<\/p>\n
A intelig\u00eancia artificial j\u00e1 entrou definitivamente no vocabul\u00e1rio de vendas, marketing e Customer Success. O desafio agora \u00e9 outro: entender como transformar toda essa promessa em resultado comercial concreto.<\/p>\n
<\/p>\n
<\/p>\n
Afinal, usar IA n\u00e3o significa necessariamente vender mais. Criar um agente tamb\u00e9m n\u00e3o garante produtividade<\/a>. E colocar intelig\u00eancia artificial em todos os processos pode at\u00e9 aumentar custos se a empresa n\u00e3o souber exatamente qual problema pretende resolver.<\/p>\n <\/p>\n <\/p>\n Esse foi o centro da discuss\u00e3o de um epis\u00f3dio do Roda B2B<\/a>, podcast da Econodata<\/strong>, apresentado por Paulo Krieser, CEO da Econodata, com a participa\u00e7\u00e3o de Bruno Mascaro, Head of Data and Dev da IPTV<\/strong>, e Daniel Ferreira, Global IT Senior Manager da Unilever<\/strong>.<\/p>\n <\/p>\n <\/p>\n Ao longo da conversa, os participantes discutiram desde a funda\u00e7\u00e3o necess\u00e1ria para aplicar IA em vendas<\/strong> at\u00e9 quest\u00f5es mais avan\u00e7adas, como agentes aut\u00f4nomos, governan\u00e7a, ROI, maturidade organizacional e o limite entre automa\u00e7\u00e3o e relacionamento humano.<\/p>\n <\/p>\n <\/p>\n A principal conclus\u00e3o \u00e9 clara: a IA gera mais valor quando deixa o vendedor fazer menos trabalho operacional e passa a devolver tempo, informa\u00e7\u00e3o e capacidade de decis\u00e3o para que ele fa\u00e7a aquilo que continua sendo essencialmente humano \u2014 entender pessoas, construir relacionamentos e conduzir negocia\u00e7\u00f5es.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/ol>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Uma das mensagens mais importantes da conversa foi que a ado\u00e7\u00e3o de IA em vendas n\u00e3o deve come\u00e7ar pela tecnologia<\/strong>.<\/p>\n <\/p>\n <\/p>\n A empresa encontra uma nova ferramenta, v\u00ea uma demonstra\u00e7\u00e3o de um agente ou descobre uma funcionalidade e imediatamente come\u00e7a a procurar processos em que possa utiliz\u00e1-la.<\/p>\n <\/p>\n <\/p>\n Essa l\u00f3gica pode colocar a ordem das coisas de cabe\u00e7a para baixo.<\/p>\n <\/p>\n <\/p>\n O ponto de partida deveria ser:<\/p>\n <\/p>\n <\/p>\n Qual problema queremos resolver?<\/strong><\/p>\n <\/p>\n <\/p>\n Somente depois disso deveria surgir a pergunta sobre qual tecnologia \u00e9 mais adequada.<\/p>\n <\/p>\n <\/p>\n Daniel Ferreira relacionou essa disciplina \u00e0 evolu\u00e7\u00e3o do Business Intelligence. Quando as empresas come\u00e7aram a estruturar projetos de BI, tornou-se necess\u00e1rio responder primeiro qual pergunta de neg\u00f3cio aquele relat\u00f3rio ou conjunto de dados precisava solucionar.<\/p>\n <\/p>\n <\/p>\n Parte dessa cultura continua v\u00e1lida para intelig\u00eancia artificial.<\/p>\n <\/p>\n <\/p>\n Existe, por\u00e9m, uma diferen\u00e7a importante.<\/p>\n <\/p>\n <\/p>\n A IA se popularizou de maneira muito mais intensa. Ela deixou de ser assunto de \u00e1reas especializadas e passou a fazer parte do cotidiano de praticamente qualquer profissional.<\/p>\n <\/p>\n <\/p>\n Com isso, surgiu um novo risco: a IA virar uma resposta universal.<\/p>\n <\/p>\n <\/p>\n Nas palavras de Daniel durante a conversa, \u00e9 preciso tomar cuidado para que intelig\u00eancia artificial \u2014 e especialmente IA ag\u00eantica \u2014 n\u00e3o seja automaticamente considerada a solu\u00e7\u00e3o para tudo.<\/p>\n <\/p>\n <\/p>\n Dependendo da natureza do problema, uma automa\u00e7\u00e3o tradicional, um modelo matem\u00e1tico, machine learning ou at\u00e9 mesmo uma planilha podem ser op\u00e7\u00f5es melhores.<\/p>\n <\/p>\n <\/p>\n Paulo apresentou um exemplo da pr\u00f3pria Econodata. Um dos dados fornecidos pela empresa \u00e9 o faturamento presumido<\/a>, cuja gera\u00e7\u00e3o envolve um modelo de machine learning e componentes econom\u00e9tricos determin\u00edsticos.