É normal confundirmos um Agente de IA bem estruturado e robusto, com a ideia de que a IA vai fazer tudo que queremos e precisamos sozinha.
É normal confundirmos um Agente de IA bem estruturado e robusto, com a ideia de que a IA vai fazer tudo que queremos e precisamos sozinha. A maioria das empresas que tenta implementar Inteligência Artificial no atendimento comercial comete o mesmo erro: tentar fazer o modelo de linguagem (LLM) resolver tudo sozinho.
O problema? LLMs são excelentes conversadores, mas péssimos matemáticos. Se você pedir para uma IA "avaliar um lead de 0 a 100", ela vai inventar um número baseado na probabilidade das palavras, e não em uma regra de negócio real. Comigo, já aconteceu de eu pedir pra avaliar de 0 a 100, e a IA retornar uma avaliação de 500.
Para resolver isso, desenvolvi uma arquitetura de Agentes Orquestrados, ou Agent Swarm no n8n que separa um agente responsável pela simpatia, de um responsável por esta lógica. O resultado é um SDR (Sales Development Representative) autônomo que conversa naturalmente, mas segue regras rígidas de qualificação.
Aqui está o "Raio-X" de como essa solução foi construída técnica e logicamente.
O objetivo era criar um fluxo que qualificasse leads baseado em múltiplos critérios (como orçamento, maturidade digital, equipe, etc.), atribuísse uma nota exata e tomasse uma ação diferente para cada nível de temperatura (Frio, Morno ou Quente), que seria associado ao lead no banco de dados (No exemplo utilizei o google sheets, funciona perfeitamente).
Em vez de um prompt gigante, a solução divide a responsabilidade em três nós principais dentro do n8n:
A primeira camada é um Agente de IA configurado com instruções de persona e roteiro.
Aqui está o segredo da consistência. Assim que a conversa atinge o ponto de qualificação, entra em cena um Sub-Agente de Classificação.
{"canal_de_vendas": "whatsapp"}.Não convém a disponibilidade do meu código exato, pois cada caso precisaria de um código único, mas ao seguir essa lógica de raciocínio que estou explicando, a criação de um código basta um prompt bem descrito no Gemini ou ChatGPT.
Para garantir precisão matemática, saímos da IA e entramos no código puro com um nó de código personalizado. Utilizaremos a ferramenta (tool) de código e explicaremos na descrição da ferramenta, quais os parâmetros que ele vai avaliar, e como ele vai receber o JSON estruturado, fazendo isto, a IA irá interpretar os dados e criar o JSON e o nó código ficará com a parte da qualificação precisa a partir de uma matriz de pontuação pré-estabelecida.
Ao fim da qualificação, com o cálculo feito via código (e não alucinado pela IA), a qualificação retorna para o agente orquestrador, que você pode dar opções do que fazer a seguir a depender da temperatura do lead que está entrando em contato com sua empresa, exemplo:
Com o lead qualificado, VOCÊ toma a decisão do rumo de como prosseguir com o lead da maneira que achar mais conveniente.
O segredo para uma automação de vendas robusta não é ter a IA mais criativa, mas sim ter o melhor fluxo de dados. Ao retirar a responsabilidade lógica da IA e deixá-la apenas com a parte conversacional, previsível e escalável.
Escrito por
João Lima
28 de novembro de 2025
Agentes de IA e o fim da "Era dos Apps" até 2027: O artigo explora o fim da fadiga de aplicativos com LLMs multimodais, transformando usuários em orquestradores de automação invisível.
