Qualificação de leads com IA: como o processo funciona

Gestores comerciais me pedem para explicar a qualificação de leads com IA sem virar tutorial de script nem vitrine de chatbot. Eu não descrevo um número no CRM, pois o closer recusa o lote e o funil mente. Percebi, em diagnósticos brasileiros, que o processo de qualificação só existe quando os critérios no CRM estão escritos e o SQL que o closer aceita ganha identificador. Marketing que marca oportunidade sozinho infla dashboard, no entanto a mesa paga na call. Portanto este texto é o que é o processo: o que a IA avalia, quando vira SQL de verdade e o que o humano ainda julga.

Não ensino roteiro inbound, não recorto o job no funil e não explico como ligar campo e ferramenta. Escrevo em primeira pessoa de implementação contratada: o que eu desenho, o que recuso e o que o closer herda quando a ficha chega com ID. Sistema de registro é o CRM comercial — Pipedrive, RD Station, HubSpot ou Salesforce — porque ticket de helpdesk não é deal. Em suma, se o closer devolve o que o marketing chamou de SQL, você não qualificou: inflou o funil.

Qualificar com IA não é um número no CRM

Papel do agente no funil — quem prospecta, quem qualifica, quem entrega ao closer — já está em o que um agente de IA faz no time comercial. Não vou redefinir o job, pois aquele recorte cobre o dia a dia da mesa. Daqui para baixo o tema é o processo de qualificar: o que entra na ficha, quando o rótulo SQL vale e o que o humano ainda recusa. HubSpot, no guia de qualificação de vendas atualizado em 24 de junho de 2026, separa score (quantitativo) de qualification (qualitativo). Rotulo a fonte: é vendor, não auditoria da sua base. Número prioriza a fila, mas não decide se o closer deve gastar a hora.

Score prioriza; qualificação decide se o closer deve gastar a hora

Score responde quem eu atendo primeiro. Qualificação responde se este lead merece a hora do closer. Confundir os dois é o atalho que a SERP brasileira mais vende: modelo preditivo, pontos, “IA no scoring”. Eu recuso chamar isso de processo de qualificação, porque o closer continua devolvendo o lote. Quando a gente senta com o comercial, a reclamação não é falta de pontos: é ficha que não sobrevive à primeira revisão. Por isso o teste útil não é a faixa A1. Teste útil é o SQL que o closer aceita.

Pontos em cargo, porte, abertura de e-mail e visita a página servem para ordenar. Não servem para criar oportunidade sozinhos, no entanto o workflow de marketing faz exatamente isso. Recomendo tratar o número como priorização, então a decisão qualitativa fica em outro campo. Closer que vê “85” sem motivo ignora o sistema, pois número sem frase não discute. Dessa forma a hora cara da mesa não se gasta em lead que só abriu newsletter.

Hora do closer é o recurso escasso da operação, porque discovery e comitê não escalam no mesmo ritmo do formulário. Fila inchada de “quase SQL” treina o AE a desconfiar de qualquer rótulo. Eu recuso scorecard que premia volume marcado e ignora aceite. Operação madura mede o que sobrevive à primeira revisão, portanto o número no CRM volta a ser ferramenta, não tese. Processo de qualificação existe para proteger essa hora, não para decorar o dashboard.

O processo cabe no CRM de vendas que vocês já usam

Processo de qualificação mora no CRM de vendas que vocês já usam, não num painel paralelo. Pipedrive, RD Station, HubSpot e Salesforce são o sistema de registro deste artigo. Helpdesk não entra, porque no suporte o registro é o ticket; aqui é o CRM de vendas. Lead entra por formulário, WhatsApp, site ou indicação, então a ficha precisa existir com ICP, origem e etapa. IA lê fit, intenção e etapa. Escreve score ou, melhor, ficha com motivo e ID. Fila de aceite recebe o caso. Closer aceita e vira SQL, ou devolve com motivo.

