A camada comercial invisível: como uma IA estruturou R$ 345 mil no WhatsApp sem digitar um pedido
A Marcela é uma agente de IA que trabalha no WhatsApp de uma operação de salgados, monta pedidos estruturados e ajudou a segurar um pico de +80% de demanda na Copa do Mundo 2026.
1 · O problema
O atendimento recebia pedidos por WhatsApp em alto volume — texto, áudio, dúvidas de cardápio, quantidade, retirada, entrega, kits e encomendas. Em dias normais já exigia atenção humana constante. Em picos de demanda, o WhatsApp virava gargalo: resposta lenta, pedido perdido, cliente desistindo, equipe sobrecarregada e a produção recebendo informação incompleta. O problema não era "responder mensagem", era manter uma operação comercial inteira funcionando dentro do chat.
2 · A virada
A virada foi entender que o produto não era "um chatbot mais educado", e sim uma camada comercial-operacional: uma IA que assume a etapa mecânica e repetitiva (tirar dúvida, montar pedido, calcular subtotal, tentar upsell) e só escala pra humano em exceção. Isso trocou a pergunta de "como respondemos mais rápido" para "como estruturamos a demanda automaticamente" — e foi isso que, na prática, revelou o próximo gargalo real do negócio: não era mais atendimento, era capacidade de produção.
3 · A solução
Um agente de IA em produção, rodando em loop próprio de uso de ferramentas (não é fluxo de árvore de decisão nem framework tipo LangGraph), integrado ao WhatsApp via Chatwoot (AgentBot com webhook assinado). O agente usa Claude (via Amazon Bedrock) como modelo principal e um sub-agente mais leve para busca no cardápio, com 9 ferramentas especializadas para consultar produtos, montar pedido, calcular subtotal, oferecer upsell e disparar handoff. Todo o estado do pedido é persistido em Postgres como JSON estruturado (itens, quantidades, subtotais, forma de entrega/pagamento), com log de eventos operacionais completo. Cada turno de conversa gera um trace de observabilidade (Langfuse) para acompanhar qualidade e custo. A IA nunca finaliza o pedido sozinha: monta um resumo, exige confirmação explícita do cliente e faz handoff estruturado (nota interna + JSON) para um humano fechar.
4 · Resultados
Na janela operacional analisada até 01/07/2026: • 11.123 conversas atendidas pela IA • 2.383 pedidos estruturados • R$ 345.188,55 em pedidos estruturados • R$ 207.514,75 em pedidos confirmados na própria base • 7.648 itens adicionados aos pedidos • 91 upsells aceitos • 29.286 eventos operacionais registrados Durante a Copa do Mundo 2026 (comparando 20 dias antes vs. 20 dias de Copa, no WhatsApp de vendas): conversas +80% (2.001 → 3.610), mensagens de clientes +70% (12.834 → 21.832), pico de atendimento pela IA saltando de 165 para 389 conversas/dia — sem quebrar. A IA absorveu o choque mecânico do pico de demanda; o gargalo que sobrou foi produção/capacidade operacional, não mais o WhatsApp.
5 · Próximos passos
A visão é evoluir a IA de atendente para uma camada completa de revenue ops: prever o próximo gargalo operacional antes que ele aconteça (produção, estoque, capacidade por horário), permitir que regras de negócio — preços, promoções, políticas de entrega — sejam editadas sem alterar código, e tornar a IA agnóstica de provedor de modelo, para não depender de um único fornecedor de LLM conforme a operação escala.