<\/p>\n <\/p>\n <\/p>\n Em determinadas situa\u00e7\u00f5es, modelos desse tipo podem apresentar caracter\u00edsticas mais adequadas ao problema do que uma LLM, que trabalha de maneira n\u00e3o determin\u00edstica.<\/p>\n <\/p>\n <\/p>\n Por isso, antes de perguntar \u201ccomo usar IA em vendas?\u201d, vale reformular:<\/p>\n <\/p>\n <\/p>\n Qual problema comercial estamos tentando resolver e qual \u00e9 a solu\u00e7\u00e3o mais eficiente para ele?<\/strong><\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Se a iniciativa come\u00e7a pelo problema, o segundo passo \u00e9 entender se ela consegue efetivamente \u201cmexer no ponteiro\u201d da empresa.<\/p>\n <\/p>\n <\/p>\n Bruno Mascaro apresentou dois grandes caminhos para avaliar esse impacto.<\/p>\n <\/p>\n <\/p>\n O primeiro \u00e9 a efici\u00eancia operacional<\/strong>.<\/p>\n <\/p>\n <\/p>\n Imagine uma atividade manual que ocupa v\u00e1rias horas de um profissional. Se a IA consegue reduzir drasticamente esse esfor\u00e7o, essa pessoa passa a ter disponibilidade para realizar outras tarefas e abrir novas frentes.<\/p>\n <\/p>\n <\/p>\n O trabalho n\u00e3o necessariamente desaparece.<\/p>\n <\/p>\n <\/p>\n A capacidade daquele profissional aumenta.<\/p>\n <\/p>\n <\/p>\n Bruno apresentou um exemplo da \u00e1rea de jornalismo da IPTV.<\/p>\n <\/p>\n <\/p>\n Segundo ele, determinados trabalhos de edi\u00e7\u00e3o de v\u00eddeo que poderiam levar quatro ou cinco horas passaram a ser realizados em aproximadamente 30 ou 40 minutos com apoio de intelig\u00eancia artificial.<\/p>\n <\/p>\n <\/p>\n Al\u00e9m disso, o conte\u00fado pode ser preparado para diferentes canais, como TikTok, Spotify, Facebook e Instagram.<\/p>\n <\/p>\n <\/p>\n O ganho, portanto, n\u00e3o aparece apenas no rel\u00f3gio.<\/p>\n <\/p>\n <\/p>\n Bruno explicou que a organiza\u00e7\u00e3o tamb\u00e9m consegue posteriormente observar m\u00e9tricas como aumento de seguidores e visualiza\u00e7\u00f5es.<\/p>\n <\/p>\n <\/p>\n O segundo caminho \u00e9 a monetiza\u00e7\u00e3o<\/strong>.<\/p>\n <\/p>\n <\/p>\n Nesse caso, a pergunta \u00e9:<\/p>\n <\/p>\n <\/p>\n Como a IA ajuda algu\u00e9m a gerar mais neg\u00f3cio?<\/strong><\/p>\n <\/p>\n <\/p>\n Um executivo comercial pode utilizar intelig\u00eancia artificial para se preparar melhor para uma reuni\u00e3o, estruturar um pitch, reunir informa\u00e7\u00f5es ou encontrar insights sobre determinada oportunidade.<\/p>\n <\/p>\n <\/p>\n \u00c9 aqui que a discuss\u00e3o de IA em vendas<\/strong> come\u00e7a a ficar realmente interessante.<\/p>\n <\/p>\n <\/p>\n Economizar uma hora \u00e9 bom.<\/p>\n <\/p>\n <\/p>\n Mas economizar uma hora e usar esse tempo para aumentar a quantidade ou a qualidade das intera\u00e7\u00f5es comerciais pode ter um impacto ainda maior.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Nenhuma camada sofisticada de intelig\u00eancia artificial consegue compensar completamente uma base de dados ruim.<\/p>\n <\/p>\n <\/p>\n Durante o epis\u00f3dio, Bruno utilizou uma analogia simples.<\/p>\n <\/p>\n <\/p>\n Imagine utilizar o Waze quando o mapa est\u00e1 desatualizado.<\/p>\n <\/p>\n <\/p>\n O algoritmo pode ser excelente, mas voc\u00ea ainda poder\u00e1 perder uma entrada, fazer uma rota pior ou gastar mais tempo e dinheiro.<\/p>\n <\/p>\n <\/p>\n O mesmo acontece com IA.<\/p>\n <\/p>\n <\/p>\n Se os dados de origem estiverem incompletos, desatualizados ou mal estruturados, a intelig\u00eancia artificial trabalhar\u00e1 a partir dessa informa\u00e7\u00e3o.<\/p>\n <\/p>\n <\/p>\n \u00c9 a conhecida l\u00f3gica do garbage in, garbage out<\/strong>.