Campo vazio vale zero. Texto livre no chat não é critério, ou seja, o modelo inventa se a picklist não existe. Eu recuso desenho em que a “qualificação” acontece só na conversa e o CRM continua igual. Sem ID de lead ou de atividade, a tarefa não aconteceu. Desse modo o processo cabe na ferramenta que o time já abre de manhã, não num transcript que some no grupo.

O que este texto não é (SDR inbound, job do agente, how-to de implantar)

Pré-qualificação inbound com BANT e FIT já está em pré-qualificação inbound com BANT/FIT — uma frase: aqui critério vira campo, não interrogatório. How-to de implantar campo, ferramenta e writeback não é este TOFU, porque o gestor precisa reconhecer o processo antes de ligar o stack. Definição geral de runtime mora em o que é um agente de IA, fora deste recorte. Landing que promete “cinco minutos, sem código” descreve chatbot batizado, não o processo que eu desenho.

Recuso esse prazo como honestidade de implantação, pois homepage séria fala em piloto em semanas e resultado mensurável em 60 a 90 dias. Gestor que busca a keyword literal encontra exatamente essa vitrine. Não copio o recorte: BANT como artigo inteiro, chatbot como qualificador, “IA melhor que SDR”. Em suma, este texto explica o que reconhecer na mesa. Não ensina a construir o agente nem o script da primeira call. Reconhecer o processo evita comprar a fusão, então o piloto começa no critério, não no tom de voz.

Os critérios que o processo avalia no CRM

Qualificação de leads com IA só avalia o que o CRM já sabe nomear. Quatro critérios entram na ficha: ICP em picklist, fit, intenção e etapa — e o aceite fecha o ciclo. Não é BANT desenhado em tabela. Quando o campo não existe, o modelo completa com fluência e o closer herda lixo. Por conseguinte eu começo pela enumeração, não pelo prompt.

Os quatro critérios no mapa

ICP vira picklist — porte, setor, geo, produto (não um parágrafo no prompt)

ICP que mora num parágrafo de prompt envelhece na primeira reunião. Porte, setor, geo e produto de interesse precisam de valores enumerados, porque “empresa boa” não é dado. RD Station, na ajuda de Lead Scoring, calcula perfil alfabético A–D por peso de campos — cargo, estado e afins — e campo vazio vale zero. Rotulo: é doc de produto, não norma da sua PME. Ainda assim o recorte serve: no CRM brasileiro mais comum, qualificar começa em picklist ponderada, não em discurso.

Prompt eloquente não substitui a lista. Eu recuso kickoff em que o ICP ainda é “a gente conhece quando vê”, pois amanhã o SDR usa outro critério. Recomendo gravar os valores com dono comercial e data, então a IA lê o mesmo documento que a mesa. Qualificação de leads com IA sem enum inventa fit. Dessa forma o closer para de discutir feeling e passa a discutir o valor que faltou na ficha.

Não ensino a criar o campo no Pipedrive nem a peso de cada opção no RD, porque isso é implantação, não definição do processo. Gestor precisa reconhecer o sintoma: se porte ainda é texto livre, a IA vai completar. “Achei que era enterprise” não é valor de picklist, no entanto aparece em transcript o tempo todo. Enum curto vence parágrafo longo. Dono comercial versiona a lista quando o mercado muda, então o critério não fica no Slack.

Fit não é intenção: perfil A não compra se só abriu e-mail

Fit diz se o lead se parece com quem já compra. Intenção diz se há sinal de compra agora. Misturar os dois produz o falso SQL clássico: perfil A que só abriu e-mail. HubSpot, na base de conhecimento do lead scoring (14 de agosto de 2026), separa engagement (ações), fit (demografia e propriedades) e combined. Combined gera faixas A1–C3: letra é fit, número é engagement. A1 é prioridade, mas A1 não é SQL aceito.

