Visao Geral do Produto
Conceito Inovador: NeuralSell e um CRM SaaS autonomo que utiliza agentes de IA para operar um sistema de vendas completo sem intervencao humana constante.
Diferente de CRMs tradicionais que apenas organizam dados, o NeuralSell executa vendas: prospecta, qualifica, negocia, fecha e faz follow-up automaticamente.
Diferencial Competitivo
Sistema "Venda-Autonoma-Como-Servico" (VAS) onde a IA nao apenas auxilia, mas conduz todo o funil de vendas.
Agentes Autonomos
- APA - Agente de Prospeccao Autonoma
- AEC - Agente de Engajamento Conversacional
- ANA - Agente de Negociacao Autonoma
- ARE - Agente de Retencao e Expansao
Metricas-Chave
2.4 dias
Tempo medio de ciclo de vendas
34%
Taxa de conversao (vs 28% mercado)
Especificacao de Requisitos de Software (SRS)
1.1 Requisitos Funcionais (RF)
Modulo 1: Agente de Prospeccao Autonoma (APA)
| ID | Requisito | Prioridade |
|---|
| RF-001 | Rastrear automaticamente sinais de compra em fontes publicas (LinkedIn, Twitter/X, noticias, licitacoes) usando NLP | Alta |
| RF-002 | Identificar "momentos de dor" do prospect atraves de analise de sentimento em postagens e interacoes | Alta |
| RF-003 | Geracao automatica de listas de prospeccao com scoring preditivo baseado em ICP (Ideal Customer Profile) dinamico | Alta |
| RF-004 | Crawler etico para identificar mudancas estruturais nas empresas-alvo (novos C-levels, aquisicoes, expansoes) | Media |
| RF-005 | Integracao com 50+ fontes de dados (Clearbit, ZoomInfo, LinkedIn Sales Navigator, etc.) | Media |
Modulo 2: Agente de Engajamento Conversacional (AEC)
| ID | Requisito | Prioridade |
|---|
| RF-006 | Bot multicanal (WhatsApp, Email, LinkedIn DM, SMS, Web Chat) com memoria contextual persistente | Alta |
| RF-007 | Sistema de "Personalizacao em Escala": cada mensagem 100% unica baseada no perfil psicometrico do prospect | Alta |
| RF-008 | Deteccao de "janelas de oportunidade" - identificar momento exato para contato baseado em comportamento online | Alta |
| RF-009 | Simulacao de "voz humana" com variacao natural de timing entre mensagens (anti-spam/anti-bot) | Media |
| RF-010 | Capacidade de lidar com objecoes complexas usando base de conhecimento dinamica + LLM | Alta |
| RF-011 | Handoff inteligente para humano quando detectar: (a) sinal de compra iminente > R$ 50k, (b) objecao nao catalogada, (c) solicitacao explicita | Alta |
Modulo 3: Agente de Negociacao Autonoma (ANA)
| ID | Requisito | Prioridade |
|---|
| RF-012 | Geracao automatica de propostas comerciais com pricing dinamico baseado em analise de disposicao ao pagamento | Alta |
| RF-013 | Sistema de "contra-oferta inteligente" que negocia descontos dentro de parametros predefinidos | Alta |
| RF-014 | Deteccao de "urgencia artificial" vs "urgencia real" do prospect | Media |
| RF-015 | Geracao de contratos via smart contracts com assinatura digital integrada | Media |
| RF-016 | Upsell/Cross-sell automatico baseado em analise de necessidades latentes durante a conversa | Alta |
Modulo 4: Agente de Retencao e Expansao (ARE)
| ID | Requisito | Prioridade |
|---|
| RF-017 | Monitoramento continuo de "health score" do cliente via analise de uso e sentimento | Alta |
| RF-018 | Predicao de churn 30 dias antes com 85%+ de precisao | Alta |
| RF-019 | Ativacao automatica de "campanhas de salvamento" com ofertas personalizadas | Media |
| RF-020 | Identificacao de "advogados do cliente" internos para expansao de conta | Media |
Modulo 5: Supervisao e Governanca (SG)
| ID | Requisito | Prioridade |
|---|
| RF-021 | Dashboard "Modo Deus": visao em tempo real de todas as conversas ativas com intervencao 1-click | Alta |
