← Casos de estudo

Case study

Case study · Vendas por chat com IA

De 30 atendentes para 5, respondendo em segundos

Construímos o bot que atende os anúncios de uma operação B2C de alto volume na América Latina. Hoje ele responde em segundos a qualquer hora, a equipe de chat passou de 30 pessoas para 5 e o cliente economiza cerca de USD 15.000 por mês em salários.

  • 217.392 leads atendidos
  • 15 marcas
  • Dados de produção

Em números

−83%
Atendentes de chat: de 30 para 5
$15k
USD de economia estimada por mês em salários
97,7%
Dos leads de outubro resolvidos sem uma pessoa
10,8×
Mais conversão respondendo em menos de 5 min do que depois de 1 hora
Cliente
Operação B2C de alto volume, LATAM (anônima)
Canais
WhatsApp e web chat a partir de anúncios da Meta
Volume
217.392 leads; pico de 80.014 em julho
Período
Abril a outubro de 2026
Stack
Ruby on Rails, PostgreSQL, Sidekiq e um LLM

O problema

O problema

Cada minuto de espera esfria o cliente

Cada anúncio termina numa conversa de chat. O cliente escreve com a intenção fresca, e quem responde primeiro fica com a venda. Com atendimento manual eram necessários cerca de 30 atendentes em turnos, e mesmo assim os picos geravam fila. O trabalho era quase sempre o mesmo: cumprimentar, pedir dados, criar a conta, enviar os dados de pagamento e conferir o comprovante.

  • 24%dos leads escrevem entre 0h e 8h, quando é mais difícil ter equipe acordada.
  • 32,6%chegam no fim de semana.
  • 2.580leads por dia no pico de julho. O volume sobe e desce com o investimento em anúncios.
  • 30atendentes em turnos rotativos, com seleção, treinamento e rotatividade constantes.

Empresas que contatam um lead na primeira hora têm quase 7 vezes mais chance de qualificá-lo do que as que esperam uma hora a mais.

Harvard Business Review · 2011 · hbr.org

Mais de 99% das empresas não respondem a um lead novo em até 5 minutos.

Workato · 2026 · workato.com
Antes, à mão
  • 30 atendentes em turnos
  • Fila nos horários de pico
  • Noites e fins de semana com pouca gente
  • Copiar e colar os mesmos dados o dia todo
Com o bot
  • 5 pessoas para os casos especiais
  • Primeira resposta em 44 segundos, a qualquer hora
  • O mesmo processo, bem feito, em cada lead
  • Cada venda atribuída à sua campanha

A solução

A solução

Um bot que faz o repetitivo e encaminha o resto

Em vez de um menu de botões, construímos um bot conversacional que segue o mesmo processo do melhor atendente. A IA é usada só onde é preciso entender texto livre. As pessoas ficam com o que o bot não pode ou não deve resolver.

Entrada

Anúncio na Meta

O clique abre o WhatsApp ou o web chat com o código da campanha.

Recepção

CRM

Agrupa mensagens seguidas e dispara uma única resposta.

Cérebro

Bot de 21 etapas

Saudação, dados, cadastro, pagamento, comprovante e perguntas livres com IA.

Resultado

Conversão

Fica registrada no CRM com a campanha de origem.

Retorno

Evento para a Meta

A venda volta para a Meta para os anúncios otimizarem por clientes reais.

Encaminhamento

Atendente humano

Recebe só o que o bot não consegue fechar, com todo o histórico.

  1. Cumprimenta em segundos

    Com o texto, os valores e o tom de cada marca.

  2. Atribui a campanha

    Lê o código do anúncio para saber qual campanha vendeu.

  3. Cria a conta

    Pede o nome e cadastra o cliente sozinho.

  4. Envia os dados de pagamento

    Os de cada marca, com variáveis em vez de valores fixos.

  5. Lê o comprovante

    OCR próprio que valida a imagem ou o PDF do pagamento.

  6. Tira dúvidas com IA

    Um LLM responde perguntas livres, com limite de respostas.

  7. Encaminha a tempo

    Diante de um problema ou após N respostas de IA, passa o chat para uma pessoa.

  8. Fecha o ciclo

    Marca a conversão e envia para a Meta Conversions API.

Implantação

Implantação

Do piloto à produção em seis meses

Primeiro validamos o processo numa ferramenta de workflows. Quando o volume justificou, reescrevemos o bot dentro do CRM do cliente e migramos marca por marca.

  1. Abr 2026

    Piloto

    Primeira versão num motor de workflows externo: 19 fluxos e cerca de 210 nós.

    652leads
  2. Mai – Jul 2026

    Escala

    O bot passa a atender 9 marcas e a equipe humana diminui conforme o bot absorve o volume.

    80.014leads em julho
  3. 24 – 25 set 2026

    Reescrita no CRM

    As 21 etapas viram código próprio com testes de ponta a ponta. Roda primeiro em modo sombra: processa tudo mas não envia nada.

    36execuções em sombra
  4. 26 set – 14 out

    Migração por marca

    Uma chave por marca troca o motor antigo pelo novo. Desligá-la é o freio de emergência.

    15marcas migradas

Resultados

Resultados

Responder rápido é o que mais vende

Taxa de conversão conforme o tempo da primeira resposta. Leads de agosto a outubro de 2026 com a conversa registrada (n = 40.749).