RD Station soma interesse em ações — e-mail, fluxo, landing — uma vez por critério. Abrir newsletter não é pedido de proposta, ou seja, comportamento de topo não vira conversa de closer. Eu recuso workflow que promove para SQL no clique do terceiro e-mail, porque a mesa herda curiosidade, não compra. Preço, demo e pedido de proposta são intenção de fundo. Perfil A sem esses sinais continua MQL, no entanto o dashboard prefere a vaidade do avanço automático.

Etapa é um campo de verdade (MQL/SQL/stage ID), não um apelido no chat

Etapa precisa de identificador de lifecycle ou de stage no CRM de vendas. Apelido no WhatsApp — “tá quente”, “manda pro João” — some no dia seguinte. HubSpot, na KB de scores com IA, treina o modelo na mudança de etapa (por exemplo de MQL para SQL numa janela), portanto o próprio vendor admite: o preditivo aprende transição de campo, não apelido de sala. Sem stage ID, você não tem processo. Tem conversa.

Ticket de helpdesk também não é etapa comercial. Contato que pede suporte disfarçado de orçamento não entra como MQL novo, pois a rota muda. Eu recuso funil em que o comercial marca “SQL” no grupo e o Pipedrive permanece em lead. Quando a etapa não viaja com o ID, o closer repregunta e o nurture some. Por isso a ficha carrega a etapa real. Texto no chat não substitui o campo.

Lifecycle e stage ID precisam ser os mesmos para marketing e vendas, ou seja, um vocabulário só. Apelido de sala cria dois funis invisíveis. Recomendo recusar go-live em que “SQL” ainda é status de conversa. Relatório de etapa mente quando o campo é livre. Desse modo o processo de qualificação fica auditável no CRM que o time já abre, não no grupo do WhatsApp interno.

Higiene dos campos vem antes da IA — e o aceite é o quarto critério

Salesforce State of Sales 2026 — survey duplo-anônimo, n=4.050, campo agosto–setembro de 2025, 22 países inclusive o Brasil, reuse do recorte já aberto no artigo do job — traz plumbing que eu uso no kickoff: 51% dos líderes com IA dizem que sistemas desconectados atrasam iniciativas; 74% focam data cleansing. Trato os dois como survey de vendor, rotulado, não como ROI de PME. Quote de Alfano no anúncio da State of Sales 2026 resume o risco: agentes isolados sem contexto do cliente tendem a falhar. Higiene dos campos é o teto, então, não o tamanho do modelo.

Aceite é o quarto critério da qualificação de leads com IA: o closer (ou o SDR com SLA) assume a ficha ou devolve com motivo. Sem esse portão, ICP, intenção e etapa só alimentam um threshold. Consentimento do titular entra numa linha da ficha — origem e finalidade — e o detalhe jurídico vai para a conclusão. Preditivo em cima de picklist podre escreve lixo mais rápido, contudo o slide continua chamando isso de inteligência. Recomendo arrumar o enum antes de ligar qualquer score. Plumbing ruim não se resolve com modelo maior, porque o contexto do cliente mora no CRM conectado, não no prompt.

MQL, SQL e o SQL que o closer aceita

Vocabulário da qualificação de leads com IA só funciona se o time concordar o que cada rótulo autoriza. MQL ainda é marketing. SQL é conversa de vendas. Entre os dois existe o aceite — o SQL que o closer aceita de verdade. HubSpot e RD Station descrevem o mesmo portão com nomes diferentes. Eu uso os dois como vendor, porque o conceito importa mais do que a sigla.

Três portões até o SQL

MQL é interesse com fit — ainda é marketing

HubSpot, no texto MQL versus SQL atualizado em 31 de julho de 2026, descreve MQL como interesse com fit, ainda em pesquisa. SQL seria o lead pronto para conversa de vendas — ICP, sinal de compra, autoridade. Rotulo: vocabulário de vendor. Não uso os percentuais de conversão MQL→SQL que a página chama de “industry data” sem primário visível. RD Station, no guia de eficiência marketing e vendas (revisão de março de 2026), diz o mesmo em português de operação: MQL é perfil mais comportamento com potencial de compra.