<\/p>\n <\/p>\n <\/p>\n No ambiente comercial, esse problema pode aparecer de v\u00e1rias maneiras.<\/p>\n <\/p>\n <\/p>\n Um CRM<\/a> pode conter registros incompletos.<\/p>\n <\/p>\n <\/p>\n As mesmas empresas podem aparecer duplicadas.<\/p>\n <\/p>\n <\/p>\n Informa\u00e7\u00f5es importantes podem estar espalhadas em diferentes sistemas.<\/p>\n <\/p>\n <\/p>\n Dados utilizados por marketing podem n\u00e3o estar dispon\u00edveis para vendas.<\/p>\n <\/p>\n <\/p>\n Regras de neg\u00f3cio podem existir apenas na cabe\u00e7a das pessoas.<\/p>\n <\/p>\n <\/p>\n Quando um agente \u00e9 colocado sobre essa estrutura, a tecnologia herda parte desses problemas.<\/p>\n <\/p>\n <\/p>\n Por isso, Bruno refor\u00e7ou a necessidade de construir uma boa camada fundacional.<\/p>\n <\/p>\n <\/p>\n A organiza\u00e7\u00e3o precisa entender os dados que possui, como eles est\u00e3o modelados, quais integra\u00e7\u00f5es existem e como as informa\u00e7\u00f5es chegam at\u00e9 a aplica\u00e7\u00e3o de IA.<\/p>\n <\/p>\n <\/p>\n Tamb\u00e9m \u00e9 preciso olhar abaixo do problema aparente.<\/p>\n <\/p>\n <\/p>\n \u00c0s vezes, a dor percebida pelo usu\u00e1rio \u00e9 apenas a ponta do iceberg. A causa est\u00e1 em processos, integra\u00e7\u00f5es ou estruturas que precisam ser corrigidas antes.<\/p>\n <\/p>\n <\/p>\n Em outras palavras:<\/p>\n <\/p>\n <\/p>\n a IA n\u00e3o cria contexto organizacional que nunca foi estruturado.<\/strong><\/p>\n <\/p>\n <\/p>\n Para receber boas respostas, a empresa precisa fornecer boas informa\u00e7\u00f5es.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Empresas mais maduras j\u00e1 trabalham h\u00e1 anos com governan\u00e7a de dados.<\/p>\n <\/p>\n <\/p>\n Daniel Ferreira destacou que organiza\u00e7\u00f5es grandes procuram evitar que cada novo projeto precise construir novamente sua pr\u00f3pria base do zero.<\/p>\n <\/p>\n <\/p>\n Quando existe uma estrat\u00e9gia de plataforma, os dados podem ser disponibilizados com maior qualidade e reutilizados por diferentes iniciativas.<\/p>\n <\/p>\n <\/p>\n Mas a populariza\u00e7\u00e3o dos agentes est\u00e1 criando uma nova camada de complexidade.<\/p>\n <\/p>\n <\/p>\n A pr\u00f3xima discuss\u00e3o passa a ser sobre governan\u00e7a dos pr\u00f3prios agentes de IA<\/strong>.<\/p>\n <\/p>\n <\/p>\n Isso inclui quest\u00f5es como:<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/ul>\n <\/p>\n <\/p>\n A l\u00f3gica \u00e9 semelhante \u00e0 utilizada com dados.<\/p>\n <\/p>\n <\/p>\n Se diferentes departamentos criarem dezenas de agentes isoladamente, a empresa poder\u00e1 acabar com in\u00fameras provas de conceito que n\u00e3o conversam entre si.<\/p>\n <\/p>\n <\/p>\n Daniel chamou aten\u00e7\u00e3o justamente para esse risco.<\/p>\n <\/p>\n <\/p>\n Um agente \u00e9 criado aqui.<\/p>\n <\/p>\n <\/p>\n Outro projeto surge em outra \u00e1rea.<\/p>\n <\/p>\n <\/p>\n Uma terceira equipe desenvolve uma nova solu\u00e7\u00e3o.<\/p>\n <\/p>\n <\/p>\n Todos demonstram algum potencial, mas nenhum se transforma em uma capacidade organizacional escal\u00e1vel.<\/p>\n <\/p>\n <\/p>\n O verdadeiro salto come\u00e7a quando essas solu\u00e7\u00f5es podem ser reaproveitadas.<\/p>\n <\/p>\n <\/p>\n Daniel apresentou o exemplo de um agente desenvolvido para determinada caracter\u00edstica de um projeto no Brasil e que, dependendo do contexto, poderia ser reutilizado em outro pa\u00eds.<\/p>\n <\/p>\n <\/p>\n Essa capacidade de reaproveitamento \u00e9 o que ajuda a transformar experimentos em plataforma.<\/p>\n <\/p>\n <\/p>\n Sem governan\u00e7a, a empresa pode permanecer eternamente no ciclo:<\/p>\n <\/p>\n <\/p>\n POC \u2192 novo piloto \u2192 outra POC \u2192 mais um piloto.<\/strong><\/p>\n <\/p>\n <\/p>\n Com governan\u00e7a, aumenta a possibilidade de construir processos cada vez mais integrados e aut\u00f4nomos.