ESTUDANTESPrograma especial para Estudantes
agende uma demonstração

Tenha um agente de IAem menos de 1 minuto

Do cadastro ao primeiro atendimento sem ninguém do seu time no meio. O agente atende, consulta o seu sistema, cobra, emite o documento e volta atrás de quem não respondeu.

integrado com seus sistemas

cobra, emite, agenda

onde o cliente já está

não esquece de ninguém

cadência até resolver

comece grátis

em produção paraUPSUPSAguaShowAguaShowLearnAILearnAIHubmailHubmailVisartRejuverRejuver
o que fazemos pela sua empresa

Levamos a sua empresa para dentro da IA — ponta a ponta.

A Mensageiro não entrega uma ferramenta para você descobrir como usar. Fazemos o caminho inteiro: entender o seu processo, montar os agentes, ligar aos seus sistemas, colocar no ar e acompanhar — para vender mais, atender melhor, melhorar processos e reduzir custo e risco operacional.

vender mais

Nenhum cliente fica sem resposta

O agente responde na hora, qualifica quem chega, agenda e faz o follow-up de quem sumiu — inclusive de madrugada e no fim de semana.

atender melhor

Atendimento com o padrão da sua empresa

Mesmo tom, mesma informação e memória do histórico de cada cliente, em todos os canais. Quando o caso exige decisão humana, ele passa a conversa com tudo já lido.

melhorar processos

O trabalho repetitivo sai da mesa do time

Consultar sistema, cobrar, emitir documento, atualizar cadastro, cobrar prazo interno. O que era planilha e copia-e-cola vira processo que roda sozinho e registrado.

reduzir custo e risco

Escala sem aumentar a folha — e sem improviso

Atender o dobro não significa contratar o dobro. E nada de conversa no celular pessoal: histórico no número oficial, limites definidos por você e trilha para auditar.

como funciona

Não é uma ferramenta para você configurar. É trabalho saindo da sua mesa.

Você não precisa entender de IA, do mesmo jeito que não precisa entender de rede elétrica para acender a luz. Precisa entender do seu negócio — a parte técnica fica com a Mensageiro.

  1. 01

    Você diz qual trabalho quer tirar da mesa

    Atender e qualificar quem chega, cobrar, emitir documento, agendar, dar suporte. Em linguagem normal, do jeito que você explicaria para um funcionário novo.

  2. 02

    A implantação é nossa, inteira

    Liberação do WhatsApp oficial da sua empresa junto à Meta, montagem do time de agentes com o jeito da sua casa, ligação com os seus sistemas e 90 dias de acompanhamento com especialista.

  3. 03

    O trabalho começa a sair sem você

    O agente executa, registra tudo no número oficial da empresa e chama uma pessoa do seu time quando o assunto exige decisão humana. Você acompanha tudo pela tela de gestão.

desde 2025
atendendo todos os dias na UPS do Brasil
40 min
a conversa em que olhamos a sua operação
90 dias
de acompanhamento com especialista, inclusos
WhatsApp
no número oficial da empresa, aprovado pela Meta
já está rodando em produção

Operações reais, no WhatsApp, todos os dias.

Não são testes nem projetos-piloto: são agentes atendendo cliente de verdade, ligados aos sistemas de quem contratou.

UPS do Brasil

UPS do Brasil

Logística internacional · atendimento e cobrança

  • Rastreio em tempo real o cliente manda o número da remessa e recebe o status na hora, sem fila.
  • Cobrança de taxas de importação com link de pagamento e confirmação, sem intervenção humana.
  • Nota de débito e comprovantes emitidos e enviados pelo próprio WhatsApp e por e-mail.
  • Cadência de cobrança reengaja quem não pagou até resolver ou encerrar o caso.
  • Pesquisa de satisfação depois da entrega o agente pergunta, registra a nota e você vê o resultado consolidado.

Milhares de conversas por mês, em operação contínua desde 2025, integradas aos sistemas internos da UPS.

ÁguaShow Park

ÁguaShow Park

Parque aquático · Florianópolis/SC

  • Atendente bilíngue responde turistas do Brasil, da Argentina e do Uruguai em português e espanhol.
  • Menu oficial no WhatsApp valores, horários, endereço, estacionamento e promoções vigentes.
  • Personagem próprio da marca o mascote Polvo Bob, com o tom e a linguagem do parque.
  • Picos de alta temporada absorvidos sem contratar time extra de atendimento.
  • Zero informação inventada o agente só responde com a tabela vigente do parque.

Um agente com a cara da marca: o cliente conversa com o parque, não com um robô genérico.

investimento

Menos que contratar mais uma pessoa para atender.

A comparação honesta não é com zero: é com contratar alguém que trabalha 8 horas por dia, cinco dias por semana, e não responde às 22h de domingo. Implantação, integrações e acompanhamento inclusos.

Atendimento
R$ 250/mês

Para quem quer parar de perder cliente fora do horário.

  • Liberação do WhatsApp oficial da empresa
  • 1 agente de atendimento
  • Todas as conversas em um lugar só
  • Histórico completo por cliente
  • O agente lembra do cliente na próxima vez

Atendimento imediato, sem aumentar equipe.

Agendar demonstração
mais vendido
Time completo
R$ 500/mês

Para quem quer o time montado, ligado aos sistemas e acompanhado.

  • Tudo do Atendimento
  • Montagem completa de 1 time de agentes
  • 2 ligações com os seus sistemas (ERP, CRM, agenda)
  • Atendimento por e-mail incluso
  • 1 modelo de mensagem aprovado pela Meta
  • Acompanhamento da implantação

O processo rodando, com o time só nas exceções.

Agendar demonstração
Operação sob medida
R$ 4.500/mês

Para operações com volume alto e processos próprios.

  • Tudo do Time completo
  • Especialista dedicado
  • Times sob medida para cada setor
  • Ligações com sistemas e automações sem limite
  • Evolução contínua e relatórios

Sua operação inteira com IA, sem precisar de equipe técnica.

Falar com o time
já incluso

Implantação, liberação do WhatsApp oficial junto à Meta, ligação com os seus sistemas e 90 dias de acompanhamento com especialista.

R$ 4.000

é o que isso custaria contratado à parte. Na campanha de lançamento, vai incluso no plano.

Sua operação não para para implantar.

Blog

Notas do time.