Marketing ainda nutre o MQL. Não é falha. É o desenho. Eu recuso a pressa de “passar tudo para vendas” no terceiro download, pois a fila do closer vira lixo educado. Recomendo critério compartilhado: o que é MQL neste trimestre, quantos cabem no SLA, quando vendas pode devolver. Sem isso o relatório de volume mente. Portanto MQL alto não é pipeline. É fila de marketing com fit.

SQL sem aceite é vaidade de funil (a frase-teste)

SQL, no mesmo guia RD, é o MQL validado por vendas como oportunidade real. HubSpot, no guia de qualificação já citado, diz que formulário sozinho não basta: SQL pede toque (call, chat ou e-mail) que valide a prontidão. Score que cruza 60 pontos e vira oportunidade automática é o anti-exemplo — o próprio checklist de vendor ensina o atalho que eu recuso. Frase-teste desta qualificação de leads com IA cabe aqui, então: se o marketing (ou o bot) marca SQL sozinho e o closer recusa, isso não é qualificação.

Dashboard verde com SQL recusado é vaidade. Closer descobre na call que o contato pedia suporte, ou que o porte estava errado, ou que já existia oportunidade aberta. Eu trato isso como defeito do processo, não como “falta de treino do AE”. Quando o rótulo SQL não sobrevive à primeira revisão, o critério não está escrito. Ou está escrito e o workflow ignora. Por isso eu não celebro volume de SQL marcado. Celebro SQL aceito.

Marketing que marca sozinho no threshold de pontos está fazendo o que o software permite, mas não o que o processo pede. Ferramenta não é política. Eu recuso checklist de “60 pontos viram oportunidade” como definição de SQL, porque a frase-teste mata exatamente esse atalho. Closer que recusa o lote está devolvendo o critério para a mesa, então o conserto é o enum e o SLA, não um pep talk. Funil honesto prefere menos SQL e mais aceite.

SAL é o nome de mercado do aceite

HubSpot chama de SAL o portão entre MQL e SQL: o time de vendas revisa o que o marketing gerou e aceita que cumpre o mínimo — ICP, contato válido, intent, sem oportunidade aberta. Se não cumpre, devolve ao marketing com motivo. Esse loop de qualidade é o SQL que o closer aceita, em linguagem de mercado. Não copio tabela de BANT, MEDDIC ou GPCT daquela página, porque o roteiro inbound já tem casa própria. Aqui o que importa é o aceite visível no CRM.

SLA responde quatro coisas, ou seja: o que é MQL, quantos por mês, em quanto tempo vendas faz o primeiro contato, quando pode devolver. Ignorar o lote não é aceite. Deixar apodrecer na fila também não. Recomendo um campo de decisão — aceito / devolvido — com motivo enumerado, então o marketing corrige a origem em vez de adivinhar no grupo. Sem o campo, o “não gostei” some e o mesmo lead volta na semana seguinte. Contudo o relatório continua bonito.

Devolver com motivo é parte do processo, não falha do comercial

Devolução com motivo é higiene, não briga. Fora de território, ficha incompleta, oportunidade aberta, “não é o ICP que combinamos”: cada um vira valor de picklist. Marketing que recebe o motivo ajusta a captura. Comercial que devolve sem motivo só treina o ressentimento. Eu recuso operação em que a recusa mora no WhatsApp interno, pois amanhã ninguém acha o histórico. Gravado no CRM, o motivo alimenta o critério. Falado no corredor, some.

Closer que devolve o lote inteiro está falando do critério, não da “IA ruim”. Loop de qualidade existe para isso. Quando a gente senta com as duas mesas, o exercício útil é ler cinco fichas devolvidas, não discutir prompt. Em suma, SQL que o closer aceita é o único SQL que paga a hora. Resto é MQL com nome errado. Processo de qualificação inclui a devolução. Excluir a devolução do desenho é pedir funil inchado.