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Poucas perguntas s\u00e3o t\u00e3o importantes quanto esta:<\/p>\n <\/p>\n <\/p>\n A iniciativa de IA realmente est\u00e1 dando retorno?<\/strong><\/p>\n <\/p>\n <\/p>\n Ganhar produtividade \u00e9 importante.<\/p>\n <\/p>\n <\/p>\n Daniel, entretanto, chama aten\u00e7\u00e3o para a necessidade de olhar al\u00e9m desse indicador.<\/p>\n <\/p>\n <\/p>\n O impacto precisa chegar ao P&L da empresa<\/strong>.<\/p>\n <\/p>\n <\/p>\n Imagine que determinado processo custe R$ 200 mil por ano.<\/p>\n <\/p>\n <\/p>\n Ele \u00e9 repetitivo, mas exige certo n\u00edvel de interpreta\u00e7\u00e3o, valida\u00e7\u00e3o e decis\u00e3o, o que impede que seja resolvido apenas com um algoritmo muito simples.<\/p>\n <\/p>\n <\/p>\n A organiza\u00e7\u00e3o estuda substituir parte desse processo por uma solu\u00e7\u00e3o baseada em IA.<\/p>\n <\/p>\n <\/p>\n Nesse caso, precisa comparar o benef\u00edcio com pelo menos duas dimens\u00f5es de custo.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n \u00c9 o investimento inicial necess\u00e1rio para desenvolver e colocar a solu\u00e7\u00e3o em funcionamento.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n \u00c9 quanto a tecnologia continuar\u00e1 custando depois que estiver operando.<\/p>\n <\/p>\n <\/p>\n Essa segunda parte merece aten\u00e7\u00e3o especial.<\/p>\n <\/p>\n <\/p>\n Modelos, tokens, infraestrutura e integra\u00e7\u00f5es podem gerar custos crescentes conforme o uso aumenta.<\/p>\n <\/p>\n <\/p>\n Um projeto barato durante um piloto pode se transformar em uma opera\u00e7\u00e3o cara em escala.<\/p>\n <\/p>\n <\/p>\n Daniel exemplificou:<\/p>\n <\/p>\n <\/p>\n se um servi\u00e7o custa aproximadamente R$ 200 mil por ano e a solu\u00e7\u00e3o tecnol\u00f3gica pode operar por algo como R$ 50 mil ou R$ 60 mil, existe uma diferen\u00e7a econ\u00f4mica que pode justificar o investimento.<\/p>\n <\/p>\n <\/p>\n Se os valores ficam muito pr\u00f3ximos, a decis\u00e3o muda.<\/p>\n <\/p>\n <\/p>\n Al\u00e9m disso, existe o risco da previs\u00e3o estar errada.<\/p>\n <\/p>\n <\/p>\n Uma solu\u00e7\u00e3o estimada em determinado valor pode acabar custando muito mais quando entra em produ\u00e7\u00e3o.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Daniel colocou outro ponto importante: projetos de intelig\u00eancia artificial n\u00e3o deveriam depender de horizontes muito longos para gerar retorno.<\/p>\n <\/p>\n <\/p>\n Um payback de cinco ou sete anos \u00e9 particularmente problem\u00e1tico.<\/p>\n <\/p>\n <\/p>\n A raz\u00e3o \u00e9 simples.<\/p>\n <\/p>\n <\/p>\n Ningu\u00e9m sabe exatamente como a tecnologia estar\u00e1 daqui a cinco anos.<\/p>\n <\/p>\n <\/p>\n Modelos mudar\u00e3o.<\/p>\n <\/p>\n <\/p>\n Custos mudar\u00e3o.<\/p>\n <\/p>\n <\/p>\n Novas solu\u00e7\u00f5es surgir\u00e3o.<\/p>\n <\/p>\n <\/p>\n Aquilo que hoje exige um grande investimento pode se tornar muito mais simples no futuro.<\/p>\n <\/p>\n <\/p>\n Por isso, iniciativas com retorno relativamente r\u00e1pido tendem a ser mais defens\u00e1veis.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Paulo apresentou durante o epis\u00f3dio um exemplo de resultado direto obtido pela Econodata.<\/p>\n <\/p>\n <\/p>\n Em contratos maiores, definir o pre\u00e7o de uma proposta exige considerar diferentes vari\u00e1veis, or\u00e7amento, custos internos e customiza\u00e7\u00f5es.<\/p>\n <\/p>\n <\/p>\n A empresa criou um agente de precifica\u00e7\u00e3o para apoiar esse processo.<\/p>\n <\/p>\n <\/p>\n Segundo Paulo, depois da iniciativa, houve um aumento de 30% no volume de vendas, considerando o valor final desses contratos<\/strong>.<\/p>\n <\/p>\n <\/p>\n Esse \u00e9 um exemplo em que o resultado da IA consegue ser conectado diretamente a uma m\u00e9trica comercial.