Durante o B2B Summit, Paulo Krieser, CEO e cofundador da Econodata, mostrou como agentes de inteligência artificial já estão assumindo etapas da operação comercial, da qualificação à análise de pipeline, e por que a qualidade dos dados pode determinar o resultado dessa transformação.
A inteligência artificial já entrou na operação comercial de muitas empresas, mas o movimento mais interessante começa a acontecer quando ela deixa de ser apenas uma ferramenta usada pelo vendedor e passa a executar etapas inteiras do processo.
Foi esse o ponto central da palestra “Agentes de IA em Vendas B2B: como usar o dado certo na hora certa”, apresentada por Paulo Krieser, CEO e cofundador da Econodata, durante o B2B Summit.
Ao compartilhar experiências observadas no Vale do Silício e casos desenvolvidos dentro da própria Econodata, Krieser mostrou aplicações que já vão muito além da geração de textos: agentes podem enriquecer leads, fazer qualificação, acompanhar pipelines, analisar conversas, apoiar precificação e até definir diferentes níveis de atendimento para clientes.
A discussão ganha ainda mais relevância diante da velocidade com que a IA está entrando na jornada de compra. Uma pesquisa da Gartner com 645 compradores B2B, realizada em 2025, mostrou que 45% deles já haviam utilizado GenAI durante uma compra recente, principalmente para pesquisar fornecedores e produtos. Esses compradores utilizaram, em média, sete fontes de informação durante a jornada.
O comportamento do comprador, portanto, está mudando, e a operação comercial precisa acompanhar essa mudança.
O agente começa antes do contato comercial
Um dos exemplos apresentados por Krieser veio de uma viagem ao Vale do Silício, onde ele observou uma presença crescente de soluções de IA voltadas para SDRs, incluindo agentes capazes de realizar prospecção e qualificação por voz.
Entre os exemplos citados durante a palestra, estavam agentes responsáveis pelo enriquecimento de dados, geração de lead score, qualificação automática e inspeção de pipeline. Nesse último caso, a tecnologia pode ajudar gestores a acompanhar follow-ups, avaliar a adequação das mensagens e identificar negócios que não estão avançando como deveriam.
A mudança também começa a alterar o papel dos gestores. Krieser apresentou o conceito de “agent designer”, alguém que passa a desenhar e conectar agentes para resolver problemas de ponta a ponta, além de administrar pessoas e processos.
A experiência da Econodata mostra como esse modelo pode ser aplicado internamente. Segundo o palestrante, a empresa passou a utilizar ferramentas de cloud e inteligência artificial para que profissionais construíssem soluções a partir de lógica de negócio e especificações, mesmo sem necessariamente dominar programação tradicional. Em um dos exemplos, uma nova funcionalidade de dossiê empresarial foi desenvolvida e colocada em produção em aproximadamente seis horas.
A questão começa pelo ICP
Antes de colocar agentes para trabalhar, existe uma etapa que continua sendo essencial: saber exatamente quem a empresa quer conquistar.
Krieser chamou atenção para uma prática comum em operações comerciais, aumentar o número de vendedores, SDRs, mensagens e leads quando os resultados não aparecem. A estratégia pode elevar o volume de atividade, mas também aumenta o risco de desperdício quando a segmentação não está bem definida.
Para ilustrar o ponto, ele apresentou dois cenários com o mesmo investimento de R$ 1.250. No primeiro, uma lista de 2.500 leads, a R$ 0,50 por contato, geraria dez reuniões com conversão de 0,4%. No segundo, uma lista de 250 leads, a R$ 5 por contato, também geraria dez reuniões, mas com conversão de 4%.
A diferença aparece quando o esforço necessário para trabalhar cada lista entra na conta.
O segundo cenário exige uma quantidade muito menor de contatos para chegar ao mesmo resultado, reduzindo também a carga operacional sobre o time comercial. A discussão, portanto, passa a envolver custo por reunião e custo de operação, e não apenas preço por lead.
Esse raciocínio está alinhado ao comportamento atual dos compradores. A Gartner descobriu que 73% dos compradores B2B evitam fornecedores que enviam abordagens irrelevantes. Em um ambiente em que as pessoas já recebem mais informação do que conseguem processar, uma lista maior pode significar simplesmente mais mensagens que ninguém quer receber.
Quanto melhor a definição, maior a capacidade de priorizar
Na experiência apresentada pela Econodata, construir um ICP significa ir além de setor, região e porte.
Entram nessa análise variáveis como número de filiais, presença digital, exportações e importações, tecnologias utilizadas, aportes recebidos, situação financeira e sinais de crescimento.
A lógica é identificar empresas que tenham maior potencial e, principalmente, maior probabilidade de comprar naquele momento. Empresas em expansão, com orçamento disponível e sinais de investimento, podem ser mais relevantes para a prospecção do que outras que simplesmente se encaixam em uma determinada categoria.
Essa granularidade é justamente o que permite que um agente faça algo mais sofisticado do que simplesmente gerar uma lista.