Score versus um agente que grava um ID

Diferença central da qualificação de leads com IA não é o modelo. É o artefato. Score produz número ou faixa. Agente de qualificação produz registro: etapa, motivo, dono e ID. Priorizar a fila não cria oportunidade. Entregar ficha que o closer não recusa, sim. Sem ID, você tem conversa. Com ID e sem aceite, você tem teatro de funil.

Número versus ficha com ID

O score (A1, perfil A, 0–100) não cria oportunidade sozinho

A1, perfil A e 0–100 são propriedades úteis em segmento, relatório e ordem da fila. HubSpot deixa claro na KB já citada: o score vira propriedade usável em workflow — não substitui o aceite. Lista Inteligente que ranqueia probabilidade também é score, mesmo quando a interface chama de IA. Threshold que dispara “criar oportunidade” é o erro da frase-teste com outra roupa. Eu recuso esse atalho no diagnóstico, porque o closer vai devolver e o marketing vai achar que vendeu alinhamento.

Número sem frase o closer ignora. Número com frase e sem ID some no chat. Recomendo o score como ordenação, então a promoção de etapa espera o portão humano (ou o SLA de aceite escrito). Workflow pode notificar. Não deveria gravar SQL sozinho. Porém muita operação faz exatamente isso e chama o volume de ganho. Processo honesto separa prioridade de decisão.

Eddie Reynolds, citado no guia HubSpot de qualificação já linkado, resume o ponto que eu uso no kickoff: scoring não é “set and forget”; itera até o vendedor dizer que os leads convertem. Rotulo a voz: está na página do vendor, não é auditoria da sua base. Iterar o peso sem o aceite visível só muda o número que o closer já ignora, pois a confiança não volta por decimal. Por conseguinte o artefato que eu cobro no diagnóstico é a ficha com ID, não a faixa colorida.

O agente lê o critério, escreve a ficha e deixa o aceite com gente

Agente de qualificação lê ICP, intenção e etapa, escreve a ficha e deixa o aceite com gente. Motivo em linguagem natural viaja junto, porque “85” não discute e “fora de porte, território Sul, sem pedido de demo” discute. ID de lead ou de atividade é a prova no CRM de vendas. Sem esse identificador, a qualificação de leads com IA não aconteceu: aconteceu um diálogo. Fila de aceite recebe o caso. Closer assume ou devolve. SQL nasce depois.

Regra determinística no ICP, modelo na extração e na justificativa: essa divisão evita o score que oscila no mesmo lead. Eu recuso LLM sozinho decidindo SQL, pois o mesmo contato ganha notas diferentes em turnos diferentes. Recomendo política versionada com dono, então o runtime não completa tabela com fluência. Closer herda a ficha, não um parágrafo. Dessa forma o juízo humano começa onde deve — no aceite — e não na digitação do CRM.

Preditivo pede histórico; regra + picklist é o começo honesto

Scores com IA no HubSpot Marketing Hub Enterprise pedem amostra mínima de 50 contatos, 25 convertidos e 25 não convertidos. Rotulo: piso de produto Enterprise, 14 de agosto de 2026, não norma de PME brasileira. Exemplo da própria KB usa transição de etapa (MQL → SQL) numa janela. Humano ainda revisa e liga os critérios que o modelo sugere. Preditivo sem higiene acelera o lixo, no entanto o comercial da vitrine vende “IA que aprende sozinha” como ponto de partida.

PME sem histórico limpo começa em regra mais picklist. Não é atraso. É honestidade. Eu recuso piloto que espera o modelo “descobrir o ICP” em cima de campo vazio, porque campo vazio já valia zero no RD. Quando a base nem distingue perfil de intenção, o preditivo só copia o viés. Por isso o começo honesto é enum, SLA de aceite e ID. Aprendizado de transição vem depois, com amostra que o closer já não recusa em massa.