<\/p>\n <\/p>\n <\/p>\n Mas Paulo tamb\u00e9m refor\u00e7ou o outro lado.<\/p>\n <\/p>\n <\/p>\n Nem todos os projetos internos avan\u00e7am.<\/p>\n <\/p>\n <\/p>\n Existem iniciativas que come\u00e7am pequenas e s\u00e3o interrompidas quando a empresa percebe que o custo de tokens ou da pr\u00f3pria opera\u00e7\u00e3o n\u00e3o compensa o benef\u00edcio.<\/p>\n <\/p>\n <\/p>\n Esse talvez seja um dos aprendizados mais relevantes para quem pretende utilizar IA em vendas<\/strong>:<\/p>\n <\/p>\n <\/p>\n experimentar faz parte. Abandonar experimentos que n\u00e3o geram retorno tamb\u00e9m.<\/strong><\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Nem tudo o que recebe o nome de agente realmente precisa ser considerado um agente.<\/p>\n <\/p>\n <\/p>\n Bruno prop\u00f4s tr\u00eas crit\u00e9rios interessantes para avaliar iniciativas mais avan\u00e7adas.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Se o sistema simplesmente recebe um dado, aplica uma regra fixa e executa uma sequ\u00eancia previamente estabelecida, existe uma automa\u00e7\u00e3o.<\/p>\n <\/p>\n <\/p>\n Ela pode ser extremamente \u00fatil.<\/p>\n <\/p>\n <\/p>\n Mas o n\u00edvel de autonomia \u00e9 diferente daquele de um agente que precisa interpretar uma situa\u00e7\u00e3o e escolher o que fazer.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Outro crit\u00e9rio \u00e9 entender se a tecnologia produz insumos capazes de apoiar decis\u00f5es.<\/p>\n <\/p>\n <\/p>\n Se o resultado \u00e9 simplesmente um Excel ou um dado bruto, pode novamente existir uma automa\u00e7\u00e3o eficiente.<\/p>\n <\/p>\n <\/p>\n Um agente passa a ganhar outra dimens\u00e3o quando interpreta informa\u00e7\u00f5es e produz algo que pode influenciar a decis\u00e3o seguinte.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n O terceiro ponto est\u00e1 diretamente relacionado ao impacto humano.<\/p>\n <\/p>\n <\/p>\n A tecnologia consegue retirar demandas da rotina?<\/p>\n <\/p>\n <\/p>\n Libera aquele profissional para atuar em outras frentes?<\/p>\n <\/p>\n <\/p>\n Gera condi\u00e7\u00f5es para aumentar resultados?<\/p>\n <\/p>\n <\/p>\n Para Bruno, iniciativas que combinam tomada de decis\u00e3o, gera\u00e7\u00e3o de insights e amplifica\u00e7\u00e3o do profissional merecem maior aten\u00e7\u00e3o estrat\u00e9gica.<\/p>\n <\/p>\n <\/p>\n Essa distin\u00e7\u00e3o tamb\u00e9m evita um problema muito comum.<\/p>\n <\/p>\n <\/p>\n A empresa n\u00e3o precisa utilizar uma arquitetura sofisticada para resolver uma tarefa simples.<\/p>\n <\/p>\n <\/p>\n Se uma automa\u00e7\u00e3o convencional entrega o resultado esperado, provavelmente n\u00e3o h\u00e1 vantagem em construir um sistema ag\u00eantico mais caro e complexo.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Durante a conversa, Paulo apresentou cinco n\u00edveis de maturidade organizacional em intelig\u00eancia artificial atribu\u00eddos \u00e0 OpenAI.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n S\u00e3o aplica\u00e7\u00f5es orientadas principalmente \u00e0 intera\u00e7\u00e3o e gera\u00e7\u00e3o de respostas.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Come\u00e7am a resolver problemas por meio de infer\u00eancia e racioc\u00ednio mais elaborado.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Al\u00e9m de interpretar, passam a tomar decis\u00f5es e executar a\u00e7\u00f5es com supervis\u00e3o humana.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Utilizam o conhecimento acumulado pela organiza\u00e7\u00e3o para gerar ideias, abordagens e descobertas.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Representa o est\u00e1gio em que sistemas seriam capazes de realizar trabalhos complexos, tomar decis\u00f5es de alto n\u00edvel e operar sem dire\u00e7\u00e3o humana cont\u00ednua.