Ele pode receber um conjunto de critérios, cruzar informações, identificar padrões e entregar ao vendedor uma carteira priorizada.
O dado passa a determinar onde a atenção humana deve ser colocada.
O dado que não está no formulário
Um dos casos apresentados mostra como essa lógica pode melhorar a própria geração de leads.
Imagine uma landing page que solicita apenas nome e e-mail. A partir do endereço informado, um agente pode cruzar dados disponíveis na base e retornar informações adicionais sobre aquela empresa, como faturamento estimado, headcount e capital social.
Segundo Krieser, esse tipo de enriquecimento permite reduzir a quantidade de informações solicitadas diretamente ao potencial cliente, enquanto aumenta o contexto disponível para o SDR.
A mesma lógica pode ser aplicada a dados mais difíceis de encontrar.
A Econodata, por exemplo, trabalha com modelos de faturamento presumido, utilizando dados e inteligência artificial para estimar o porte econômico de empresas, além de modelos semelhantes para headcount e outras variáveis.
Com essas informações, torna-se possível criar uma cadeia de agentes, cada um responsável por uma etapa da análise, até chegar a uma decisão comercial mais precisa.
A IA também começa a chegar ao preço e ao pós-venda
Os exemplos da palestra não ficaram restritos à prospecção.
A Econodata desenvolveu um agente de precificação que utiliza variáveis disponíveis na base para apoiar a definição do valor dos contratos. Segundo Krieser, a aplicação contribuiu para aumentar em 30% a receita de contratos maiores, no segmento Enterprise.
Outro agente classifica clientes em categorias como VIP, Scale e Basic, permitindo direcionar diferentes níveis de atendimento de Customer Success.
Também foi apresentado um agente desenvolvido para analisar grandes volumes de conversas comerciais, identificando padrões de execução e pontos do playbook que o time não estava cumprindo corretamente.
São aplicações que mostram uma mudança importante na abrangência da IA dentro da área comercial. Ela pode acompanhar o cliente desde a identificação de uma conta até a definição de preço, execução do processo de vendas e gestão do relacionamento.
O mercado já está testando essa mudança
A adoção ainda está longe de ser uniforme, mas os indicadores mostram uma aceleração.
Uma pesquisa recente da McKinsey aponta que 22% das organizações pesquisadas já implementaram capacidades de GenAI, enquanto outros 31% estão em processo de adoção. Entre as empresas líderes, a adoção é significativamente maior, e a inteligência artificial aparece integrada a processos centrais, com ganhos relacionados a eficiência, experiência do cliente e inovação.
A mesma pesquisa mostra que empresas líderes têm duas vezes mais probabilidade de declarar adoção de GenAI do que seus pares, 44% contra 22%, além de apresentarem maior uso de personalização individualizada e de estruturas de vendas associadas a ABM.
A tecnologia, portanto, começa a se tornar parte da arquitetura comercial, e não apenas uma ferramenta adicional no computador do vendedor.
O vendedor continua sendo parte importante da equação
Existe, porém, um dado que ajuda a colocar essa transformação em perspectiva.
A pesquisa mais recente da Gartner mostra que 67% dos compradores B2B preferem uma experiência sem vendedor, mas 69% recorrem a vendedores para validar informações geradas por IA. Eles também são 39 pontos percentuais mais propensos a dizer que um vendedor entende suas necessidades do que uma GenAI.
A tecnologia assume uma parte crescente da pesquisa, do enriquecimento de dados, do monitoramento de sinais e das tarefas operacionais, enquanto o vendedor ganha importância nos momentos em que contexto, confiança, julgamento e capacidade de traduzir valor são determinantes.
A Gartner também identificou que organizações comerciais que oferecem aos vendedores recomendações de “next best action” baseadas em IA são 2,6 vezes mais propensas a apresentar crescimento comercial.
Isso ajuda a explicar o caminho que começa a se desenhar para as operações B2B: agentes trabalhando nos bastidores, vendedores recebendo mais contexto e compradores chegando às conversas cada vez mais informados.
O dado certo, na hora certa
Ao final da palestra, Krieser resumiu sua visão em uma expressão conhecida na tecnologia: “garbage in, garbage out”.
Agentes não corrigem automaticamente uma base ruim. Se o ICP está mal definido, se os dados são inconsistentes ou se a empresa não consegue compartilhar contexto sobre quem é um bom cliente, a automação pode apenas acelerar uma operação que já não funciona bem.
O avanço dos agentes de IA em vendas B2B passa, portanto, por uma combinação de três elementos, um ICP suficientemente preciso para orientar as decisões, dados confiáveis para alimentar os modelos e contexto compartilhado para que tecnologia e pessoas trabalhem com os mesmos critérios.
A partir daí, a inteligência artificial deixa de ser apenas uma ferramenta para produzir mais.
Ela começa a ajudar a empresa a decidir onde colocar sua atenção, quais oportunidades priorizar e como transformar informação em receita.
É uma mudança que está apenas começando, mas que já está redesenhando a forma como as operações comerciais mais avançadas pensam produtividade, segmentação e crescimento.