Ver todos

4 de agosto de 2026

Agente de IA no WhatsApp: como funciona e o que muda em relação a um chatbot

Quase toda empresa brasileira já tentou colocar alguma automação no WhatsApp. Quase toda desistiu no mesmo ponto: o cliente escreve uma frase que não está no fluxograma e a conversa trava. O que mudou nos últimos dois anos não foi o canal — foi o que roda atrás dele. Um agente de IA no WhatsApp não é uma árvore de decisão com linguagem natural na frente. É um programa que lê a mensagem, decide o que fazer, chama sistemas de verdade (seu ERP, seu gateway de pagamento, sua agenda) e responde com base no resultado dessas chamadas. A diferença prática aparece no primeiro caso fora do roteiro. O que separa um agente de um chatbot Um chatbot tradicional é uma máquina de estados: menu, opção, resposta pré-escrita. Ele só sabe o que alguém escreveu antes, e falha em qualquer bifurcação não prevista. Um agente tem três capacidades que o chatbot não tem: Ferramentas. Ele pode executar ações: consultar um pedido, gerar um link de pagamento, emitir um documento, marcar um horário, abrir um chamado. Contexto. Ele lembra do que já foi dito na conversa e do histórico do cliente, então não pede o CPF três vezes. Decisão. Ele escolhe o próximo passo em vez de seguir um caminho fixo — inclusive a decisão de passar para um humano . Isso muda a pergunta que você faz na hora de contratar. Não é mais "quantos fluxos ele responde", é " quais sistemas ele consegue tocar ". Escrevemos sobre essa comparação em detalhe em chatbot ou agente de IA . Como uma conversa realmente acontece Vale destrinchar um atendimento típico, porque é aí que a arquitetura fica visível. Mensagem chega. O WhatsApp entrega a mensagem por webhook para o seu backend, em segundos. Identificação. O agente resolve quem é aquele número: cliente existente, lead novo, ou um contato que já falou com a empresa há seis meses. Intenção. O modelo lê a mensagem junto com o histórico e o que a empresa definiu como escopo — "atendo pedidos, cobrança e agendamento; não falo de outros assuntos". Ferramenta. Se a resposta depende de dado real, o agente chama a API. "Onde está meu pedido?" vira uma consulta ao sistema de rastreio, não uma resposta genérica. Resposta. O texto sai com o dado que voltou da chamada. Se a chamada falhou, o agente diz que falhou — não inventa. Continuação. Se ficou pendência ("vou verificar e te aviso"), o agente agenda o retorno e volta sozinho depois. Essa é a parte que humano esquece e software não. O passo 4 é o que separa demonstração de operação. Um agente que só conversa é uma FAQ cara. Um agente que consulta e escreve nos seus sistemas tira trabalho da mesa de alguém — veja como integrar um agente de IA ao seu ERP ou CRM . O que a API oficial do WhatsApp exige Antes de qualquer IA, existe uma camada burocrática que derruba muito projeto no meio do caminho. O canal oficial (WhatsApp Business Platform, da Meta) tem regras próprias: Número e verificação. Você precisa de uma conta WhatsApp Business (WABA), um número dedicado e a verificação do negócio junto à Meta. Janela de 24 horas. Depois que o cliente manda uma mensagem, você pode responder livremente por 24 horas. Fora dessa janela, só com template aprovado . Templates. Toda mensagem iniciada pela empresa passa por aprovação prévia e é classificada por categoria (utilidade, marketing, autenticação), o que também define o custo. Escrevemos um guia específico sobre templates do WhatsApp e por que eles são reprovados . Qualidade do número. Bloqueios e denúncias derrubam a qualidade e limitam quantas mensagens você pode iniciar por dia. Disparo em massa mal calibrado mata o canal. Quem usa aplicativo não-oficial (leitura do WhatsApp Web via automação) economiza no começo e paga depois, com número banido no pior dia possível. Onde o agente costuma dar retorno primeiro Na prática, três frentes pagam a conta antes das outras: Atendimento de entrada. Todo mundo que chega é respondido em segundos, 24 horas por dia, inclusive no domingo. A maior parte do ganho não é substituir atendente — é não perder o contato que escreveu às 22h e foi respondido às 10h do dia seguinte, quando já falava com o concorrente. Cobrança e follow-up. Aqui o efeito é direto no caixa: o agente cobra, manda o link, confere o pagamento e volta atrás de quem não respondeu, com cadência, sem constrangimento e sem esquecer ninguém. Detalhamos o desenho dessa régua em automatizar cobrança no WhatsApp . Suporte de nível 1. Perguntas repetidas — status, segunda via, prazo, horário, procedimento — consomem a maior parte do tempo da equipe e são exatamente as que um agente com acesso ao sistema resolve inteiro. Veja agente de IA para suporte nível 1 . Quanto tempo leva para colocar em pé Depende do que você já tem. Um agente que apenas responde dúvidas com base no material da empresa sobe em horas. Um agente que consulta pedido, cobra e emite documento leva o tempo das integrações — e o gargalo quase nunca é a IA, é o acesso à API do sistema interno. Uma sequência que funciona: Semana 1 — escopo estreito. Escolha um trabalho: qualificar quem chega, ou cobrar, ou responder status. Um agente que faz uma coisa bem entra em produção; um que promete tudo fica em piloto para sempre. Semana 1 — canal. Número oficial aprovado, webhook ligado, templates enviados para aprovação em paralelo (a aprovação demora, então comece cedo). Semana 2 — ferramentas. Uma ou duas integrações de leitura primeiro (consultar), depois as de escrita (criar, cobrar, agendar). Semana 2 — humano no circuito. Defina desde o começo o que escala para pessoa: valor acima de X, reclamação, cliente irritado, qualquer coisa fora do escopo. Depois — medir e apertar. Quantas conversas resolveram sozinhas, quantas escalaram, onde o agente errou. Corrige-se com instrução e ferramenta nova, não com mais fluxo. O que dá errado (e como evitar) Escopo largo demais. "Ele responde qualquer coisa" vira "ele erra em qualquer coisa". Escopo fechado é o principal controle de qualidade. Sem acesso a dado real. Sem ferramentas, o modelo preenche a lacuna com o que parece plausível. É o caminho mais curto para uma alucinação. Tratamos disso em como evitar que o agente invente resposta . Sem escalonamento claro. Cliente preso num loop com robô é pior que demora humana. A saída para uma pessoa precisa ser óbvia e rápida. Sem observabilidade. Se você não consegue ler as conversas, ver o que foi chamado e quanto custou em tokens, não tem operação — tem esperança. Por onde começar Se o objetivo é ver funcionando antes de decidir, comece com um escopo pequeno e um canal só. É possível ter um agente atendendo em minutos e depois ir plugando os sistemas conforme a integração fica pronta — ver planos e preços ou agendar uma conversa de 40 minutos para olhar a sua operação e dizer o que dá para tirar da mesa primeiro. O ponto que fica: o WhatsApp deixou de ser o problema. O problema é o que você consegue conectar atrás dele.

Ler artigo

28 de julho de 2026

Chatbot ou agente de IA: as 6 diferenças que aparecem na conta do fim do mês

"Já temos um chatbot" é a objeção mais comum em qualquer conversa sobre automação de atendimento. Ela é legítima, e a resposta honesta não é "o seu é ruim" — é que as duas coisas resolvem problemas diferentes, e a diferença só fica óbvia quando você olha o que sobrou para o time humano fazer. Vale separar três categorias que costumam ser tratadas como uma só. As três gerações que convivem hoje 1. Chatbot de fluxo (árvore de decisão). Menu numerado, condições, respostas escritas à mão. Determinístico e barato. Quebra na primeira frase fora do roteiro. 2. Chatbot com IA (FAQ com linguagem natural). Um modelo entende a pergunta e responde com base num material — site, PDF, base de conhecimento. Conversa bem, mas não faz nada : não consulta pedido, não cobra, não agenda. 3. Agente de IA. Entende, decide e executa — chama APIs, escreve em sistemas, agenda retorno, escala para humano. É software com autonomia limitada e ferramentas, não um respondedor. A tabela abaixo é o resumo que costuma encerrar a discussão: Chatbot de fluxo Chatbot com IA Agente de IA --- --- --- --- Entende frase fora do roteiro Não Sim Sim Consulta seu sistema Só com integração fixa por nó Raramente Sim, por ferramenta Executa ação (cobra, emite, agenda) Não Não Sim Lembra do histórico do cliente Limitado à sessão Limitado à sessão Sim Decide escalar para humano Por regra fixa Por regra fixa Por avaliação do caso Manutenção Reescrever fluxos Atualizar base Ajustar instrução e ferramentas Diferença 1 — capacidade de ação É a mais importante. Um chatbot responde sobre o processo; um agente executa o processo. Pergunta real de cliente: "meu boleto venceu, consegue gerar outro?". O chatbot manda o passo a passo de como emitir a segunda via no portal. O agente emite a segunda via, manda o link e confirma o pagamento quando ele cai. O primeiro devolveu trabalho para o cliente. O segundo tirou trabalho da mesa de alguém. Diferença 2 — o custo da manutenção Chatbot de fluxo tem um custo que ninguém coloca na planilha: cada mudança no negócio vira mudança no fluxograma . Preço novo, produto novo, política nova — alguém precisa abrir a ferramenta e reconectar caixinhas. Depois de dois anos, o fluxo tem 400 nós e ninguém entende inteiro. Num agente, boa parte da mudança é texto: você reescreve a instrução do jeito que explicaria para um funcionário novo. As mudanças estruturais são novas ferramentas — e essas se somam sem quebrar as antigas. Diferença 3 — o que acontece na exceção Fluxo trata exceção como erro ("opção inválida, digite 1, 2 ou 3"). Agente trata exceção como caso: entende que o cliente misturou duas perguntas, responde a que consegue e escala a outra. Na prática, a métrica que importa não é "quantas perguntas ele acerta", é quantas conversas terminam sem intervenção humana — e essa é dominada pelas exceções, não pelo caminho feliz. Diferença 4 — memória e contexto Chatbot esquece. Agente lembra: o que o cliente pediu na semana passada, qual pedido está em aberto, que ele já reclamou do mesmo problema duas vezes. Isso não é conforto — é o que evita a frase que mais irrita cliente brasileiro: "por favor, informe novamente o seu CPF". Diferença 5 — risco Aqui o chatbot leva vantagem e é justo dizer: fluxo fixo não inventa. Agente pode errar se for mal montado. A resposta não é voltar para o fluxograma, é fechar o escopo, dar ferramentas e exigir dado real para qualquer afirmação sensível — preço, prazo, saldo, política. Detalhamos o método em como evitar que o agente invente resposta . Regra prática: se a informação tem consequência financeira ou jurídica, ela precisa vir de uma chamada de sistema, não da cabeça do modelo. Diferença 6 — o custo por conversa Chatbot de fluxo cobra por sessão/contato e o custo é previsível. Agente tem uma parcela variável: os tokens consumidos pelo modelo, além do custo do canal (as mensagens da Meta). Em compensação, ele resolve casos que antes iam para a fila humana, e o custo por conversa resolvida costuma cair — não porque o software é barato, mas porque a hora do atendente é cara. Fizemos essa conta com números abertos em quanto custa manter um agente de IA . Quando o chatbot de fluxo ainda é a escolha certa Sem romantizar: fluxo continua sendo melhor quando o processo é rígido e regulado (menus de autoatendimento bancário, confirmação de presença, pesquisa de satisfação); o volume é gigantesco e a variação, mínima; a empresa não pode aceitar nenhuma resposta gerada. O erro comum é o oposto: usar fluxo onde a variação é alta — vendas consultivas, suporte técnico, cobrança com negociação. Aí o cliente digita "quero falar com atendente" na terceira mensagem e o investimento inteiro vira uma fila de espera com passos extras. Como migrar sem jogar fora o que já existe Não é preciso desligar o chatbot no dia 1. O caminho de menor atrito: Deixe o fluxo cuidar do que ele já resolve (menu inicial, identificação, horário). Mande para o agente o que hoje escala para humano — a fila de "outros assuntos" é onde está o custo. Meça a taxa de resolução das duas rotas por 30 dias. Mova mais casos para a rota que resolve melhor, e desligue os nós de fluxo que ficaram sem uso. Essa transição em duas rotas evita a decisão de tudo-ou-nada e produz o número que a diretoria vai pedir: quanto do volume passou a se resolver sozinho. O critério de decisão em uma frase Se o trabalho que você quer tirar da mesa termina em uma resposta , um chatbot com IA resolve. Se ele termina em uma ação dentro de um sistema , você precisa de um agente. Quer ver essa diferença no seu caso concreto? Agende uma demonstração de 40 minutos — a conversa começa pelo que hoje trava na sua fila, não pela tecnologia.