<\/p>\n <\/p>\n <\/p>\n Mas em qual n\u00edvel est\u00e3o as empresas brasileiras?<\/p>\n <\/p>\n <\/p>\n A resposta de Bruno mostra que talvez n\u00e3o exista uma \u00fanica resposta.<\/p>\n <\/p>\n <\/p>\n A maturidade pode variar entre empresas, entre pessoas e at\u00e9 dentro da mesma organiza\u00e7\u00e3o.<\/p>\n <\/p>\n <\/p>\n Uma \u00e1rea pode estar utilizando IA de forma extremamente b\u00e1sica.<\/p>\n <\/p>\n <\/p>\n Outra pode ter agentes trabalhando de maneira aut\u00f4noma.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Bruno apresentou um caso do N\u00facleo de Jornalismo de Dados.<\/p>\n <\/p>\n <\/p>\n Segundo ele, a estrutura acompanha informa\u00e7\u00f5es relacionadas a 319 munic\u00edpios e mais de 40 fontes diferentes<\/strong>, envolvendo assuntos como sa\u00fade e seguran\u00e7a.<\/p>\n <\/p>\n <\/p>\n Agentes fazem capturas de informa\u00e7\u00f5es e conversam entre si para validar os dados coletados.<\/p>\n <\/p>\n <\/p>\n Executar todo esse trabalho manualmente exigiria um n\u00famero muito maior de pessoas.<\/p>\n <\/p>\n <\/p>\n Esse caso mostra que algumas \u00e1reas j\u00e1 conseguem operar em n\u00edveis bastante avan\u00e7ados.<\/p>\n <\/p>\n <\/p>\n Ao mesmo tempo, Bruno mencionou no epis\u00f3dio uma refer\u00eancia atribu\u00edda ao Gartner segundo a qual mais de 52% das empresas enfrentariam dificuldades para avan\u00e7ar devido \u00e0 falta de acur\u00e1cia dos dados.<\/p>\n <\/p>\n <\/p>\n O epis\u00f3dio n\u00e3o aprofunda a fonte desse n\u00famero, mas ele foi utilizado na conversa para refor\u00e7ar justamente o argumento central: muitas empresas ainda s\u00e3o impedidas de avan\u00e7ar porque o b\u00e1sico n\u00e3o est\u00e1 resolvido.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n As pr\u00f3prias enquetes realizadas durante o Roda B2B d\u00e3o uma vis\u00e3o interessante sobre esse cen\u00e1rio.<\/p>\n <\/p>\n <\/p>\n Quando os participantes foram questionados sobre o est\u00e1gio atual da IA em suas empresas, as respostas apresentadas foram:<\/p>\n <\/p>\n <\/p>\n 42%<\/strong> \u2014 apenas pesquisando possibilidades;<\/p>\n <\/p>\n <\/p>\n 26%<\/strong> \u2014 fazendo testes e pilotos;<\/p>\n <\/p>\n <\/p>\n 23%<\/strong> \u2014 IA j\u00e1 aplicada em processos reais;<\/p>\n <\/p>\n <\/p>\n 9%<\/strong> \u2014 IA j\u00e1 gerando impacto mensur\u00e1vel.<\/p>\n <\/p>\n <\/p>\n Isso significa que uma parcela importante ainda estava concentrada entre descoberta e testes.<\/p>\n <\/p>\n <\/p>\n Outra enquete perguntou qual era o maior obst\u00e1culo para transformar intelig\u00eancia artificial em resultado.<\/p>\n <\/p>\n <\/p>\n Os n\u00fameros apresentados foram:<\/p>\n <\/p>\n <\/p>\n 51% \u2014 falta de conhecimento interno;<\/strong><\/p>\n <\/p>\n <\/p>\n 26% \u2014 falta de casos de uso claros;<\/strong><\/p>\n <\/p>\n <\/p>\n 16% \u2014 dados ruins ou fragmentados;<\/strong><\/p>\n <\/p>\n <\/p>\n 7% \u2014 dificuldade para medir ROI.<\/strong><\/p>\n <\/p>\n <\/p>\n \u00c9 interessante perceber como as quatro respostas se conectam \u00e0 conversa.<\/p>\n <\/p>\n <\/p>\n A falta de casos de uso remete diretamente \u00e0 necessidade de come\u00e7ar pelo problema.<\/p>\n <\/p>\n <\/p>\n Dados ruins refor\u00e7am a import\u00e2ncia da funda\u00e7\u00e3o.<\/p>\n <\/p>\n <\/p>\n A dificuldade de medir ROI exige conex\u00e3o com m\u00e9tricas reais do neg\u00f3cio.<\/p>\n <\/p>\n <\/p>\n E o maior problema – conhecimento – aponta para algo que n\u00e3o pode ser resolvido apenas comprando novas ferramentas.<\/p>\n <\/p>\n <\/p>\n \u00c9 preciso ensinar as pessoas a utilizar IA.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Essa foi uma das perguntas feitas pela audi\u00eancia.