Zamesin montou um CRM pessoal com o Claude: 9000 pessoas do Telegram e 4000 dossiês em seis horas
Vanya Zamesin esquecia de responder às pessoas e perdia contatos indicados por conhecidos, então montou um CRM pessoal: uma base de contatos com dossiês e lista de tarefas. O Claude analisou a exportação das conversas privadas do Telegram, encontrou 9000 pessoas e, em seis horas, montou dossiês das 4000 mais importantes via LinkedIn e o serviço Apify. Tudo é controlado por um bot do Telegram conectado ao Claude, que roda no computador de casa. Qualquer fundador pode transformar o caos dos chats em uma lista de trabalho assim.
Processado por IA de TG: @zamesin (Ваня Замесин); editado por Hamidun News
Quem conversa muito no Telegram acumula centenas de diálogos com promessas pendentes, como «vamos marcar uma call essa semana», e indicações do tipo «fale com essa pessoa». A memória falha, e contatos importantes se perdem. O fundador da escola Boost, Vanya Zamesin, resolveu isso à sua maneira: montou sozinho um CRM pessoal, ou seja, uma base de contatos em que cada pessoa tem um dossiê e todas as pendências ficam reunidas em uma única lista.
O Claude (assistente de IA da Anthropic) analisou suas conversas e encontrou 9000 pessoas. Depois, em seis horas, montou dossiês das 4000 mais importantes por meio do Apify, serviço que faz scraping do LinkedIn. O sistema inteiro custou a assinatura do Claude, de US$ 200, mais US$ 30 no Apify.
Como foi montado
O primeiro passo é quase banal: o Telegram Desktop tem uma função para exportar todo o histórico de conversas, e Zamesin a usou. Em seguida, ele subiu um servidor e deu ao Claude a chave de API do Apify, para que o modelo pudesse coletar dados do LinkedIn.
Depois vem um detalhe importante, que costuma ser ignorado. Antes de processar qualquer coisa, Zamesin explicou ao modelo o seu contexto: quais são suas metas para entrar no mercado dos EUA e quais são as do negócio na Rússia. O Claude leu as sessões de trabalho e entendeu sozinho com quem estava lidando. Sem isso, «pessoa importante» continua sendo uma abstração; com o contexto, o modelo distingue o investidor certo de um conhecido qualquer.
Em seguida, o Claude recebeu a tarefa de ler todas as conversas privadas e listar as pessoas com quem o autor havia conversado ou que haviam sido indicadas a ele. Zamesin não analisou os grupos: há ruído demais neles. O resultado foram 9000 pessoas.
Dossiês de 4000 pessoas
Ninguém precisa de nove mil contatos de uma vez. Por isso, o autor primeiro definiu qual dossiê queria ter de cada pessoa e depois selecionou cerca de 4000 para as quais valia a pena montá-lo. O Claude, junto com o Apify, puxou informações de fontes abertas. O trabalho levou cerca de seis horas.
Para não consumir os limites, Zamesin rodou a tarefa no modelo leve Haiku, em modo medium, e não na versão mais potente. É uma boa prática: rotina em massa, em que basta extrair e consolidar fatos, não exige um modelo caro. Faz sentido reservar o modelo poderoso para tarefas complexas; para um pipeline de milhares de operações iguais, o leve dá conta.
Custo final: a cota semanal da assinatura do Claude, de US$ 200, e US$ 30 no Apify. O autor ficou dentro dos dois valores. CRMs prontos com enriquecimento de dados costumam cobrar por usuário ou por contato processado; aqui, a base saiu de uma assinatura que o autor já tinha, mais um pequeno extra pelo scraping.
Bot do Telegram como painel de controle
A interface é a parte mais bem resolvida. Zamesin criou um bot que encaminha mensagens para uma sessão do Claude no seu computador de casa, e essa sessão tem acesso ao CRM. O Telegram foi escolhido porque é o lugar mais fácil para encaminhar mensagens, anotações e áudios.
O próprio CRM tem uma tela «Hoje», que reúne todas as tarefas: para quem escrever e o que fazer. O autor envia ao bot novas tarefas ou dita o que quer: criar uma tarefa, encontrar pessoas, melhorar o CRM em si ou a sua lógica. O resultado é uma lista de afazeres única, na qual o Claude não só guarda os itens, mas também ajuda a cumpri-los.
O que levar em conta
O post é pessoal e sem detalhes técnicos: não traz esquema do banco de dados, código nem descrição de como o bot mantém a sessão. Não dá para reproduzir o sistema ponto a ponto a partir dele. Há também uma questão ética: coletar dossiês de milhares de pessoas a partir do LinkedIn e de conversas privadas esbarra na privacidade e, em muitos países, nas leis de proteção de dados pessoais. Além disso, tudo roda no computador de casa do autor, então o sistema depende de ele estar ligado.
O post termina com propaganda dos cursos Boost e Boost Pro, mas a receita não perde valor por isso: exportar seus próprios dados, explicar o contexto ao modelo, processar o volume com um modelo barato e guardar a assinatura cara para o diálogo. Se você é fundador, product manager ou vendedor com milhares de contatos «congelados», dá para montar esse modelo em um fim de semana e mantê-lo sob seu controle.
- 21 de nov. de 2026Anthropic e o Claude afirmam ter provado a hipótese de Riemann; Stanford responde sem IA
- 21 de nov. de 2026Quatro regras de Karpathy para um agente de código em um único arquivo somam 232 mil estrelas no GitHub
- 21 de nov. de 2026Hotel avisou sobre invasão só após 9 dias, e o autor colocou Claude e Codex para caçar vulnerabilidades
- 21 de nov. de 2026A Amazon liberou o agente de IA AWS Quick com Claude de graça; o plano pago Plus custa US$ 25 por mês
Perguntas frequentes sobre a notícia
Como foi montado?
O primeiro passo é quase banal: o Telegram Desktop tem uma função para exportar todo o histórico de conversas, e Zamesin a usou. Em seguida, ele subiu um servidor e deu ao Claude a chave de API do Apify, para que o modelo pudesse coletar dados do LinkedIn. Depois vem um detalhe importante, que costuma ser ignorado. Antes de processar qualquer coisa, Zamesin explicou ao modelo o seu contexto: quais são suas metas para entrar no mercado dos EUA e quais são as do negócio na Rússia.
O que se sabe sobre Dossiês de 4000 pessoas?
Ninguém precisa de nove mil contatos de uma vez. Por isso, o autor primeiro definiu qual dossiê queria ter de cada pessoa e depois selecionou cerca de 4000 para as quais valia a pena montá-lo. O Claude, junto com o Apify, puxou informações de fontes abertas. O trabalho levou cerca de seis horas. Para não consumir os limites, Zamesin rodou a tarefa no modelo leve Haiku, em modo medium, e não na versão mais potente.
O que se sabe sobre Bot do Telegram como painel de controle?
A interface é a parte mais bem resolvida. Zamesin criou um bot que encaminha mensagens para uma sessão do Claude no seu computador de casa, e essa sessão tem acesso ao CRM. O Telegram foi escolhido porque é o lugar mais fácil para encaminhar mensagens, anotações e áudios. O próprio CRM tem uma tela «Hoje», que reúne todas as tarefas: para quem escrever e o que fazer. O autor envia ao bot novas tarefas ou dita o que quer: criar uma tarefa, encontrar pessoas, melhorar o CRM em si ou a sua lógica.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.