Ler artigo

21 de julho de 2026

Quanto custa manter um agente de IA atendendo: a conta completa, sem marketing

A pergunta chega sempre no mesmo formato: "quanto custa por mês?". A resposta honesta é que existem quatro linhas independentes , com naturezas diferentes, e quem só olha uma delas se surpreende no segundo mês. Vamos abrir todas. As quatro linhas de custo Plataforma — a assinatura de quem opera os agentes, os canais, o histórico e os painéis. Fixa e previsível. Modelo (tokens) — o que o modelo de IA consome para ler e escrever. Variável, proporcional ao volume e ao tamanho do contexto. Canal — as mensagens da Meta na API oficial do WhatsApp. Variável, proporcional a quantas conversas você inicia . Implantação e integrações — o trabalho de conectar o agente aos seus sistemas. Concentrado no começo, decrescente depois. O erro clássico de orçamento é tratar tudo como custo fixo. As linhas 2 e 3 crescem com o uso — e é isso que torna a conta boa ou ruim, dependendo do que o agente resolve. Linha 2: como estimar o gasto com tokens Token é a unidade que o modelo cobra: aproximadamente ¾ de uma palavra em português. Você paga pelo que entra (a instrução, o histórico e os dados que o agente leu) e pelo que sai (a resposta). O que faz a conta subir não é o tamanho da resposta — é o contexto . Uma resposta de três linhas pode custar dez vezes mais que outra idêntica, se antes dela o agente carregou 40 mensagens de histórico e três páginas de política interna. Regras práticas para estimar: Uma conversa de atendimento típica (8 a 15 trocas, com consulta a sistema) fica na casa de alguns milhares a algumas dezenas de milhares de tokens. O histórico é o multiplicador: cada nova mensagem recarrega o que veio antes. Truncar histórico antigo é a economia mais fácil que existe. Modelos diferentes têm ordens de grandeza diferentes de preço. Rodar o modelo mais caro do mercado para classificar "isso é uma reclamação?" é desperdício puro. A tática que mais corta custo sem perder qualidade é rotear por tarefa : modelo pequeno e barato para classificação, extração e triagem; modelo forte só para a resposta que vai para o cliente ou para a decisão delicada. Escrevemos sobre esse desenho em escolha de modelo, fallback e controle de custo . Linha 3: o custo do canal oficial Na API oficial do WhatsApp, quem paga é quem inicia . Desde a mudança da Meta para cobrança por mensagem, o preço depende da categoria do template: Utilidade — confirmações, atualizações de pedido, cobrança de algo já contratado. A categoria mais barata. Autenticação — códigos e verificação. Marketing — promoção e reengajamento. A mais cara. Conversas iniciadas pelo cliente (ele te escreve primeiro) são, em geral, o cenário mais barato — e é por isso que colocar o número em anúncio, site e assinatura de e-mail muda a economia do canal inteiro. Os valores mudam por país e são reajustados pela Meta, então não vale decorar número: vale modelar volume . Quantas mensagens ativas por mês você pretende disparar, em qual categoria. Isso, multiplicado pela tabela vigente, é a linha 3. Detalhes de categoria e aprovação em templates do WhatsApp: por que são reprovados . Linha 4: implantação, o custo que ninguém orça É onde os projetos estouram. Não pelo agente — pela integração . O tempo vai embora em: descobrir se o ERP tem API (e quem tem a credencial); mapear o dado que o agente precisa ler e o que ele pode escrever; verificação do negócio junto à Meta e aprovação dos templates; escrever as instruções do agente com quem conhece o processo de verdade. Uma implantação de escopo estreito — um trabalho, uma ou duas integrações — é questão de dias. Uma que promete "automatizar o atendimento inteiro" vira projeto de trimestre. A recomendação é conhecida e continua valendo: comece por um trabalho só . A conta que interessa: custo por caso resolvido Custo mensal isolado não diz nada. O número que decide é quanto custa resolver um atendimento em cada rota. Monte assim: Dois cuidados para o número não mentir: no denominador do agente, conte só o que resolveu sozinho — o que escalou consumiu as duas rotas; some no lado humano o custo de não atender : contato fora do horário que não voltou, cobrança que ninguém fez, lead que esfriou. Essa linha costuma ser maior que a folha. Quatro alavancas que realmente reduzem a fatura Truncar o histórico. Manter as últimas N mensagens mais um resumo do resto, em vez da conversa inteira. É a economia de maior efeito e menor risco. Rotear por tarefa. Modelo barato para triagem, caro para a resposta final. Cachear o que é fixo. A instrução do agente e as políticas da empresa se repetem em toda chamada; cache de prompt reduz o custo dessa parte. Preferir conversa iniciada pelo cliente. Cada canal que traz o cliente até você (anúncio com clique-para-WhatsApp, botão no site, QR no PDV) troca mensagem cara por mensagem barata. Sinais de que a conta vai sair errada Ninguém sabe dizer quantos tokens foram consumidos no mês passado. Sem medição por agente e por conversa, não há gestão de custo. O agente carrega a base de conhecimento inteira em toda mensagem, em vez de buscar o trecho relevante. A operação dispara marketing onde caberia utilidade — mesma mensagem, categoria (e preço) errados. Um único modelo caro faz tudo, inclusive tarefas mecânicas. O que levar para a reunião de orçamento Três números, não um: custo fixo da plataforma , custo variável estimado (tokens + canal, com base no volume projetado) e custo de implantação no primeiro mês. E, ao lado, o custo atual da rota humana para o mesmo volume. Se quiser fazer essa conta com os seus números, veja os planos ou agende 40 minutos — dá para estimar volume, categoria de mensagem e consumo de tokens antes de qualquer contrato.

Ler artigo

14 de julho de 2026

Templates do WhatsApp: por que são reprovados pela Meta e como escrever os que passam