| RF-022 | Sistema de aprovacao para transacoes > limite configuravel | Alta |
| RF-023 | Auditoria completa de decisoes da IA (explicabilidade) | Alta |
| RF-024 | Simulador de cenarios: "o que aconteceria se..." para testar estrategias | Media |
| RF-025 | Aprendizado por reforco com feedback humano (RLHF) continuo | Media |
1.2 Requisitos Nao-Funcionais (RNF)
| ID | Requisito | Metrica |
|---|
| RNF-001 | Disponibilidade | 99.95% uptime (maximo 4.38h downtime/ano) |
| RNF-002 | Latencia de resposta do bot | < 800ms para 95% das interacoes |
| RNF-003 | Escalabilidade | Suportar 100k conversas simultaneas por instancia |
| RNF-004 | Seguranca | LGPD/GDPR/CCPA compliant, criptografia end-to-end |
| RNF-005 | Privacidade | Dados de treinamento anonimizados, opt-out permanente |
| RNF-006 | Integracao | REST API + Webhooks + 200+ integracoes nativas |
| RNF-007 | Multi-tenancy | Isolamento completo de dados entre tenants |
| RNF-008 | Internacionalizacao | Suporte a 15 idiomas com localizacao cultural |
| RNF-009 | Acessibilidade | WCAG 2.1 AA compliance |
| RNF-010 | Sustentabilidade | Infraestrutura carbon-neutral |
Backlog do Produto (Agile)
Epico 1: Fundacao da Autonomia (MVP - Meses 1-3)
Sprint 1-2: Core AI Engine
- Setup de infraestrutura LLM (fine-tuning de modelo open-source Llama 3/Mistral)
- Implementacao de RAG (Retrieval-Augmented Generation) para contexto empresarial
- Sistema de memoria de longo prazo (vector database Pinecone/Weaviate)
Sprint 3-4: Primeiro Agente (AEC - Email)
- Parser de email inteligente (thread comprehension)
- Gerador de respostas contextuais
- Sistema de "warmup" de dominio para deliverability
Sprint 5-6: Integracoes Base
- Conector Salesforce/HubSpot bidirecional
- Integracao Gmail/Outlook
- Webhook system para eventos
Sprint 7-9: Autonomia Inicial
- Primeiro fluxo end-to-end: prospeccao -> qualificacao -> agendamento
- Sistema de scoring de leads
- Dashboard basico de supervisao
Epico 2: Multicanal e Inteligencia (Meses 4-6)
Sprint 10-12: Expansao de Canais
- Integracao WhatsApp Business API oficial
- LinkedIn DM automation (dentro dos limites da plataforma)
- Web chat com co-browsing
- SMS com inteligencia de timing
Sprint 13-15: Agente de Prospeccao (APA)
- Sistema de listening social
- Algoritmo de "trigger events" (mudancas de cargo, funding, etc.)
- Geracao automatica de sequences personalizadas
Sprint 16-18: Negociacao Autonoma V1
- Parser de intencao de compra
- Sistema de pricing dinamico basico
- Geracao de propostas automaticas
Epico 3: Escala e Sofisticacao (Meses 7-9)
Sprint 19-21: Agente de Negociacao Avancado
- Negociacao de multiplas variaveis (preco, prazo, scope)
- Deteccao de objecoes emocionais vs. racionais
- Simulacao de "personality matching" (adaptar tom ao perfil do buyer)
Sprint 22-24: Retencao Preditiva
- Modelo de churn prediction
- Sistema de health scoring automatico
- Playbooks de retencao automaticos
Sprint 25-27: Governanca Enterprise
- Sistema de aprovacoes hierarquicas
- Audit trail completo
- Sandbox para simulacao de estrategias
Epico 4: Autonomia Total (Meses 10-12)
Sprint 28-30: "Modo Autopilot"
- Fechamento de vendas < R$ 10k sem intervencao humana
- Sistema de "escalation" preditivo (chamar humano antes do cliente pedir)
- Aprendizado continuo de feedback de won/loss
Sprint 31-33: Ecossistema
- Marketplace de "skills" para agentes (plugins de especializacao vertical)
- API para desenvolvedores criarem agentes customizados
- Programa de parceiros (agencias configuram para clientes)
Sprint 34-36: Otimizacao e Lancamento