< 1 min33.705 leads
38,7%
1 – 5 min4.427 leads
58,8%
5 – 15 min1.262 leads
39,2%
15 – 60 min457 leads
32,4%
> 1 hora898 leads
3,8%
Até 5 minutosMais de 5 minutos

A barra de menos de 1 minuto inclui a versão anterior do bot em agosto, que convertia menos; por isso fica abaixo da de 1 a 5 minutos. Com a versão nova, em outubro, a conversão fica perto de 60% durante toda a primeira hora.

41,0%VS3,8%

Conversão respondendo em menos de 5 minutos contra depois de uma hora: 10,8 vezes maior.

57,5%VS34,3%

Conversão da versão nova do bot contra a anterior, nas mesmas semanas (26 set – 23 out; 5.924 e 743 leads).

3,9 s

Mediana de processamento por mensagem, incluindo a chamada ao LLM. A resposta visível leva cerca de 44 s porque cada marca configura um atraso para soar natural.

217.392

Leads atendidos pelo bot entre abril e outubro de 2026.

A diferença num chat

A diferença num chat

A mesma mensagem, duas esperas

Atendimento manual no horário de pico+17:00
Oi! Vi o anúncio, como faço o cadastro?
Oi! Desculpa a demora, qual é o seu nome?
O cliente não responde mais
Bot+0:44
Oi! Vi o anúncio, como faço o cadastro?
Oi, seja bem-vindo! Qual é o seu nome para eu criar a sua conta?
Martín
Pronto, Martín. Sua conta já está criada e estes são seus dados de acesso.
Aqui estão os dados de pagamento. Quando transferir, me manda o comprovante que eu credito.

Conversa ilustrativa: os tempos são a mediana do bot e um caso típico de fila manual.

A economia

A economia

Milhares de dólares por mês em salários

A equipe de chat passou de cerca de 30 atendentes para 5. Mexa nos valores para ver a economia com o custo da sua operação.

Economia mensal
USD 15.000
Economia anualUSD 180.000
Redução da equipe−83%
Leads por pessoa×6

Premissa: USD 600 de custo total por atendente por mês, como referência editável. A quantidade de atendentes é um dado da operação e não vem da base. O custo de IA e servidores do bot não foi descontado.

  • Atendem o que o bot encaminha

    Em outubro foram 2,3% dos leads, e chegam com todo o histórico.

  • Revisam os casos especiais

    Reclamações, pagamentos que não batem e clientes que pedem uma pessoa.

  • Ajustam o bot sem programar

    Textos, valores e regras por marca, com histórico e desfazer.

Para equipes técnicas

Para equipes técnicas

Como foi construído

Arquitetura e decisões técnicas
  • Pipeline fixo de 21 etapas em Ruby on Rails. Cada etapa é uma classe com testes; as conversas completas têm testes de ponta a ponta.
  • Três modos por marca: motor antigo, sombra (roda e compara sem enviar) e novo. Mover os leads entre motores é um job com cópia em massa, atualização e uma segunda passada 2 minutos depois.
  • Efeitos idempotentes. Cada mensagem enviada e cada escrita fica num registro de efeitos, então uma nova tentativa não duplica mensagens nem cadastros.
  • Estado do lead no PostgreSQL com lock consultivo, para que duas mensagens simultâneas não criem dois leads.
  • Agrupamento de mensagens (debounce). Se o cliente manda três mensagens seguidas, o bot responde uma vez.
  • Atraso configurável para a resposta soar natural; por isso a mediana visível é 44 s e o processamento 3,9 s.
  • Encaminhamento após N respostas de IA ou diante de uma pergunta sem solução, com o histórico visível para o atendente.
  • Conversão pelo servidor para a Meta Conversions API, com fbc, fbp, IP e user agent, para os anúncios otimizarem por clientes reais.
  • Leitor de comprovantes próprio (OCR auto-hospedado) em vez de um serviço externo pago.
  • Configuração por marca com histórico e desfazer; os textos usam variáveis como {valor_minimo} em vez de números fixos.
Metodologia e limitações
  • Fonte: banco de dados de produção do cliente, consulta somente leitura em 24 de outubro de 2026.
  • Conversão: lead marcado como convertido no CRM.
  • Primeira resposta: tempo entre a primeira mensagem do cliente e a primeira mensagem enviada nessa conversa.
  • As mensagens são guardadas desde 10 de julho de 2026, então não há medição direta do período 100% manual. A comparação por velocidade usa leads de agosto a outubro.
  • A quantidade de atendentes (30 → 5) e o custo por atendente são dados da operação, não da base.
  • Os leads anteriores a setembro foram copiados da versão anterior só para as marcas que migraram, então o volume de agosto a outubro está subcontado.
  • No mesmo período mudaram campanhas e investimento, e a comparação entre versões mistura marcas diferentes (15 contra 5).

O que aprendemos

O que aprendemos

Quatro decisões que repetiríamos

  1. Copiar o melhor atendente

    O bot segue um processo fixo; a IA entra só onde é preciso entender texto livre.

  2. Rodar em sombra primeiro

    Processar conversas reais sem enviar nada pega erros antes que um cliente os veja.

  3. Uma chave por marca

    Migrar uma marca por vez, com freio de emergência, levou o risco quase a zero.

  4. Medir a primeira resposta

    É o número que mais explica a conversão e o mais fácil de melhorar com automação.

Seus chats ainda são respondidos à mão?

Davar significa ao mesmo tempo «palavra» e «ação»: o que se diz, se faz. Você conta como sua equipe atende e nós transformamos isso num sistema que responde sozinho.

Pedir diagnóstico grátis →