Todo projeto de WhatsApp oficial esbarra na mesma parede: a empresa quer avisar o cliente de alguma coisa, escreve a mensagem, envia para aprovação e recebe de volta um REJECTED sem explicação útil. Depois de três tentativas, alguém sugere "usar um número comum mesmo". É o começo do fim do canal. Vale entender as regras, porque elas são consistentes — só não são bem documentadas em português. Por que templates existem Na API oficial, a empresa não pode escrever livremente para quem quiser . A Meta protege o usuário do canal contra spam e criou dois regimes: Janela de 24 horas (service window). Quando o cliente te manda uma mensagem, abre-se uma janela de 24 horas na qual você responde o que quiser, em texto livre. Cada nova mensagem dele reinicia a janela. Fora da janela. Só é possível iniciar contato com uma mensagem de template , previamente cadastrada e aprovada. O template é um texto fixo com variáveis ( , ), mais os botões e cabeçalhos opcionais. É o que garante que o cliente saiba o que está recebendo antes de você mandar. As categorias — e por que elas mexem no seu caixa A categoria escolhida define o preço da mensagem e o rigor da análise: Categoria Para que serve Exemplos --- --- --- Utilidade Acompanhamento de algo que o cliente já contratou ou solicitou pedido enviado, fatura disponível, agendamento confirmado, cobrança de contrato ativo Autenticação Verificação de identidade código de acesso, confirmação de login Marketing Divulgação, promoção, reengajamento lançamento, oferta, "volte a comprar" A regra de ouro: se a mensagem tem qualquer traço de venda, é marketing — mesmo que você marque como utilidade. A Meta reclassifica, e a reclassificação costuma vir junto com a reprovação. Escrever uma promoção disfarçada de "atualização de conta" é o erro mais comum e o mais caro. Os motivos reais de reprovação Na prática, a maioria das reprovações cai em cinco grupos: 1. Categoria incorreta. Texto promocional cadastrado como utilidade. Solução: reclassifique honestamente ou reescreva o texto para de fato ser transacional. 2. Variável sem contexto. Um template que começa com ou termina com colado à pontuação é reprovado por não dar para avaliar o que aquilo vira. Sempre ancore a variável em texto fixo: 3. Conteúdo genérico demais. "Olá, temos uma novidade para você" não diz o que é. Sem conteúdo avaliável, não há aprovação. 4. Política violada. Termos proibidos, promessa de resultado, conteúdo de setor restrito, linguagem que induz urgência artificial. 5. Erro de forma. Nome do template fora do padrão, parâmetros que não batem com o exemplo enviado, formatação quebrada, link encurtado que esconde o destino. O detalhe que economiza dias: preencha os exemplos de variável ao submeter. Um template com exemplo real ( , ) é avaliado por um humano ou modelo com muito mais informação que outro com campos vazios. Um template que passa, na prática Transacional, específico, com variável ancorada e sem venda: Repare em três decisões: Categoria utilidade legítima — é sobre um contrato existente. Chamada para responder , não para clicar. Resposta do cliente abre a janela de 24 horas, e a conversa continua em texto livre — mais barata e muito mais eficaz. Nenhuma promessa nem desconto embutido. Esse último ponto é a jogada econômica do canal: o template serve para abrir a conversa; o trabalho acontece dentro da janela. Um agente de IA atrás desse template consegue negociar, gerar o link, confirmar o pagamento e agendar o retorno — tudo dentro das 24 horas, sem novo custo de iniciação. É o desenho que descrevemos em automatizar cobrança no WhatsApp . Qualidade do número: o limite que ninguém vê até estourar Cada WABA tem uma classificação de qualidade e um limite de mensagens iniciadas por dia. Bloqueios e denúncias derrubam a qualidade; qualidade baixa reduz o limite; limite reduzido trava a operação em pleno mês de campanha. O que preserva a qualidade: disparar para quem tem relação real com a empresa e deu opt-in; respeitar horário comercial e frequência (mais de uma mensagem por semana para o mesmo contato já incomoda); oferecer saída fácil — botão ou instrução de "não quero mais receber", e honrar o pedido no mesmo dia; não misturar bases antigas de origem duvidosa com o número oficial da empresa. Aquecimento também é real: comece com volume baixo e cresça gradualmente, em vez de disparar dezenas de milhares no primeiro dia do número. Um processo de aprovação que não trava o projeto Submeta cedo. Antes de a integração estar pronta. Aprovação leva de minutos a dias; é fila, não código. Submeta variações. Três versões do mesmo aviso, com redações diferentes, aumentam a chance de pelo menos uma passar rápido. Mantenha um catálogo versionado. Nome, categoria, texto, status e onde é usado. Sem isso, ninguém sabe qual template está aprovado quando o disparo falha às 18h. Nunca edite direto em produção. Editar um template aprovado reabre a análise; crie a versão nova e migre. Monitore o status por webhook. Reprovações e mudanças de categoria chegam por evento — descobrir isso pelo cliente reclamando é caro. O que isso significa para quem opera com IA Templates são a porta; o agente é a casa. A operação boa usa poucos templates, bem escritos, para abrir conversas legítimas — e concentra a inteligência dentro da janela, onde não há restrição de formato e o custo por conversa é menor. Se você quiser ver esse desenho aplicado à sua operação, comece por como funciona um agente de IA no WhatsApp ou agende uma demonstração .

Ler artigo

7 de julho de 2026

Como integrar um agente de IA ao seu ERP, CRM e gateway de pagamento

Um agente de IA sem integração é uma FAQ com sotaque melhor. O valor aparece quando ele consegue ler e escrever nos sistemas onde a empresa realmente opera — o ERP, o CRM, o gateway de pagamento, a agenda, o sistema de chamados. Este post é sobre a parte que dá trabalho de verdade: desenhar essas conexões sem criar um buraco de segurança nem um monstro de manutenção. O conceito central: ferramenta (tool) Para o agente, uma integração é uma ferramenta : uma função com nome, descrição e parâmetros tipados, que ele pode escolher chamar. O modelo não "acessa o banco" — ele decide chamar e recebe de volta um JSON. Quem executa é o seu backend, com as credenciais e as regras de sempre. Três consequências práticas disso: A descrição da ferramenta é parte do produto. "Consulta o pedido pelo número; use quando o cliente perguntar sobre status, prazo ou rastreio" funciona muito melhor que "get order". O que a ferramenta não expõe, o agente não vê. Segurança é decidida no desenho da função, não no texto do prompt. Erro de ferramenta precisa ser texto útil. faz o agente pedir o número de novo. Um 500 cru faz ele improvisar. Comece pelas ferramentas de leitura Ordem que evita sustos: leitura antes de escrita . Ferramentas de leitura típicas: — status, prazo, transportadora — cadastro, contratos ativos, pendências — valor, vencimento, situação — horários livres na agenda Já esse conjunto resolve a maior parte do volume de suporte de nível 1, com risco quase zero: se algo der errado, o pior caso é uma resposta incompleta. Depois, as de escrita — com trava Ferramentas de escrita mudam o mundo real e merecem cuidado extra: Quatro travas que valem para todas elas: 1. Idempotência. Toda escrita precisa de uma chave de idempotência derivada do caso (por exemplo, o id da fatura + o dia). Modelos repetem chamadas quando a rede falha; sem essa trava, o cliente recebe três cobranças. 2. Limite de alçada. Valor acima de X, desconto acima de Y, cancelamento — não executa: escala para humano com o contexto pronto. 3. Escopo mínimo de credencial. A chave que o agente usa não é a chave de administrador do ERP. É um usuário próprio, com permissão apenas nos endpoints das ferramentas, e auditável. 4. Registro de tudo. Cada chamada gravada com entrada, saída, duração e a conversa que a originou. Sem isso, não há como responder "por que o agente fez isso?" — pergunta que vai aparecer. Onde o MCP entra O Model Context Protocol (MCP) padronizou a forma de expor ferramentas para agentes. Em vez de cada agente ter seu próprio código de integração, você sobe um servidor MCP por sistema — um para o ERP, um para o financeiro, um para a agenda — e qualquer agente da empresa passa a poder usá-lo. O ganho não é técnico, é organizacional: a integração vira ativo reutilizável . O segundo agente custa uma fração do primeiro, porque as ferramentas já existem. E a governança fica em um lugar só — quem pode chamar o quê é decidido no servidor, não espalhado por dez prompts. Quando o sistema não tem API Situação frequente no Brasil: o ERP é antigo, o fornecedor cobra caro pelo módulo de integração ou simplesmente não existe API. Alternativas, em ordem de preferência: Banco de dados em réplica de leitura. Uma view somente-leitura com os campos necessários resolve boa parte das consultas, sem tocar no sistema. Exportação agendada. Um arquivo diário/horário para uma tabela intermediária. Aceita dado com atraso; não serve para saldo em tempo real. Camada intermediária (BFF). Um pequeno serviço que fala com o sistema legado do jeito que der (inclusive arquivo ou fila) e expõe HTTP limpo para o agente. Automação de interface. Último recurso, frágil, quebra a cada atualização de tela. Use com prazo de validade declarado. O que não funciona é adiar o agente até o ERP ser trocado. Comece pelas consultas possíveis hoje e amplie conforme a integração amadurece. Como o agente escolhe a ferramenta certa Alguns cuidados de desenho reduzem drasticamente o erro de escolha: Poucas ferramentas, bem nomeadas. Vinte ferramentas parecidas confundem o modelo. Prefira uma função com parâmetros a cinco variações. Descrições com o quando , não só o o quê . Diga em que situação usar e em que situação não usar. Parâmetros validados no servidor. Nunca confie no formato que o modelo enviou: CPF, datas e valores passam por validação normal antes de chegar ao sistema. Retorno enxuto. Devolver o objeto inteiro do ERP com 80 campos gasta tokens e atrapalha. Devolva os campos que o atendimento usa. (Esse detalhe aparece direto na fatura — veja quanto custa manter um agente .) Latência: o requisito esquecido Conversa é síncrona. Se a ferramenta demora 12 segundos, o cliente manda outra mensagem antes da resposta e a conversa embaralha. Padrões que resolvem: Responda em duas etapas. "Deixa eu verificar aqui" e, terminado, a resposta com o dado. Isso mantém a conversa viva e é honesto. Timeout curto com fallback. 5 a 8 segundos; se estourar, avise que o sistema está lento e ofereça retorno — o agente volta sozinho quando obtiver a informação. Cache do que muda pouco. Tabela de preço, políticas, horários de funcionamento. Um roteiro de implantação de duas semanas Liste os cinco pedidos mais frequentes da sua fila de atendimento. Eles definem as ferramentas. Implemente as leituras correspondentes e coloque o agente em modo somente-consulta. Rode uma semana com humano supervisionando as conversas e corrija instruções e retornos. Ative uma escrita — a de menor risco, normalmente gerar link de pagamento ou abrir chamado — com idempotência e alçada. Meça resolução sem humano, erro de ferramenta e tempo de resposta. Só então adicione a próxima escrita. Sem pular a etapa 3. É nela que se descobre que o campo "status" do ERP tem sete valores e três significam a mesma coisa. Para continuar Se o seu caso é atendimento, siga por agente de IA para suporte nível 1 . Se for financeiro, automatizar cobrança no WhatsApp mostra o desenho completo com gateway de pagamento. E se quiser olhar as suas integrações com alguém do lado, agende 40 minutos .

