A Sinimex apresentou um treinador de AI para vendas corporativas com verificação por documentos

A Synimex apresentou um protótipo de um treinador de IA para vendas B2B que ensina gerentes a conduzir negociações, lidar com objeções e evitar exagerar características do produto. O sistema já está em testes: após uma mudança de arquitetura, tornou-se notavelmente mais estável, e a equipe espera que treinamentos regulares aumentem as solicitações de propostas comerciais em pelo menos 15%.

Do Fracasso ao Simulador

A ideia nasceu de um problema típico de vendas B2B. Um iniciante pode conduzir com confiança a primeira parte de uma reunião, mas fica perdido quando o cliente começa a fazer perguntas incômodas sobre o produto, documentação e benefícios da mudança. Em vendas ao consumidor, esse erro ainda pode ser superado, mas no segmento corporativo, cada reunião falhada é um lead perdido, tempo da equipe e dinheiro.

Para empresas com ciclos de vendas longos, tal falha é particularmente dolorosa e cara. Por isso, a Synimex decidiu construir não apenas um chatbot, mas um simulador de negociações. O treinador deve acompanhar o gerente por todo o ciclo de conversa, da saudação à fixação dos próximos passos, apresentar objeções realistas e fornecer feedback após a conversa.

Para o treinamento, utilizaram dois tipos principais de dados: cenários de visitas com objetivos e objeções típicas, além de documentação de produtos em PDF, para que o agente pudesse se basear não em "sensações", mas em fatos.

Arquitetura Sob Controle

A equipe testou três abordagens. Rejeitaram o esquema de um único agente devido ao transbordamento de contexto: em uma conversa longa, o modelo começava a perder o fio e seguia as instruções pior. Uma abordagem clássica multi-agente também não funcionou: é flexível, mas muito parecida com uma caixa preta, onde é difícil entender por que um agente entregou a tarefa a outro e em qual estágio o erro ocorreu. No final, escolheram prompting sequencial — uma cadeia de etapas estreitas com saída JSON controlada e prompts separados para cada etapa da conversa.

• seleção de prompt por fase da conversa
• geração de múltiplas variantes de resposta
• seleção da melhor resposta por um agente separado
• envio da resposta final ao gerente

A primeira versão do sistema ainda fracassou: apenas 2 de 8 diálogos foram considerados bem-sucedidos. Após isso, adicionaram ao esquema um segundo agente "editor", que seleciona a melhor opção de resposta entre várias geradas. Este pipeline de dois estágios aliviou o prompt principal e deu ao modelo mais variabilidade sem perda de controle. Na segunda iteração, o resultado cresceu para 7 diálogos bem-sucedidos de 8, e as respostas soaram mais naturais. Este foi o ponto de virada do projeto.

Verificação de Fabricações

O próximo passo foi complicar a simulação. O treinador agora possui níveis de dificuldade: no nível fácil, o cliente virtual é mais acomodatício, no nível médio requer argumentos, e no nível difícil começa a verificar cuidadosamente cada declaração do gerente. Foi aqui que RAG foi adicionado ao sistema para que o agente pudesse conferir com a documentação e detectar promessas não apoiadas.

Caso contrário, o treinador ou acreditaria em qualquer promessa do gerente ou argumentaria sem se basear em fatos. O cenário funciona assim: o gerente faz uma declaração sobre o produto, o sistema destaca a tese específica, através de busca vetorial encontra um fragmento relevante da documentação, e então passa a declaração e o texto encontrado ao modelo para um veredito. Se o gerente, por exemplo, diz que a versão em nuvem do produto suporta 500 usuários simultâneos, mas a documentação apenas contém dados de um teste com dois, o agente não concorda automaticamente e aponta gentilmente a discrepância.

De acordo com a equipe, cada prompt foi reescrito em média cerca de 12 vezes para alcançar tal comportamento.

O Que Isso Significa

O projeto da Synimex mostra que os agentes de IA corporativos estão cada vez mais se deslocando de "chatbots inteligentes" para treinadores aplicados com lógica verificável. Se tal formato confirmar as previsões de crescimento em ofertas e conversão em pilotos, a IA pode assumir o papel de um treinador permanente em vendas B2B, um que está disponível a qualquer momento e se baseia em documentos em vez de improviso. Para departamentos internos de vendas, isto não é mais um experimento por experimento, mas uma ferramenta potencial para escalar treinamento.