Case: como um agente de IA passou a gerenciar 400 clientes

Todo conteúdo sobre IA nas empresas promete; poucos mostram. Este artigo abre a anatomia de um case real: na operação de Geraldo Maciel, cliente da dn.ia, um agente de IA passou a gerenciar 400 clientes. Não é projeção nem piloto — é uma operação rodando, com um número público e verificável, contado pelo próprio empresário.

Antes de começar, um compromisso de honestidade: o número público deste case é um só — 400 clientes gerenciados por um agente de IA. Você não vai encontrar aqui métricas intermediárias inventadas para engordar a narrativa. O que este artigo entrega é o que costuma faltar nos cases de IA: a anatomia — qual era o problema, como o desenho foi feito, o que o agente executa, o que ficou com os humanos e o que tudo isso ensina. As fases narradas são o desenho do método de IAficação aplicado a esse tipo de operação.

IAficação: o método que estrutura implementações como esta →

O problema: a matemática do acompanhamento de clientes

Gestão de carteira tem uma matemática cruel. Cada cliente exige acompanhamento — comunicação recorrente, atenção à rotina, resposta quando algo foge do padrão. Um humano tem um teto de carteira: a partir de certo volume, ou a qualidade do acompanhamento cai, ou a empresa contrata mais gente. Crescer, nesse modelo, significa aumentar o custo de servir na mesma proporção da receita.

O sintoma aparece antes da planilha denunciar: clientes menores vão ficando sem atenção, o acompanhamento vira reativo — só acontece quando o cliente reclama — e o tempo do time é consumido pela rotina, sobrando pouco para o trabalho que de fato segura e expande contas: relação, exceção, oportunidade. É o desenho típico do problema em qualquer operação com centenas de clientes ativos — e era, em essência, o desafio da operação de Geraldo Maciel.

O desenho: o que o agente faria — e o que não faria

A parte mais importante de um case como este não é a tecnologia — é o desenho que vem antes dela. O desenho típico desse tipo de implementação, no método da dn.ia, envolve quatro fases:

1. Diagnóstico — mapear como o acompanhamento de clientes acontece de verdade: quais interações se repetem, onde o tempo humano é consumido, o que é rotina e o que é exceção. É aqui que se descobre se a função tem volume suficiente para justificar um agente.
2. Escopo do agente — definir com precisão o que o agente executa (a rotina de acompanhamento e comunicação em escala) e, tão importante quanto, o que ele não decide: exceções, negociações e casos sensíveis são escalados para o humano.
3. Governança — antes de o agente operar, a função ganha um dono humano, regras claras e padrões de qualidade. Agente sem dono não é eficiência; é risco operacional.
4. Operação assistida — o agente assume o volume gradualmente, com supervisão humana ajustando contexto e padrão. O volume só cresce depois de a qualidade se provar no padrão definido.

Repare no que esse desenho evita: o erro clássico de “ligar a IA” de uma vez sobre toda a carteira e torcer. Cada fase existe para responder uma pergunta antes de avançar — há volume? o escopo está claro? quem responde? a qualidade se sustenta? É a diferença entre implementar e improvisar, detalhada no guia completo de implementação de IA.

Implementação de IA: o guia completo para empresas →

A operação: agente no volume, humano no comando

Com o desenho de pé, a operação assume a forma que dá título a este artigo: o agente de IA sustenta a rotina de acompanhamento de uma carteira de 400 clientes. “Gerenciar”, aqui, tem escopo definido — a comunicação recorrente e as rotinas de gestão que antes consumiam o tempo humano —, e tem também limites definidos: o que foge do padrão sobe para o humano.

E o humano? Essa é a metade do case que os números não contam. O tempo que a rotina consumia passa a ser investido no trabalho que só gente faz: cuidar das exceções que o agente escala, aprofundar relações com os clientes que pedem atenção, olhar para expansão em vez de apenas para manutenção — e supervisionar a qualidade do próprio agente, ajustando contexto e padrão. O papel não desapareceu; mudou de altitude: de executor da rotina para gestor da relação e da função. É o mesmo movimento descrito em IA no atendimento ao cliente, aplicado à gestão de carteira.

IA no atendimento ao cliente: como estruturar →

O relato de quem viveu a mudança vale mais do que qualquer descrição de método — o próprio Geraldo Maciel conta a história.

Assista ao depoimento em vídeo de Geraldo Maciel ↗

O número — e o que ele significa

400 clientes gerenciados por um agente de IA. O que esse número diz: a capacidade de acompanhamento deixou de ser função do headcount. Uma carteira desse tamanho, no modelo tradicional, exigiria contratar e coordenar um time proporcional — e cada novo salto de crescimento repetiria a conta. Com a função operada por agente, a empresa cresce a carteira sem crescer o custo de servir no mesmo ritmo.

O número tampouco está sozinho no conjunto de evidências: na operação de Mateus Aleixo, o atendimento de mais de 60 clientes foi automatizado; na de Victor Barreto, a conversão comercial subiu 28%. Contextos diferentes, mesmo padrão de desenho — volume identificado, escopo definido, humano no comando. É esse padrão, mais do que qualquer número isolado, que sustenta a tese: a função certa, operada por agente, muda a economia de uma área inteira.

E o que o número não diz — porque honestidade também é método: ele não afirma que todo cliente virou promotor, nem que a operação ficou perfeita, nem que qualquer empresa alcançará o mesmo múltiplo. Diz algo mais útil: que uma função inteira de gestão de carteira, com volume real, pode ser executada por um agente com escopo, dono e governança — hoje, em uma empresa brasileira, fora do laboratório.

O que este case ensina sobre CS com agentes

Cinco aprendizados generalizáveis, do específico para o estrutural:

• Volume é o critério da primeira função. O agente entrou onde a repetição era maior — não onde a tecnologia era mais impressionante. Case bom começa pela fila mais longa.
• O escopo negativo importa tanto quanto o positivo. Definir o que o agente não decide — exceções, negociações, casos sensíveis — é o que torna o escopo confiável para o cliente e para o time.
• Governança vem antes da operação. Dono humano, regras e padrão de qualidade definidos antes de o agente assumir volume. A ordem inversa é a origem da maioria dos fracassos com IA.
• O agente não tira o humano do CS; muda o seu papel. De executor de rotina para gestor de relação, exceção e qualidade — o trabalho que de fato retém e expande contas.
• Capacidade se desacopla de headcount. Quando a rotina é executada por agente, crescer a carteira deixa de significar contratar na mesma proporção — e essa é a mudança econômica que justifica todo o desenho.

Um último aprendizado, sobre o próprio formato: este case é um entre vários — cada operação encontra a sua função de maior volume, e é ela que define onde o primeiro agente entra. Quem quiser ver o padrão se repetir em outros contextos encontra mais exemplos de agentes de IA operando em empresas reais.

Mais exemplos de agentes de IA em empresas →

A anatomia completa cabe em uma frase: um problema com matemática clara, um desenho com escopo e governança, uma implementação em fases e um humano que subiu de papel. O número — 400 clientes — é a consequência visível. O método é a parte replicável.