Ler artigo

30 de junho de 2026

Como impedir que o agente de IA invente uma resposta (ou passe um preço errado)

"E se a IA inventar um preço?" é a objeção mais legítima que existe em qualquer projeto de atendimento automatizado. Ela merece uma resposta técnica, não uma promessa comercial. A resposta curta: alucinação é sintoma de lacuna . O modelo preenche o vazio com o que parece plausível. Se você fechar as lacunas — escopo, dado, alçada — o comportamento muda de forma previsível. Se não fechar, nenhum ajuste de texto salva. Por que o modelo inventa Um modelo de linguagem prevê a continuação mais provável. Quando a informação necessária não está no contexto, a continuação mais provável ainda existe — e sai com a mesma confiança de uma resposta correta. Não há sinal interno de "eu não sei" a menos que você crie um. Daí decorrem as três causas mais comuns em atendimento: O agente não tinha o dado (sem ferramenta, ou a ferramenta falhou em silêncio). O escopo era largo demais ("responda o que o cliente perguntar"). A instrução era ambígua e o modelo escolheu a leitura errada. Controle 1 — escopo fechado O controle mais barato e mais eficaz. Em vez de "você é um assistente da empresa X", defina fronteiras explícitas: Escopo estreito reduz a superfície de erro mais que qualquer outra técnica. Um agente que faz quatro coisas bem vale mais que um que tenta vinte. Controle 2 — resposta ancorada em dado real A regra que deveria estar em toda instrução de agente de atendimento: Toda afirmação sobre valor, prazo, saldo, disponibilidade ou política precisa vir do retorno de uma ferramenta. Se a ferramenta não retornou, diga que não conseguiu consultar — nunca estime. Isso transforma preço e prazo em dado consultado , não em texto gerado. E exige o outro lado: as ferramentas precisam existir e falhar de forma explícita. Uma integração que devolve silencioso é convite para o modelo completar a lacuna. Como desenhar essas chamadas está em como integrar um agente ao ERP e ao CRM . Para conteúdo textual (políticas, procedimentos, manual), a versão equivalente é a busca: recuperar o trecho relevante e responder com base nele , citando de onde veio. Sem trecho recuperado, sem resposta. Controle 3 — alçada e aprovação humana Nem todo erro tem o mesmo peso. Classifique as ações por consequência: Risco Exemplos Tratamento --- --- --- Baixo informar status, horário, procedimento agente resolve sozinho Médio gerar link de pagamento, abrir chamado, agendar agente executa, com registro e idempotência Alto desconto, cancelamento, estorno, exceção de política agente prepara, humano aprova A coluna da direita é uma decisão de negócio, não de engenharia. Ela é o que permite dizer com tranquilidade que a IA não decide sobre dinheiro fora da regra. Controle 4 — deixar o agente dizer "não sei" Modelos são tendencialmente prestativos demais. Vale instruir explicitamente que não responder é um resultado aceitável , e dar uma saída digna: Se você não tem certeza ou o dado não veio da consulta, responda: "Não consigo confirmar isso por aqui — vou chamar alguém do time para te responder." E chame . Parece óbvio; quase nunca está escrito. A ausência dessa frase explica boa parte das invenções em produção. Controle 5 — medir, e não confiar na impressão Sem avaliação, a qualidade é opinião. O mínimo viável: Conjunto de casos-teste. 30 a 100 perguntas reais, extraídas do seu histórico, com a resposta esperada. Roda a cada mudança de instrução ou de modelo. Amostragem semanal. 20 conversas reais lidas por alguém do time, com marcação de erro por tipo (dado errado, tom, escalonamento tardio, ferramenta não chamada). Sinais automáticos. Conversas em que o cliente repetiu a pergunta, pediu humano ou usou palavras de frustração. São o melhor detector barato de resposta ruim. O ganho maior dessa disciplina é poder trocar de modelo sem medo : com o conjunto de testes, a migração vira uma comparação de números, não uma aposta. Falamos disso em escolha de modelo, fallback e custo . Controle 6 — piloto com humano no circuito Nas primeiras semanas, rode em modo sugestão: o agente escreve, uma pessoa aprova e envia. É lento e é o único jeito de descobrir os erros que ninguém previu, sem pagar com cliente. O critério para soltar não é tempo, é número: quando a taxa de aprovação sem edição passa de um patamar acordado (na prática, algo em torno de 90% em casos do escopo), libera-se por tipo de caso — não tudo de uma vez. O que não funciona Escrever "não invente" e parar por aí. Instrução sem dado não fecha lacuna. Temperatura zero como solução. Reduz variação, não erro factual. Um dado que o modelo não tem continua não existindo a 0. Modelo maior como solução. Ajuda na margem; não substitui integração. Revisar só as conversas que reclamaram. O erro caro é o que o cliente acreditou. O resumo operacional Confiabilidade em atendimento com IA vem de arquitetura, não de sorte: escopo estreito , dado real por ferramenta , alçada explícita , saída honesta para o não sei , medição contínua e piloto supervisionado . Com esses seis, dá para colocar um agente falando com cliente sem apostar a reputação da empresa. Quer avaliar quais dos seus casos entram em cada faixa de risco? Agende uma conversa de 40 minutos .