Won e lost precisam voltar para o critério, ou seja, o peso do ICP desvia se ninguém grava o desfecho. Loop de qualidade não é fancy: é o closer marcar por que ganhou ou perdeu, e o dono do enum revisar. Sem isso, em poucos meses a picklist mente com cara de dado. Recomendo o feedback no mesmo CRM de vendas, então não nasce uma planilha paralela. Modelo preditivo em cima de won/lost podre só acelera o viés, no entanto o slide chama isso de aprendizado.

O vendor de score já descreve o agente que escreve no CRM

HubSpot Breeze Assistant, na documentação de 23 de julho de 2026, traz o prompt canônico: criar um agente que qualifica cada contato novo contra o ICP antes de o representante ver. Agent Builder (24 de julho de 2026) lista action de escrever nos registros do CRM e knowledge que inclui ICPs. Rotulo os dois como vendor. “Minutos” e self-serve daquele builder não são o prazo de uma implantação contratada. Recorte que me interessa é outro: o próprio fabricante de score admite o passo seguinte — qualificar contra ICP e escrever no CRM.

Como isso se liga no CRM — campos, tools, writeback — está em como isso se liga no CRM (campos, tools, writeback). Não ensino a implantar aqui. Este TOFU para na distinção: score prioriza; agente grava ID; closer aceita. Builder nativo vale se o sistema de registro do leitor já é aquele CRM. Maioria da mesa brasileira nesta keyword está em Pipedrive ou RD Station, portanto o builder de outro vendor não atravessa o stack. Em suma, reconhecer o artefato vem antes de escolher a vitrine.

Chatbot, copiloto e agente no papel de qualificar

Tríade chatbot versus copiloto versus agente já está em chatbot vs copiloto vs agente; aqui aplico o mesmo recorte só à qualificação de leads com IA, não ao atendimento. Chatbot pergunta no canal. Copiloto sugere a ficha. Agente grava ID e põe na fila de aceite. Confundir os três é o que a SERP faz quando batiza o menu de qualificador. Eu recuso a fusão, porque o CRM denuncia o modo real na manhã seguinte.

Três modos na qualificação, no mapa

Chatbot pergunta; o CRM continua vazio (ou vira texto livre)

Chatbot de qualificação faz quatro perguntas no WhatsApp ou no site e encerra o turno com um “já anotei”. CRM não muda, ou ganha um bloco de texto livre que ninguém filtra. Isso não é processo. É recepção. Detalhe de o canal WhatsApp na operação fica no guia do canal — aqui o canal só entrega o envelope. Vitrine de “cinco minutos sem código” descreve exatamente esse chatbot batizado. Não linko a peça: o recorte é o anti-ângulo.

Pergunta sem picklist produz parágrafo. Parágrafo não vira stage ID, pois o closer não busca SQL dentro de um balão. Eu recuso chamar isso de qualificação, então o teste continua sendo o campo. Menu bem desenhado ainda serve para intenção curta. Não vira SQL porque ganhou fluência no final. Quando o Pipedrive, o RD, o HubSpot ou o Salesforce permanecem iguais, a tarefa não aconteceu. Por isso o chatbot pode viver na porta. Não vive no rótulo SQL.

SERP da keyword está cheia desse modo: conversa 24/7, quatro campos, alerta ao rep, “já qualificou”. Alerta sem ficha é barulho. Conversa sem etapa é recepção educada. Eu recuso a tese de que fluência substitui aceite, porque o closer continua na call descobrindo o óbvio. Canal curto ajuda a capturar intenção, mas a prova continua no CRM comercial. Dessa forma o chatbot deixa de ser o artigo inteiro e volta a ser a porta.

Copiloto sugere a ficha; o humano marca a etapa

Copiloto resume a conversa, sugere um score e aponta o próximo passo. Humano marca a etapa e aceita. Esse modo é útil no juízo: o closer vê a ficha proposta e decide. Priorização inteligente e next-best-action cabem aqui, ou seja, ajuda, não assina o SQL. Eu uso copiloto onde a confiança ainda é baixa, porque o erro de etapa custa pipeline duas vezes. Agente autônomo espera amostra que o closer já não recusa em massa.

