir o ciclo antes de escalar.

Sem um CRM, não havia como saber quanto a IARA participava do caminho do lead até a compra. A SDR passou a uma trilha paralela enquanto o CRM ganhava forma, e ele já começou a registrar essa participação.

O próximo lote foca no que o piloto fez bem: qualificar leads frios com pouca informação, encontrar decisores e enviar catálogos.