Ler artigo

23 de junho de 2026

Automatizar cobrança no WhatsApp: a régua que recupera sem queimar o cliente

Cobrança é o caso em que a automação se paga mais rápido, por um motivo pouco nobre: a maior parte da inadimplência de curto prazo é esquecimento , e ninguém no time gosta de cobrar. A tarefa é repetitiva, constrangedora e sempre perde para outra prioridade. Resultado: a segunda cobrança nunca acontece. Um agente não se constrange e não esquece. Mas cobrança mal automatizada destrói relação com cliente e derruba a qualidade do número. Este post é o desenho que funciona. Os gatilhos: quando falar Cobrar bem começa antes do vencimento. Uma régua típica, para faturas recorrentes: Momento Objetivo Tom --- --- --- D-3 (antes do vencimento) lembrete informativo D+1 avisar que venceu cordial, com link D+5 oferecer ajuda consultivo — "houve algum problema?" D+12 negociação oferecer parcelamento dentro da alçada D+20 último aviso antes do processo formal objetivo, sem ameaça Dois princípios sustentam essa tabela: Menos é mais. Cinco toques em 20 dias, com propósitos diferentes, recuperam mais que quinze mensagens iguais — e não geram bloqueio. Cada toque tem uma pergunta. Mensagem que só informa não gera resposta. Mensagem que pergunta ("consegue pagar até sexta?") abre conversa e, na API oficial, abre também a janela de 24 horas. O detalhe técnico que muda o custo Na API oficial do WhatsApp, iniciar conversa custa. Continuar dentro da janela de 24 horas depois da resposta do cliente, não. Por isso a régua boa usa um template de utilidade curto para abrir e concentra a negociação inteira na janela — onde o agente pode conversar livremente, gerar link, parcelar e confirmar. Os critérios de aprovação e categoria estão em templates do WhatsApp: por que são reprovados . Errar a categoria aqui é caro nos dois sentidos: template de cobrança com texto promocional vira marketing (mais caro) e tem mais chance de reprovação. As ferramentas que o agente precisa ter Sem essas integrações, é disparo de mensagem, não cobrança: — valor, vencimento, situação atualizada — PIX ou boleto, com identificador próprio — confirmação, para parar a régua — quando o cliente diz "pago sexta" — contestação, cliente irritado, valor fora da alçada A promessa de pagamento é a ferramenta mais subestimada. É ela que transforma "o cliente respondeu" em compromisso rastreável: o agente volta no dia combinado , e não antes — o que é exatamente a diferença entre cobrança respeitosa e perseguição. Como desenhar essas chamadas com idempotência e alçada: integrar um agente ao ERP e ao gateway . As travas obrigatórias Cobrança automatizada tem quatro modos de falha caros. Todos evitáveis: 1. Cobrar quem já pagou. A régua precisa consultar o status no momento do envio , não usar a lista gerada de madrugada. Baixa manual e compensação bancária atrasam; a checagem em tempo de disparo é obrigatória. 2. Cobrar duas vezes. Idempotência por (fatura + etapa da régua). Se o job rodar de novo, não reenvia. 3. Cobrar fora de hora. Horário comercial, dias úteis. Nada de sábado às 8h nem quarta às 22h — e o Código de Defesa do Consumidor não perdoa cobrança vexatória. 4. Insistir com quem contestou. Assim que o cliente diz que já pagou ou contesta o valor, a régua para e o caso vai para uma pessoa com o histórico anexado. Insistir depois de contestação é o caminho mais rápido para reclamação pública. O tom: o que separa recuperar de perder o cliente Cobrança é o ponto de maior sensibilidade da relação. Algumas regras que se traduzem direto na instrução do agente: Nunca constranger. Sem "você está inadimplente", sem menção a consequências antes de existirem de fato. Assumir boa-fé. "Pode ter passado despercebido" resolve mais que qualquer pressão. Oferecer saída. Segunda via, mudança de data, parcelamento dentro da alçada. Cliente que não pode pagar hoje ainda pode pagar dia 20. Ser específico. Valor, referência, vencimento, link. Cobrança genérica parece golpe — e, no Brasil de 2026, cliente desconfia de mensagem de cobrança por padrão. Identificar-se sempre. Nome da empresa na primeira linha, no número oficial verificado. O que fazer quando o cliente responde Aqui o agente ganha do disparo em massa. As quatro respostas mais comuns e o comportamento certo: "Já paguei." Consulta o pagamento. Se consta, agradece e encerra. Se não consta, pede o comprovante e escala para conferência — nunca discute. "Não consigo agora." Pergunta a data possível, registra a promessa, agenda o retorno, encerra sem pressionar. "Qual o valor?" Consulta e responde com o link pronto. A maioria dos pagamentos acontece nesta troca. "Não reconheço essa cobrança." Para a régua, escala com o histórico. Não tenta convencer. Conciliação: a metade invisível A régua só é confiável se a baixa for. Isso significa: Webhook do gateway atualizando o status em segundos, não relatório diário. Identificador único por cobrança , para casar pagamento e fatura sem heurística de valor. Parada imediata da régua no evento de pagamento — incluindo cancelar o toque já agendado para amanhã. Sem isso, o cliente paga às 14h e recebe cobrança às 15h. Uma única ocorrência dessas apaga o ganho de dez recuperações. Como medir Quatro números, medidos por coorte (mês de vencimento): Taxa de recuperação em D+7 e D+30 — antes e depois da automação; Tempo médio até o pagamento após o primeiro contato; Taxa de resposta por etapa da régua — mostra qual mensagem está morta; Bloqueios e denúncias no número — o freio de qualidade. Se recuperação sobe e bloqueio sobe junto, a régua está agressiva demais. O objetivo é o primeiro subindo com o segundo estável. Começando pequeno Não automatize a régua inteira no primeiro dia. Comece por D-3 e D+1 — os dois toques de menor risco e maior retorno, porque atingem justamente o esquecimento. Rode 30 dias, meça, e só então avance para as etapas de negociação, que exigem alçada e supervisão. Quer desenhar isso com os seus dados? Veja os planos ou agende 40 minutos .

Ler artigo

16 de junho de 2026

Agente de IA no suporte nível 1: o que dá para resolver sozinho e o que precisa escalar

Toda equipe de suporte tem a mesma curva: 20% dos tipos de pergunta geram 80% do volume, e são justamente as mais mecânicas — status, prazo, segunda via, procedimento, horário, "como faço para". São perguntas que o cliente faria sozinho ao sistema se tivesse acesso a ele. É exatamente esse recorte que um agente de IA resolve inteiro. Não porque é inteligente — porque tem a consulta na mão e não cansa de repetir. O recorte certo: o que entra no escopo Vale ser cirúrgico. Casos que um agente de nível 1 resolve do começo ao fim , sem humano: Status e rastreio — pedido, chamado, solicitação, entrega. Segunda via e documentos — fatura, nota, contrato, comprovante. Dados cadastrais — confirmar e atualizar endereço, e-mail, telefone. Procedimento e política — como cancelar, prazo de troca, o que é coberto. Agendamento — marcar, remarcar, cancelar dentro das regras. Triagem técnica básica — perguntas de diagnóstico que hoje o atendente faz de memória antes de abrir chamado. E o que não entra, por decisão explícita: exceção de política, desconto, estorno, cancelamento com multa; reclamação grave, ameaça de órgão de defesa, menção a advogado; caso técnico que exige acesso a ambiente do cliente; qualquer assunto fora da lista definida. Escopo escrito é o principal controle de qualidade que existe — o raciocínio completo está em como impedir que o agente invente resposta . O gatilho de escalonamento Escalar bem é metade do produto. Um agente de nível 1 deve chamar humano quando: O assunto está fora do escopo — sem tentativa de improviso. O cliente pede. Sem fricção, sem "posso tentar te ajudar primeiro?" duas vezes. Uma oferta, e pronto. O cliente demonstra frustração — repetição da mesma pergunta, palavrão, "isso não resolve", caixa alta. A ferramenta falhou e o dado é necessário para responder. O caso tem consequência financeira acima da alçada. A conversa passou de N trocas sem progresso — um teto de segurança contra loop. Os itens 3 e 6 são os que quase ninguém implementa e os que mais preservam a relação com o cliente. Como passar o bastão sem irritar O pior escalonamento é o que faz o cliente recomeçar. O bom entrega ao atendente humano um resumo pronto : Cinco linhas que economizam três minutos por caso e evitam a frase que o cliente mais odeia: "pode me explicar de novo o que aconteceu?". Do outro lado, o handoff precisa ser explícito para o cliente: dizer que está chamando alguém, dar a expectativa de tempo e — se for fora do horário — dizer quando será. Silêncio depois de "vou transferir" é abandono. A regra do horário Fora do expediente, o agente não pode prometer humano imediato. O padrão que funciona: resolve o que estiver no escopo, normalmente; para o que precisa de humano, registra o caso, informa o horário de retorno e garante o retorno — o agente volta sozinho quando a equipe abre; casos críticos definidos previamente (queda de serviço, emergência) acionam plantão. Esse comportamento é o que transforma "atendimento 24h" de slogan em operação: o cliente das 23h não fica esperando resposta que nunca vem. As métricas que importam Suporte já tem métricas — mas as tradicionais não capturam o efeito do agente. As quatro que valem: 1. Taxa de resolução sem humano. Conversas encerradas pelo agente sem escalonamento e sem o cliente voltar em 48h com o mesmo assunto. Esse segundo filtro é essencial: encerrar não é resolver. 2. Tempo até a primeira resposta. Deve cair para segundos, inclusive de madrugada. É a métrica que o cliente sente. 3. Taxa de escalonamento por motivo. Se "fora de escopo" domina, o escopo está estreito demais para a demanda real — ou faltou uma ferramenta. Essa distribuição é o roteiro do próximo mês de trabalho. 4. Satisfação segmentada. Nota das conversas resolvidas pelo agente versus as escaladas. Se a diferença é pequena, dá para ampliar o escopo com segurança. Uma métrica que atrapalha: "quantas mensagens o agente respondeu". Volume não é resultado. O erro mais comum de implantação Colocar o agente na frente de todo o tráfego no primeiro dia, como porteiro obrigatório. O efeito é conhecido: quem tem um problema complexo passa por um funil que não foi feito para ele, e a percepção do canal despenca. O caminho melhor é o inverso: comece pelos casos que hoje já são resolvidos com resposta pronta pelo time — normalmente status e segunda via. Confirme a qualidade, e amplie por tipo de caso. Assim o agente sempre está no seu terreno, e o humano continua recebendo o que é dele. O efeito colateral bom Quando a primeira linha para de gastar o dia respondendo "onde está meu pedido", duas coisas acontecem: o tempo do time vai para os casos que precisam de julgamento — e a documentação interna melhora, porque escrever as instruções do agente obriga a empresa a explicitar processos que só existiam na cabeça de duas pessoas. Esse costuma ser o ganho mais duradouro, e ele não aparece em nenhum painel. Para desenhar o escopo do seu nível 1, agende uma conversa de 40 minutos ou comece pelo panorama em agente de IA no WhatsApp .