<\/p>\n <\/p>\n <\/p>\n Bruno n\u00e3o acredita que a intelig\u00eancia artificial substituir\u00e1 completamente o vendedor.<\/p>\n <\/p>\n <\/p>\n Na vis\u00e3o dele, o papel mais prov\u00e1vel \u00e9 o de amplificador<\/strong>.<\/p>\n <\/p>\n <\/p>\n Pense na rotina de um executivo comercial.<\/p>\n <\/p>\n <\/p>\n Antes de entrar em uma reuni\u00e3o, ele pode precisar:<\/p>\n <\/p>\n <\/p>\n pesquisar o cliente;<\/p>\n <\/p>\n <\/p>\n entender quem participar\u00e1;<\/p>\n <\/p>\n <\/p>\n reunir informa\u00e7\u00f5es;<\/p>\n <\/p>\n <\/p>\n preparar uma pauta;<\/p>\n <\/p>\n <\/p>\n consultar dados internos.<\/p>\n <\/p>\n <\/p>\n Depois da reuni\u00e3o, surgem novas tarefas:<\/p>\n <\/p>\n <\/p>\n atualizar sistemas;<\/p>\n <\/p>\n <\/p>\n registrar informa\u00e7\u00f5es;<\/p>\n <\/p>\n <\/p>\n preencher CRM;<\/p>\n <\/p>\n <\/p>\n criar propostas;<\/p>\n <\/p>\n <\/p>\n gerar relat\u00f3rios;<\/p>\n <\/p>\n <\/p>\n organizar follow-ups.<\/p>\n <\/p>\n <\/p>\n Grande parte desse trabalho pode ser automatizada.<\/p>\n <\/p>\n <\/p>\n \u00c9 justamente a\u00ed que existe um enorme espa\u00e7o para IA em vendas<\/strong>.<\/p>\n <\/p>\n <\/p>\n O que Bruno considera muito mais dif\u00edcil substituir \u00e9 a capacidade de captar a dor do cliente<\/a>, interpretar sentimentos e utilizar aquilo que chamou de feeling<\/strong>.<\/p>\n <\/p>\n <\/p>\n Daniel complementou com outro elemento: pensamento cr\u00edtico<\/strong>.<\/p>\n <\/p>\n <\/p>\n Uma negocia\u00e7\u00e3o real envolve nuances.<\/p>\n <\/p>\n <\/p>\n \u00c0s vezes, determinado desconto faz sentido porque existe uma estrat\u00e9gia mais ampla para aquela conta.<\/p>\n <\/p>\n <\/p>\n O cliente pode declarar uma obje\u00e7\u00e3o enquanto seu comportamento demonstra outra preocupa\u00e7\u00e3o.<\/p>\n <\/p>\n <\/p>\n Uma reuni\u00e3o pode mudar de dire\u00e7\u00e3o dependendo da rea\u00e7\u00e3o de um interlocutor.<\/p>\n <\/p>\n <\/p>\n Esses elementos fazem parte da rela\u00e7\u00e3o humana.<\/p>\n <\/p>\n <\/p>\n Isso n\u00e3o significa que nenhuma fun\u00e7\u00e3o ser\u00e1 impactada.<\/p>\n <\/p>\n <\/p>\n Daniel tamb\u00e9m ressaltou que uma parcela significativa de trabalhos e servi\u00e7os repetitivos poder\u00e1 ser substitu\u00edda.<\/p>\n <\/p>\n <\/p>\n Portanto, a transforma\u00e7\u00e3o tende a acontecer mais nas tarefas do que necessariamente na fun\u00e7\u00e3o comercial como um todo.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Paulo trouxe uma experi\u00eancia da Econodata que ilustra muito bem essa diferen\u00e7a.<\/p>\n <\/p>\n <\/p>\n A empresa grava e transcreve reuni\u00f5es dos vendedores para analisar quest\u00f5es como execu\u00e7\u00e3o do playbook, demandas dos clientes e oportunidades de melhoria.<\/p>\n <\/p>\n <\/p>\n Essas transcri\u00e7\u00f5es fornecem bons insights.<\/p>\n <\/p>\n <\/p>\n Todo o conte\u00fado falado est\u00e1 ali.<\/p>\n <\/p>\n <\/p>\n Mesmo assim, Paulo decidiu acompanhar pessoalmente algumas reuni\u00f5es online com potenciais clientes.<\/p>\n <\/p>\n <\/p>\n A percep\u00e7\u00e3o foi diferente.<\/p>\n <\/p>\n <\/p>\n Na avalia\u00e7\u00e3o apresentada por ele durante o programa, a transcri\u00e7\u00e3o fornecia algo como 20% da percep\u00e7\u00e3o da reuni\u00e3o, apesar de conter 100% do conte\u00fado verbal<\/strong>.<\/p>\n <\/p>\n <\/p>\n Por qu\u00ea?<\/p>\n <\/p>\n <\/p>\n Porque existem sinais que n\u00e3o aparecem completamente no texto.<\/p>\n <\/p>\n <\/p>\n Quem \u00e9 aquele interlocutor?<\/p>\n <\/p>\n <\/p>\n O que ele est\u00e1 realmente sentindo?<\/p>\n <\/p>\n <\/p>\n A abordagem despertou interesse?<\/p>\n <\/p>\n <\/p>\n O vendedor conseguiu impression\u00e1-lo?<\/p>\n <\/p>\n <\/p>\n Faltou algum elemento para gerar o chamado \u201cefeito uau\u201d?