IA em Vendas: o case do assistente GenAI da Databricks

“`html

Revolucionando Vendas com IA: A Jornada da Databricks na Criação de um Assistente GenAI para Vendedores

Em menos de três anos desde que a OpenAI nos apresentou o ChatGPT, a tecnologia de Inteligência Artificial Generativa (GenAI) já começou a redesenhar profundamente o cenário do trabalho. Tarefas que antes consumiam horas preciosas dos dias de muitos profissionais agora podem ser executadas com uma velocidade impressionante e, em muitos casos, de forma totalmente automática. Essa transformação não é apenas uma promessa futura; é uma realidade presente que está desbloqueando níveis de produtividade e eficiência antes inimagináveis.

Nesse novo paradigma, uma das áreas mais impactadas e com maior potencial de ganho é, sem dúvida, a de Vendas. As equipes comerciais são o motor de qualquer negócio, mas frequentemente se veem sobrecarregadas, não pela falta de vontade, mas pelo excesso de complexidade. É por isso que na Databricks, nossa visão de automação vai além de simples otimizações. Nosso objetivo é automatizar todos os aspectos do negócio para torná-lo melhor, mais rápido e mais barato. Para nossas equipes de vendas, isso se traduz em uma transformação digital completa da experiência do vendedor, capacitando-os com agentes de IA Generativa que os auxiliam em todo o ciclo de vida da venda.

Neste artigo, vamos abrir o capô e compartilhar em detalhes como construímos nosso “Field AI Assistant” (Assistente de IA de Campo). Nosso objetivo é aumentar a experiência do vendedor com capacidades de IA, integrando-as perfeitamente em suas tarefas diárias e oferecendo uma maneira mais simples e eficaz de recuperar informações e orquestrar ações, automatizando tarefas administrativas manuais e repetitivas. Venha conosco nesta jornada e descubra como a IA está remodelando o futuro das vendas.

O Dilema do Vendedor Moderno: Um Oceano de Dados, Um Deserto de Insights

Para entender a importância de uma ferramenta como o Field AI Assistant, primeiro precisamos nos colocar no lugar de um vendedor. Imagine um dia típico: ele precisa preparar uma reunião com um cliente importante. Para isso, ele precisa de informações que estão espalhadas por todos os lados.

Primeiro, ele abre o sistema de CRM para checar os dados da conta, o histórico de oportunidades e as anotações da última conversa. Em seguida, precisa acessar nosso Lakehouse interno para analisar os dados de consumo do cliente, entendendo quais produtos ele mais utiliza e onde há potencial de crescimento. Ao mesmo tempo, ele precisa consultar nossa plataforma de colaboração, como o Slack ou o Google Docs, para encontrar os playbooks de vendas mais recentes, materiais sobre a concorrência e apresentações relevantes. São pelo menos três sistemas diferentes, cada um com sua própria interface e lógica de busca.

Os vendedores são constantemente bombardeados por um volume gigantesco de informações. Eles precisam de acesso fácil e rápido a:

• Dados de Contas e Oportunidades: Informações estruturadas que residem no CRM.
• Inteligência de Mercado: Notícias financeiras sobre o cliente, insights sobre seu setor e dados de consumo que vivem no nosso Lakehouse.
• Conteúdo de Vendas: Playbooks, análises competitivas, artigos de base de conhecimento sobre produtos e roadmaps de produtos, geralmente espalhados em documentos não estruturados.

O verdadeiro gargalo não está apenas em encontrar esses dados. A verdadeira perda de eficiência ocorre nas tarefas manuais e repetitivas que se seguem. Depois de reunir as informações, o vendedor precisa sintetizá-las, extrair insights e, em seguida, agir com base neles — seja redigindo um e-mail de prospecção, atualizando o CRM com os próximos passos ou criando uma proposta personalizada. É exatamente aqui que o Field AI Assistant entra em cena: para ajudar os vendedores em suas tarefas diárias, desde a recuperação de informações até a destilação de insights e a execução de ações baseadas nesses insights.