Ler artigo

9 de junho de 2026

Escolher modelo, ter fallback e não estourar o orçamento: o proxy de LLM na prática

Quem coloca o primeiro agente em produção liga direto na API do provedor. Funciona. O problema aparece no terceiro agente, no primeiro incidente do provedor e no primeiro fechamento de mês com fatura três vezes maior que a projeção. Os três sintomas têm a mesma solução estrutural: uma camada de proxy entre os seus agentes e os provedores de IA . O que o proxy resolve Um proxy de LLM é um serviço interno que expõe uma API compatível com a dos provedores e, atrás dela, decide para onde a chamada vai. Ele centraliza quatro decisões que, sem ele, ficam espalhadas por dezenas de lugares: Qual modelo atende esta chamada — e com que chave. O que fazer quando o provedor falha — repetir, cair para outro modelo, degradar. Quanto cada agente pode gastar — cota, limite, corte. O que aconteceu — tokens, latência, erro, custo, por agente e por conversa. Sem essa camada, trocar de modelo significa mexer no código de todos os agentes; e responder "quanto o agente de cobrança gastou em julho?" vira uma tarde de investigação. Fallback: o requisito que todo mundo descobre tarde Provedores de IA caem. Têm limite de taxa, janelas de degradação e picos de latência — geralmente no horário em que você mais precisa. Sem fallback, isso vira atendimento parado. Uma política de fallback razoável tem três degraus: Repetir com backoff — erros transitórios (429, 5xx) merecem duas tentativas rápidas, com espera crescente. Trocar de modelo — persistindo a falha, cai para o próximo modelo da lista, possivelmente de outro provedor. Degradar com honestidade — se todos falharem, o agente responde que está com dificuldade técnica, registra o caso e retoma depois. Nunca invente resposta para "salvar" o atendimento. Dois cuidados: o fallback precisa ser funcionalmente equivalente — se o modelo alternativo não suporta chamada de ferramenta, ele não é fallback para um agente com ferramentas. E toda queda para o plano B deve ficar registrada; um sistema que degrada em silêncio esconde o problema até virar padrão. Roteamento por tarefa: onde está a economia O maior desperdício em operações de IA é rodar o modelo mais caro para tarefas mecânicas. Um agente de atendimento faz muito mais que redigir resposta: Tarefa Exigência Modelo --- --- --- Classificar intenção baixa pequeno/barato Extrair dado (CPF, número do pedido) baixa pequeno/barato Resumir conversa para escalonamento média intermediário Redigir resposta ao cliente alta forte Decidir negociação / exceção alta forte Roteando por tarefa em vez de usar um único modelo para tudo, a fatura cai de forma expressiva sem que o cliente perceba diferença — porque a parte que ele lê continua vindo do modelo bom. É a alavanca mais direta na conta que abrimos em quanto custa manter um agente de IA . Cota e corte: proteger o orçamento Um agente com bug pode consumir num dia o orçamento do mês — loop de ferramenta, histórico crescendo sem truncar, uma integração devolvendo 200 KB de JSON. O proxy é o lugar certo para o freio: Cota por agente e por período (dia/mês), com alerta antes do teto. Limite por chamada — máximo de tokens de entrada e de saída, para que nenhuma chamada isolada saia da curva. Corte progressivo — ao atingir 80%, notifica; ao atingir 100%, rebaixa para o modelo barato ou bloqueia, conforme a criticidade do agente. Essa é a diferença entre descobrir o problema no dia 3 ou na fatura do dia 30. Observabilidade: o que registrar Para cada chamada, o mínimo que serve para operar: agente, conversa e cliente (identificador, não conteúdo sensível); modelo pedido e modelo efetivamente usado (revela quanto o fallback está sendo acionado); tokens de entrada e de saída, e custo calculado; latência e resultado (sucesso, erro, tentativa); ferramentas chamadas na rodada. Com isso, três perguntas passam a ter resposta em segundos: onde está indo o dinheiro , onde está a lentidão e qual agente regrediu depois da última mudança . Troca de modelo sem drama Modelos novos saem a cada poucos meses, mais baratos e melhores. Sem proxy, migrar é um projeto. Com proxy e um conjunto de casos-teste, migrar é um procedimento: Rodar o conjunto de avaliação no modelo novo e comparar com o atual — acerto, tom, uso correto de ferramenta. Espelhar tráfego de uma fatia pequena (5–10%) e comparar em produção. Aumentar gradualmente , observando escalonamento e satisfação. Manter o anterior como fallback por um ciclo. O conjunto de avaliação é pré-requisito — como montá-lo está em como impedir que o agente invente resposta . Uma armadilha específica que vale registrar: trocar o modelo pode zerar configurações do agente que eram específicas do modelo anterior (formato de saída estruturada, formato de definição de ferramenta). Sempre confira, depois da migração, se o agente continua com o mesmo comportamento de ferramenta e de formato — não só se a resposta "parece boa". Segurança: um bônus que costuma decidir a compra Com proxy, as chaves dos provedores ficam em um lugar só , nunca nos agentes. Isso significa rotação de chave sem redeploy, revogação instantânea de um agente comprometido, e um ponto único para aplicar filtro de dado sensível antes que ele saia da sua rede. Para quem tem time de TI avaliando o projeto, essa costuma ser a parte que destrava a aprovação. Quando você precisa disso Não é no primeiro dia. Um único agente, baixo volume, chamada direta ao provedor — está ótimo. Passa a valer quando qualquer destes for verdade: mais de dois agentes , cliente final na ponta (indisponibilidade tem custo), mais de um provedor ou necessidade de responder quanto custou cada área . Na prática, isso chega mais cedo do que se imagina. Para ver como isso se encaixa numa operação com vários agentes, comece por agente de IA no WhatsApp ou agende 40 minutos .

Ler artigo

2 de junho de 2026

Time de agentes de IA: quando vale ter vários agentes em vez de um só

Depois que o primeiro agente entra em produção, o pedido seguinte é sempre o mesmo: "já que ele atende, coloca ele para cobrar também. E para agendar. E para responder o financeiro." É aí que a qualidade cai. Não por limite de tecnologia — por acúmulo de instrução. Um agente com quinze responsabilidades tem uma instrução de três páginas, quarenta ferramentas e um escopo tão largo que ele erra a escolha em casos simples. A saída é a mesma que qualquer empresa usa com pessoas: dividir o trabalho . O que é um time de agentes Um time (ou squad) é um conjunto de agentes especializados que compartilham o mesmo contexto de empresa — clientes, canais, histórico, integrações — mas têm escopos e ferramentas distintos: Atendimento — responde quem chega, qualifica, tira dúvidas de escopo definido. Financeiro — cobra, negocia dentro da alçada, gera link, concilia. Agendamento — marca, remarca, confirma, lembra. Pós-venda — acompanha entrega, mede satisfação, reengaja. Cada um com instrução curta, cinco a oito ferramentas e critérios de escalonamento próprios. E cada um pode ser melhorado, testado e — se der problema — desligado, sem tocar nos outros. Por que a especialização melhora a qualidade Três efeitos mensuráveis: Escopo curto reduz erro de escolha. Com oito ferramentas, o modelo acerta qual chamar quase sempre. Com quarenta, começa a confundir as parecidas. Instrução curta é mantível. Uma instrução de 30 linhas você lê inteira antes de mudar. Uma de 300 ninguém revisa — e ela acumula contradições que produzem comportamento aleatório. Falha isolada. Um agente de cobrança com bug não derruba o atendimento. Numa arquitetura monolítica, qualquer ajuste arrisca tudo. O mesmo raciocínio de escopo fechado que vale para um agente — descrito em como impedir que o agente invente resposta — escala para a organização de vários. Quem decide para onde vai a conversa Dois padrões, com trade-offs claros. Roteador na entrada. Um classificador barato lê a primeira mensagem e encaminha para o agente certo. Simples, rápido, previsível. É a escolha padrão para atendimento por canal. Coordenador (orquestrador). Um agente de topo que recebe tudo, decide e delega para os especialistas, consolidando a resposta. Mais flexível para casos que atravessam áreas ("meu pedido atrasou e eu quero cancelar a fatura"), e mais caro — cada delegação é uma rodada extra de modelo. Uma armadilha conhecida do padrão coordenador: se o agente de topo delega tudo por reflexo, você paga duas vezes pela mesma resposta. Vale instruir explicitamente quando ele resolve direto e quando delega — e medir a proporção. Como o contexto passa entre agentes Esse é o ponto que faz o time parecer um time, e não quatro robôs desconectados. O cliente não pode repetir o CPF a cada transferência. O que precisa ser compartilhado: Identidade do contato e o vínculo com o cadastro no sistema. Histórico da conversa — as últimas trocas, no mínimo. Fatos apurados na sessão — "já confirmou o endereço", "disse que paga sexta", "está irritado com o atraso". Estado do caso — em que etapa do processo aquele cliente está. Na prática, isso significa uma camada de memória por contato, com escrita explícita: o agente registra o que apurou, e o próximo lê. Memória implícita — deixar tudo no histórico bruto e esperar que o modelo perceba — funciona mal e custa caro em tokens. Quando um agente só ainda é melhor Sem modismo: agente único é a escolha certa quando o escopo cabe em uma página de instrução e menos de dez ferramentas; o volume é baixo e não justifica a complexidade operacional; a empresa está começando — o primeiro agente deve provar valor antes de virar organograma. Dividir cedo demais cria overhead sem ganho: quatro instruções para manter, quatro conjuntos de teste, quatro pontos de falha, para resolver o que um resolvia. O sinal de que chegou a hora é bem concreto: a instrução passou de duas páginas , ou as métricas de um caso pioraram quando você adicionou outro caso . Como dividir na prática Divida por processo de negócio , não por tipo de pergunta. "Agente de FAQ" e "agente de dúvidas complexas" é uma divisão ruim — a fronteira é ambígua e o roteador erra. "Agente de cobrança" e "agente de agendamento" é boa: os limites são objetivos e as ferramentas não se sobrepõem. Um roteiro: Liste os processos que quer automatizar e o dono de cada um dentro da empresa. Um agente por processo , com o dono como revisor da instrução. Ferramentas por processo — se duas áreas precisam da mesma consulta, ela é uma ferramenta compartilhada, não duplicada. Vale o modelo de servidor por sistema descrito em integrar um agente ao ERP e ao CRM . Um roteador simples na entrada, e regra explícita de transferência entre agentes. Métricas por agente — resolução, escalonamento, custo. Comparar agentes entre si revela rapidamente qual instrução precisa de trabalho. O que muda na operação Um time de agentes exige o que qualquer time exige: alguém responsável por cada um, revisão periódica das conversas e um lugar onde se vê o desempenho de todos lado a lado. A tecnologia é a parte fácil; a disciplina de operação é o que separa um squad que melhora todo mês de quatro robôs envelhecendo em silêncio. E o custo precisa ser visível por agente — do contrário, ninguém sabe qual está caro. Como instrumentar isso: proxy de LLM, fallback e custo . Quer desenhar o time da sua operação? Veja os planos ou agende uma conversa de 40 minutos .