Rascunho sem writeback continua copiloto. Recomendo deixar explícito quem clica em “aceitar”, então o SLA não se perde no modelo. SDR pode ser a pessoa do aceite no primeiro portão, com política escrita. Closer entra no juízo que a política não cobre. Contudo o slide da vitrine empurra autonomia total no dia 1. Recuso cobertura teatral. Copiloto honesto já reduz digitação sem inflar SQL.

Agente grava ID + motivo e põe na fila de aceite

Agente no papel de qualificar lê o critério, grava ID, grava motivo, move para a fila de aceite. SQL só depois do closer — ou depois do SLA de aceite, se a mesa combinou esse contrato. Sem ID, a peça volta a ser chatbot, por mais que o nome comercial diga agente. Qualificação de leads com IA, neste modo, é ficha auditável. Não é diálogo convincente. Fila humana recebe transcript, o que faltou e o motivo da sugestão, portanto o closer não repregunta o CNPJ.

Política que o agente não cobre vira transbordo, não improviso. Fora de ICP vira recusa com motivo, para o marketing não reabrir o mesmo caso. Eu recuso runtime que confirma “já qualifiquei você” antes do identificador nascer. Frase vem depois do campo. Homepage que descreve qualificar pelo critério da empresa e só então puxar o SDR acerta a ordem, mas o critério continua sendo o de vocês, não um BANT genérico. Em suma, o modo agente existe para entregar o SQL que o closer aceita, não para marcar o rótulo sozinho.

O que o humano ainda julga

Qualificação de leads com IA reduz a fila ruim. Não fecha o juízo. Closer continua no fechamento — discovery, comitê, contrato — e o mapa desse assento já está em o que um agente de IA faz no time comercial; não reconto o funil. Gartner, em previsão de 28 de julho de 2026 — reuse do recorte já aberto no artigo do job — projetou agents superando sellers em 10 vezes até 2028, e ainda assim menos de 40% dos sellers dirão que isso melhorou a produtividade. Trato 10-to-1 como forecast, não como KPI de 2026. Mais score e mais bots não produzem mais SQL aceito.

Comitê, exceção e “quero gente” não são job de score

Comitê de compra, exceção de preço e “quero gente agora” não cabem em faixa A1. Contrato, jurídico e risco político também não. Score pode avisar que o fit é alto. Não assina desconto fora da tabela. Eu recuso desenho em que o runtime promete condição especial com cara de decisão, porque o comprador brasileiro printa a resposta. Relacionamento continua humano. Volume repetitivo — triagem, ficha, fila de aceite — é o que sai da mesa. Juízo fica.

Pedido explícito de humano é gatilho, não humilhação do modelo. Confiança baixa também escala. Recomendo lista curta no teto: desconto, comitê, contrato, “quero gente”, ficha incompleta demais para o SLA. Lista eterna vira slide. Lista curta vira política. Quando o contato pede gente no mesmo fôlego, gente entra. Processo de qualificação não disputa esse pedido. Encaminha com a ficha já preenchida, então o closer não começa do zero.

Se o closer recusa o lote, o critério está errado — não o modelo

Closer que recusa o lote está auditando o critério. Trocar o prompt sem mexer na picklist só muda a fluência do erro. Eu leio a taxa de devolução com motivo como saúde do processo, não como sabotagem do comercial. Fora de ICP, território e ficha incompleta deveriam ser recusa cedo, feita pelo próprio runtime, para não queimar a hora. Recusa tardia na call é o critério que ninguém escreveu. Por isso override em massa não se resolve com “modelo maior”.

Cinco fichas recusadas ensinam mais do que um dashboard de score. Recomendo sentar marketing e vendas em cima do motivo enumerado, então o enum muda de verdade. Se o closer ignora a ordem do score, o número perdeu confiança — ou nunca teve. Recalibrar o ICP é o trabalho. Empilhar mais bot é o atalho. No entanto o atalho é o que a vitrine vende. Processo honesto aceita a recusa como dado. Esconde a recusa, e o funil mente de novo.