<\/p>\n <\/p>\n <\/p>\n Mesmo que sistemas de IA evoluam na leitura de \u00e1udio, v\u00eddeo e outros sinais, a compara\u00e7\u00e3o mostra uma distin\u00e7\u00e3o fundamental.<\/p>\n <\/p>\n <\/p>\n Dados sobre uma rela\u00e7\u00e3o n\u00e3o s\u00e3o necessariamente iguais \u00e0 experi\u00eancia da rela\u00e7\u00e3o.<\/strong><\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Se a tecnologia n\u00e3o deveria substituir o relacionamento, ent\u00e3o onde ela deve atuar?<\/p>\n <\/p>\n <\/p>\n Bruno prop\u00f4s olhar para a rotina comercial e separar trabalho humano de alto valor<\/strong> de trabalho operacional repetitivo<\/strong>.<\/p>\n <\/p>\n <\/p>\n Imagine um vendedor que participa de uma reuni\u00e3o de 30 minutos.<\/p>\n <\/p>\n <\/p>\n Depois dela, pode gastar duas horas preenchendo informa\u00e7\u00f5es, produzindo relat\u00f3rios e atualizando sistemas.<\/p>\n <\/p>\n <\/p>\n Essa rela\u00e7\u00e3o est\u00e1 invertida.<\/p>\n <\/p>\n <\/p>\n Idealmente, a tecnologia deveria reduzir as duas horas de burocracia para que o vendedor pudesse utilizar esse tempo em outras conversas.<\/p>\n <\/p>\n <\/p>\n Entre as atividades citadas ao longo da discuss\u00e3o est\u00e3o:<\/p>\n <\/p>\n <\/p>\n prepara\u00e7\u00e3o de propostas;<\/p>\n <\/p>\n <\/p>\n preenchimento de informa\u00e7\u00f5es;<\/p>\n <\/p>\n <\/p>\n organiza\u00e7\u00e3o de documentos;<\/p>\n <\/p>\n <\/p>\n gera\u00e7\u00e3o de relat\u00f3rios;<\/p>\n <\/p>\n <\/p>\n levantamento de dados;<\/p>\n <\/p>\n <\/p>\n pesquisas pr\u00e9-reuni\u00e3o.<\/p>\n <\/p>\n <\/p>\n O princ\u00edpio \u00e9 simples:<\/p>\n <\/p>\n <\/p>\n automatizar o que pode ser padronizado e proteger o tempo de relacionamento.<\/strong><\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\n Paulo apresentou um exemplo utilizado dentro da Econodata.<\/p>\n <\/p>\n <\/p>\n Antes de determinadas reuni\u00f5es, a IA interna pode reunir informa\u00e7\u00f5es sobre o cliente e montar rapidamente um dossi\u00ea.<\/p>\n <\/p>\n <\/p>\n O profissional consegue conhecer interlocutores, cargos e outros elementos relevantes sem realizar manualmente toda a pesquisa.<\/p>\n <\/p>\n <\/p>\n A diferen\u00e7a est\u00e1 no papel da tecnologia.<\/p>\n <\/p>\n <\/p>\n A IA n\u00e3o participa da reuni\u00e3o no lugar do vendedor.<\/p>\n <\/p>\n <\/p>\n Ela faz com que o vendedor chegue \u00e0 reuni\u00e3o melhor preparado.<\/p>\n <\/p>\n <\/p>\n \u00c9 um \u00f3timo exemplo de amplifica\u00e7\u00e3o.<\/p>\n <\/p>\n <\/p>\n <\/p>\n <\/p>\nSum\u00e1rio<\/h2>\n
<\/p>\n
IA em vendas precisa come\u00e7ar pelo problema<\/h2>\n
Onde a IA realmente gera valor para a empresa<\/h2>\n
Sem dados confi\u00e1veis, n\u00e3o existe IA confi\u00e1vel<\/h2>\n
Da governan\u00e7a de dados \u00e0 governan\u00e7a de agentes<\/h2>\n
<\/p>\n
Como medir o ROI da IA em vendas<\/h2>\n
CAPEX<\/h3>\n
OPEX<\/h3>\n
Payback tamb\u00e9m importa<\/h3>\n
O caso do agente de precifica\u00e7\u00e3o da Econodata<\/h3>\n
Automa\u00e7\u00e3o ou agente de IA: qual \u00e9 a diferen\u00e7a?<\/h2>\n
1. A solu\u00e7\u00e3o toma decis\u00f5es?<\/h3>\n
2. A solu\u00e7\u00e3o gera insights?<\/h3>\n
3. A solu\u00e7\u00e3o amplia a capacidade do profissional?<\/h3>\n
Os n\u00edveis de maturidade da IA nas empresas<\/h2>\n
N\u00edvel 1: chatbots<\/h3>\n
N\u00edvel 2: reasoners<\/h3>\n
N\u00edvel 3: agentes<\/h3>\n
N\u00edvel 4: innovators<\/h3>\n
N\u00edvel 5: organiza\u00e7\u00f5es aut\u00f4nomas<\/h3>\n
Um exemplo avan\u00e7ado na IPTV<\/h3>\n
O que as empresas ainda enfrentam para adotar IA<\/h2>\n
A IA vai substituir vendedores?<\/h2>\n
A transcri\u00e7\u00e3o de uma reuni\u00e3o n\u00e3o substitui a presen\u00e7a<\/h2>\n
Como tornar a opera\u00e7\u00e3o comercial mais eficiente com IA<\/h2>\n
IA para preparar reuni\u00f5es<\/h3>\n
IA para prospec\u00e7\u00e3o e identifica\u00e7\u00e3o de oportunidades<\/h2>\n