Ler artigo

26 de maio de 2026

LGPD e agentes de IA no atendimento: o que a sua empresa precisa ter em ordem

Quando o projeto de agente de IA chega ao jurídico, a pergunta costuma vir em bloco: "isso pode? os dados vão para fora? o modelo aprende com nossos clientes?". São perguntas boas, e todas têm resposta objetiva — desde que a arquitetura tenha sido pensada para respondê-las. Aviso necessário: este texto é orientação prática de engenharia e operação, não parecer jurídico. A decisão final é do DPO e do jurídico da sua empresa. O que muda (e o que não muda) com IA O que não muda: atendimento por WhatsApp já era tratamento de dado pessoal antes da IA. Nome, telefone, CPF, histórico de compra — tudo isso já estava sob a LGPD. Empresa que tinha o atendimento em ordem já resolveu 80% do problema. O que muda : agora esses dados são enviados a um provedor de modelo , potencialmente fora do Brasil, e podem ser usados por um sistema automatizado para tomar decisões. Isso levanta quatro pontos específicos: base legal , transferência internacional , treinamento e decisão automatizada . Base legal — normalmente não é consentimento Erro comum: montar um fluxo de consentimento para tudo. Para atendimento a um cliente que já contratou, a base costuma ser execução de contrato (art. 7º, V) — o cliente escreveu pedindo suporte de algo que comprou. Para cobrança de contrato ativo, execução de contrato ou legítimo interesse . Para prospecção e marketing, aí sim consentimento — e no WhatsApp isso se soma às regras de opt-in da própria Meta, tratadas em templates do WhatsApp . O que precisa estar registrado: qual base legal para qual finalidade, no seu registro de operações de tratamento (ROPA). O agente não cria nova finalidade — ele executa a que já existia. Transferência internacional e subcontratados Se o modelo roda em provedor no exterior, há transferência internacional de dado pessoal. Isso é permitido, com requisitos: cláusulas contratuais adequadas com o provedor, registro do subcontratado e informação ao titular na política de privacidade. Checklist prático: Liste os subcontratados (provedores de modelo, plataforma de agentes, provedor do canal) na política de privacidade. Guarde os contratos e os termos de tratamento de dados (DPA) de cada um. Verifique região. Alguns provedores oferecem processamento em região específica ou compromisso de não retenção — vale exigir. Considere reduzir o dado que sai. Muitas vezes o modelo não precisa do CPF completo para responder: mascarar antes de enviar reduz exposição sem perder função. Um proxy é o lugar natural para aplicar esse filtro — ver como . Treinamento: exija o "não" por escrito A pergunta mais frequente da diretoria: "as conversas dos meus clientes vão treinar o modelo deles?". Nos planos corporativos dos principais provedores, a resposta padrão é não — dado enviado por API não é usado para treinar modelos, e a retenção é curta ou nula. Mas isso varia por provedor e por plano, e muda com o tempo. O que fazer: obter isso por escrito nos termos vigentes do provedor que você usa, e revisar quando trocar de modelo. Não aceite a afirmação de terceiro sem a referência contratual. Dado sensível: o que não deve entrar na conversa Dado sensível (saúde, biometria, origem racial, opinião política, dado de criança e adolescente) tem regime mais rígido. Em atendimento, o risco típico é o cliente espontaneamente contar algo — um problema de saúde ao justificar um atraso, por exemplo. Controles razoáveis: Instruir o agente a não solicitar dado sensível, nunca; Não persistir o que vier espontaneamente em campos estruturados, e não usar como critério de decisão; Filtro de saída para não repetir esse dado em resumos e relatórios; Escalar para humano conversas que envolvam menor de idade ou situação de saúde, quando o setor exigir. Para setores regulados (saúde, financeiro, educação infantil), a regra é desenhar o escopo com o jurídico antes da primeira linha de código. Retenção: definir e cumprir Conversas de atendimento não podem ficar guardadas para sempre "porque é útil". Defina prazo por finalidade e implemente o descarte: Dado Finalidade Retenção típica --- --- --- Conteúdo da conversa atendimento, prova prazo definido pela empresa (frequentemente ligado ao prazo prescricional aplicável) Logs de chamada de modelo segurança e custo curto — meses Dado cadastral relação contratual enquanto durar o contrato + prazo legal O ponto que costuma falhar na auditoria não é a política — é a execução : a rotina de expurgo existe, roda e é verificável? Decisão automatizada e revisão humana A LGPD dá ao titular o direito de solicitar revisão de decisões tomadas exclusivamente por tratamento automatizado que afetem seus interesses (art. 20). Em atendimento isso raramente é crítico — informar status não decide nada. Mas negar um pedido, recusar um parcelamento ou encerrar um serviço decide. Regra de arquitetura: decisão com efeito sobre o titular passa por alçada humana. Não é só conformidade — é o mesmo desenho de risco que já recomendamos por qualidade em evitar alucinação . Direitos do titular na prática Se o cliente pedir acesso, correção ou exclusão dos dados, você precisa conseguir: localizar tudo sobre aquele titular (conversas, cadastro, logs) por um identificador; exportar em formato legível; excluir — inclusive nos sistemas de apoio, não só no principal; responder no prazo legal. Vale testar esse fluxo antes de precisar dele. É um exercício de meia hora que revela onde o dado se espalhou. Transparência com o cliente Duas boas práticas que evitam problema e melhoram a experiência: Dizer que é um agente. Não precisa ser aviso jurídico pesado; uma linha de identificação basta. Fingir ser humano é o tipo de escolha que vira caso público. Oferecer humano de forma clara. Além de boa prática, reduz a fricção que gera reclamação. O checklist em uma tela [ ] Base legal definida por finalidade e registrada no ROPA [ ] Subcontratados listados na política de privacidade [ ] DPA assinado com plataforma e provedores [ ] Confirmação escrita de não-treinamento e retenção [ ] Minimização/mascaramento de dado antes do envio ao modelo [ ] Instrução do agente proibindo solicitar dado sensível [ ] Alçada humana para decisões com efeito sobre o titular [ ] Prazo de retenção definido e rotina de expurgo funcionando [ ] Fluxo de atendimento a direitos do titular testado [ ] Identificação do agente e saída fácil para humano Com essa lista em ordem, a conversa com o jurídico deixa de ser um bloqueio e vira uma revisão de meia hora. Se quiser passar por ela com alguém que já fez essa implantação, agende 40 minutos .

Ler artigo
FAQ

O que perguntam antes de começar.

Não. Chatbot é uma árvore de decisão — e o cliente não é. Basta escrever algo fora do script para a conversa travar em “não entendi, escolha uma opção”. O agente consulta o seu sistema, responde com o que vale agora, cobra com link de pagamento, emite documento, agenda e volta atrás de quem sumiu. Os dois recebem a mensagem; só um resolve.

A demonstração é com a sua operação.

Apresentação genérica sempre funciona — foi montada para isso. Em 40 minutos a gente abre o seu WhatsApp, mede quantos clientes ficaram sem resposta e mostra o que um agente faria com cada um. Sem compromisso.

segunda a quinta, das 14h às 17h