A Solução em Ação: O “Field AI Assistant” da Databricks

Construído sobre o framework de agentes da Mosaic AI da Databricks, nosso assistente de IA de campo foi projetado para ser um copiloto proativo para a equipe de vendas. Integrando dados estruturados e não estruturados de múltiplas fontes, a solução oferece uma abordagem abrangente e personalizada, disponível sob demanda diretamente dentro do nosso CRM. Ele não é apenas uma barra de busca; é um orquestrador inteligente.

O assistente responde a prompts pré-definidos com base no usuário e no contexto da página em que ele está, além de fornecer uma interface de chat para consultas abertas sobre os conjuntos de dados mencionados. Suas capacidades são vastas e projetadas para atacar os pontos de dor mais críticos dos vendedores.

1. Insights 360° do Cliente

Com um único comando em linguagem natural, o vendedor obtém uma visão completa e holística da conta do cliente, incluindo:

• Notícias e Insights Financeiros: As últimas notícias de mercado que podem impactar o negócio do cliente.
• Cenário Competitivo: Análise da presença de concorrentes e como nos posicionamos.
• Consumo de Produtos: Um detalhamento do uso de nossos produtos por linha e por nuvem, revelando padrões e oportunidades.
• Casos de Suporte ao Cliente: Histórico de tickets de suporte para entender eventuais atritos ou problemas.
• Principais Casos de Uso: Identificação dos casos de uso que estão gerando mais receita para aquele cliente.
• Recomendações Proativas: Sugestões de outros casos de uso que foram bem-sucedidos em clientes similares, abrindo portas para cross-sell e upsell.

2. Alertas de Higiene de Dados

Manter o CRM atualizado é uma tarefa crucial, porém muitas vezes negligenciada. O assistente ajuda a manter a qualidade dos dados de forma proativa, enviando alertas sobre:

• Casos de uso que estão prestes a entrar em produção na próxima semana, mês ou trimestre.
• Principais bloqueadores que estão impedindo o avanço de um caso de uso.
• Oportunidades ou casos de uso que carecem de informações-chave, como um patrocinador executivo ou um centro de custo.

3. Acesso Instantâneo a Material de Vendas

Chega de procurar por arquivos em pastas intermináveis. O assistente busca e entrega instantaneamente:

• Playbooks de vendas específicos para uma situação ou produto.
• Material comparativo sobre concorrentes.
• Resumos de reuniões anteriores.
• Decks de apresentação e propostas.

4. Orquestração de Ações: Onde a Mágica Acontece

Este é o verdadeiro diferencial. O assistente não apenas informa, ele faz. Com base nos insights coletados, ele pode:

• Atualizar o CRM: Registrar automaticamente os próximos passos, notas de reunião ou status de uma oportunidade.
• Redigir um E-mail de Prospecção: Criar um rascunho de e-mail personalizado para um novo contato, usando o contexto da conta e do indivíduo.
• Criar uma Proposta para o Cliente: Gerar um esboço de uma proposta comercial, já preenchida com os dados relevantes do cliente e os casos de uso discutidos.

Por Trás da Cortina: A Arquitetura de um Agente de IA

A interação humana é inerentemente ambígua. Os LLMs nos deram a capacidade de usar o contexto para interpretar a intenção por trás de uma solicitação e convertê-la em algo mais determinístico. Para atender a essa solicitação, pode ser necessário recuperar fatos específicos, executar código e aplicar um framework de raciocínio. Todas essas informações devem ser reunidas em uma saída coerente e formatada corretamente.

É exatamente isso que o Field AI Assistant faz. Ele opera com base em um agente principal (o “driver agent”) e múltiplas ferramentas e funções que realizam o processamento determinístico. Vamos detalhar os pilares dessa arquitetura, que foi inteiramente construída na stack de tecnologia da Databricks.