Override em massa é o sinal mais barato que o piloto oferece. Quatro em cada dez fichas devolvidas, na prática que eu vejo em diagnóstico, não pedem um modelo novo: pedem porte, território ou produto reescritos. Percentual aqui é ilustração de mesa, não estatística de mercado. Eu recuso “mais prompt” como resposta, pois o prompt não versiona o ICP. Dono comercial altera o enum. Runtime passa a ler o documento novo. Por isso o juízo do closer alimenta o processo, em vez de ser tratado como ruído.

Identificar que é IA e guardar o motivo da recusa

Identificar que é IA na primeira interação útil é qualidade, não rodapé. Contato que rejeita automático encontra a porta para gente. Motivo da recusa — fora de ICP, ficha incompleta, oportunidade aberta — fica no CRM, porque o titular pode perguntar o critério e o comercial precisa do histórico. Eu recuso persona que finge carne no canal comercial. Transparência reduz o print na diretoria e reduz a briga interna sobre “quem queimou o lead”.

Caminho para humano visível no mesmo fôlego evita o beco do menu eterno. Guardar o motivo também alimenta o loop do critério, pois sem o campo a mesa discute feeling. Detalhe do artigo 20 da LGPD vai para a conclusão, então aqui o ponto é operacional: identificação, recusa com motivo, handoff com ficha. Gartner 10-to-1, já rotulado, descreve o risco de enxame. Um processo com aceite vence doze chatbots sem ID. Desse modo o humano julga o que deve julgar, e a IA não esconde a decisão atrás de um nome próprio.

Conclusão

Qualificação de leads com IA é o processo que avalia critérios no CRM — ICP, intenção, etapa — e só chama de SQL o que o closer aceita, com ID na ficha. Score prioriza. Chatbot pergunta. Copiloto sugere. Agente grava. Humano ainda julga comitê, exceção e “quero gente”. Frase-teste, de novo: se o marketing (ou o bot) marca SQL sozinho e o closer recusa, isso não é qualificação. É funil inchado com nome novo.

Lead entra, campos existem, a IA lê fit e intenção, escreve ficha com motivo, o MQL segue com marketing ou vai à fila de aceite, o closer assume ou devolve. Picklist ausente faz o modelo inventar, pois o campo vazio já valia zero. Tarefa sem ID no CRM não aconteceu, então o transcript não prova SQL. Aceite que falta deixa o rótulo SQL como vaidade, no entanto o dashboard continua verde. Vendas no WhatsApp, automação de funil e achar lead em lista fria são outros textos; este recorte para no processo de qualificar. Piloto honesto nasce em semanas. Resultado se mede em 60 a 90 dias, não em cinco minutos.

Art. 20: a lei não exige pessoa natural

Titular tem o direito, no artigo 20 da Lei 13.709/2018 (redação da Lei 13.853/2019), de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses — perfil pessoal, profissional, de consumo, de crédito, de personalidade. Parágrafo 1º pede informações sobre os critérios. Parágrafo 3º foi vetado: a lei não exige revisão por pessoa natural. Score, recusa de SQL e “não é fit” afetam interesse; handoff humano continua sendo o controle operacional, não uma obrigação de carne no §3º. Identificar que é IA na primeira interação útil entra no desenho. Checklist está no guia de LGPD para agentes.

Lista de espera, não painel self-serve

Quem precisa de diagnóstico, implementação e operação assistida de Funcionários de IA no processo de qualificar — serviço contratado, não painel para configurar sozinho — encontra a lista de espera da BayAI. Eu desenho os critérios no CRM, o SLA de aceite e o scorecard de SQL aceito, pois operação assistida não é login DIY. Não vendo go-live em minutos, logo o piso continua sendo semanas e 60 a 90 dias. Em conclusão, compre o processo que o closer não devolve. Não compre um número no dashboard.

Perguntas frequentes