O Framework de Agente e Ferramentas (Agent/Tool Framework)

Pense no agente principal como um gerente de projeto inteligente. Quando um vendedor faz uma pergunta como “Me dê um resumo da conta X e rascunhe um e-mail de follow-up”, o agente não tenta responder tudo sozinho. Em vez disso, ele quebra a solicitação em tarefas menores e delega cada uma para a ferramenta certa.

• “Resumo da conta X”: O agente pode invocar uma ferramenta que é uma query SQL no Lakehouse para obter dados de consumo e outra que acessa a API do CRM para obter dados de oportunidade.
• “Rascunhe um e-mail”: Após coletar os dados, ele invoca outra ferramenta, passando as informações como contexto, para que o LLM gere o texto do e-mail.

Essa abordagem, conhecida como Compound AI System, é fundamental para construir aplicações de IA robustas e confiáveis. Os componentes chave são:

1. A Fundação de Dados

A qualidade da resposta de qualquer sistema de IA depende diretamente da qualidade dos dados que ele acessa. Nossa fundação de dados inclui:

• Nosso Lakehouse Interno: Para inteligência de contas, conteúdo de capacitação de vendas e playbooks.
• Nosso CRM (Salesforce): Fonte de verdade para dados de clientes e oportunidades.
• Nossa Plataforma de Colaboração (Google Workspace): Indexa a maior parte de nossos dados não estruturados, como documentos e apresentações.

2. Processamento Determinístico: Ferramentas e Funções

Este é o conjunto de funções e ferramentas necessárias para produzir respostas corretas e de alta qualidade. O LLM extrai campos de uma consulta (como o nome da conta) e os passa para uma chamada de função padrão para fazer o processamento determinístico. Dentro da Plataforma Databricks, as capacidades do Mosaic AI Tools and Functions permitem isso. Essas ferramentas podem ser funções Python, consultas SQL simples ou APIs que se integram a aplicativos externos. O mais importante é que elas podem ser invocadas usando linguagem natural, e tudo é governado pelo Unity Catalog.

3. Os Modelos de LLM

Para o Field AI Assistant, aproveitamos o Azure OpenAI, GPT-4, como nosso modelo fundacional. A escolha não foi aleatória. Avaliamos diversos modelos, incluindo de código aberto, e optamos pelo GPT-4 com base em critérios rigorosos:

• Groundedness: A capacidade do modelo de basear suas respostas nos dados fornecidos, evitando alucinações.
• Relevância e Factualidade: A habilidade de gerar conteúdo que seja factualmente correto e relevante para a pergunta.
• Seleção de Ferramentas: A precisão em escolher a função/ferramenta correta para processar cada parte do prompt.
• Aderência à Formatação: A capacidade de seguir as instruções de formatação da saída, garantindo consistência.

Dito isso, nossa arquitetura é agnóstica a modelos, projetada para permitir flexibilidade e adotar novos e melhores modelos à medida que se tornam disponíveis em nosso Mosaic AI Agent Framework.

A Stack Databricks em Ação

O Mosaic AI Agent Framework facilita a construção de uma aplicação GenAI como essa. Para o nosso assistente, aproveitamos os seguintes componentes da plataforma:

• Mosaic AI Vector Search: Essencial para a busca semântica em dados não estruturados, como documentos e artigos. Ele converte texto em vetores e encontra os trechos mais relevantes para a consulta do usuário (a base da Geração Aumentada por Recuperação, ou RAG).
• Mosaic AI Function Calling: A interface que permite ao LLM invocar as ferramentas e funções determinísticas que mencionamos anteriormente.
• MLFlow LLMOps e Fine-Tuning: Ferramentas para personalizar os LLMs, seja através de engenharia de prompt, fine-tuning para tarefas específicas ou frameworks como o DSPy on Databricks.
• Mosaic AI Gateway: Nosso portal de controle. Ele gerencia o acesso aos modelos, estabelece limites de taxa (rate limiting), registra payloads para auditoria e aplica barreiras de proteção (guardrails) para filtrar conteúdo inadequado, garantindo segurança e monitoramento contínuo.
• Unity Catalog: A espinha dorsal da governança. Ele cataloga e governa não apenas os dados subjacentes, mas também os próprios agentes e ferramentas, garantindo que tudo seja detectável, seguro e auditável.

Lições Aprendidas no Campo de Batalha: 3 Verdades Inconvenientes

Construir uma solução de IA de ponta como essa é uma jornada de aprendizado contínuo. Ao longo do caminho, nos deparamos com desafios que nos ensinaram lições valiosas. Compartilhamos aqui as três principais:

1. Dados são uma bagunça (Data is messy)

Não importa quão avançado seja o seu modelo de IA, ele não fará milagres com dados sujos, inconsistentes ou incompletos. A realidade de qualquer grande empresa é que os dados são bagunçados. Nossa solução foi alavancar o poder do Lakehouse para criar pipelines de engenharia de dados robustos. Focamos em construir tabelas “GOLD” limpas, que servem como uma Fonte Única da Verdade (Single Source of Truth). Começamos com um conjunto de dados focado e expandimos iterativamente, garantindo a qualidade em cada etapa.

2. Medir o ROI é difícil (Measuring ROI is difficult)

Como se mede o aumento de produtividade de um vendedor? Quantas horas foram economizadas? Qual o impacto real na velocidade das vendas? Essas são perguntas difíceis de responder com precisão. A lição aqui é: esteja preparado para experimentar. Começamos com pequenos grupos de foco em um piloto. Construir conjuntos de dados de avaliação para medir a eficácia do modelo é um trabalho árduo e requer um esforço focado e uma estratégia que suporte a experimentação rápida. Em vez de buscar um número mágico de ROI desde o início, foque no feedback qualitativo e em métricas de engajamento para guiar o desenvolvimento.

3. Governança de Dados e IA é OBRIGATÓRIA (Data and AI Governance is a MUST)

Em um mundo de IA, não se pode simplesmente “mover rápido e quebrar as coisas”. É fundamental engajar as equipes de Segurança Corporativa, Privacidade e Jurídico desde o primeiro dia. Construir um modelo de governança forte no Unity Catalog foi crucial, não apenas para os dados, mas também para os próprios agentes e ferramentas. A governança não deve ser vista como um obstáculo, mas como um facilitador que permite inovar de forma segura, responsável e escalável. Sem ela, qualquer iniciativa de IA está fadada a enfrentar barreiras intransponíveis ou a criar riscos inaceitáveis.

Conclusão: O Futuro das Vendas é Aumentado, Não Substituído

Ao compartilhar nossa jornada “Databricks on Databricks”, esperamos que você tenha aprendido como estamos usando tecnologias como a GenAI para ajudar nossos vendedores a serem mais eficazes. A utilização de IA Generativa para este caso de uso demonstrou como os agentes de IA podem transformar e auxiliar significativamente cada aspecto da jornada do vendedor.

Desde a prospecção e recuperação de insights do cliente, passando pela melhoria da higiene dos dados com a automação de tarefas manuais, até a execução de ações baseadas nesses insights para impulsionar oportunidades e melhorar a velocidade das vendas, o impacto é profundo. O objetivo final não é substituir o vendedor, mas sim aumentá-lo. Ao libertá-los das tarefas repetitivas e de baixo valor, o Field AI Assistant permite que eles se concentrem no que os humanos fazem de melhor: construir relacionamentos, entender as nuances do cliente e, finalmente, fechar negócios.

Fique atento aos nossos próximos posts, onde continuaremos a compartilhar nossas experiências sobre como a IA está remodelando a experiência do vendedor na Databricks.

“`