- Performance tuning (latencia, custo de LLM)
- Security hardening (pentest, compliance audit)
- Go-to-market: lancamento publico
Matriz de Rastreabilidade de Requisitos (MRR)
| Requisito | Caso de Uso | Componente | Teste | Status |
|---|
| RF-001 | UC-001: Prospeccao Automatica | APA-Engine | T-001: Validar extracao de sinais | Nao iniciado |
| RF-002 | UC-001 | NLP-Sentiment | T-002: Precisao > 80% em deteccao de dor | Nao iniciado |
| RF-006 | UC-002: Engajamento Inicial | AEC-Orchestrator | T-003: Handoff correto entre canais | Nao iniciado |
| RF-007 | UC-003: Personalizacao | Personalization-Engine | T-004: Unicidade de mensagens > 95% | Nao iniciado |
| RF-011 | UC-004: Escalation Inteligente | Supervisor-AI | T-005: Deteccao correta de hot leads | Nao iniciado |
| RF-012 | UC-005: Geracao de Proposta | ANA-Pricing | T-006: Margem preservada em 90% das negociacoes | Nao iniciado |
| RF-018 | UC-006: Prevencao de Churn | ARE-Analytics | T-007: Recall de predicao > 85% | Nao iniciado |
| RNF-001 | Todos | Infra-SRE | T-008: Stress test 99.95% uptime | Nao iniciado |
Diagramas de Casos de Uso (UML)
Diagrama Principal - Sistema NeuralSell
+------------------------------------------------------------------+
| ATOR: ADMINISTRADOR |
| +-------------+ +-------------+ +-------------------------+ |
| | Configurar | | Treinar | | Supervisar em Tempo | |
| | Estrategia | | Modelo | | Real (Modo Deus) | |
| | de Vendas | | com Dados | | | |
| +------+------+ +------+------+ +-----------+-------------+ |
| | | | |
+---------+----------------+----------------------+-----------------+
| | |
v v v
+------------------------------------------------------------------+
| ATOR: VENDEDOR (HUMANO) |
| +-------------+ +-------------+ +-------------------------+ |
| | Aprovar | | Intervir em | | Receber Leads | |
| | Propostas | | Conversa | | Qualificados | |
| | > Limite | | | | | |
| +------+------+ +------+------+ +-----------+-------------+ |
| | | | |
+---------+----------------+----------------------+-----------------+
| | |
v v v
+------------------------------------------------------------------+
| ATOR: AGENTE DE IA (SISTEMA) |
| +-------------+ +-------------+ +-------------+ +--------+ |
| | <<system>> | | <<system>> | | <<system>> | | <<sys>>| |
| | APA | | AEC | | ANA | | ARE | |
| | Prospeccao | | Engajamento | | Negociacao | |Retencao| |
| | Autonoma | | Conversac. | | Autonoma | | | |
| +-------------+ +-------------+ +-------------+ +--------+ |
| |
+------------------------------------------------------------------+
|
v
+------------------------------------------------------------------+
| ATOR: PROSPECT/CLIENTE |
| +-------------+ +-------------+ +-------------------------+ |
| | Receber | | Negociar | | Assinar Contrato | |
| | Contato | | com IA | | Digitalmente | |
| | Personalizado| | | | | |
| +-------------+ +-------------+ +-------------------------+ |
+------------------------------------------------------------------+
Caso de Uso Detalhado: UC-005 - Negociacao Autonoma
+--------------------------------------------------------------+
| CASO DE USO: UC-005 |
| Negociacao Autonoma de Contrato |
+--------------------------------------------------------------+
| Ator Principal: ANA (Agente de Negociacao Autonoma) |
| Atores Secundarios: Prospect, Supervisor (humano), ERP |
+--------------------------------------------------------------+
| Fluxo Principal: |
| 1. ANA recebe sinal de "interesse em compra" do AEC |
| 2. ANA analisa historico de interacoes e perfil de preco |
| 3. ANA consulta ERP para disponibilidade e custos |
| 4. ANA gera proposta inicial com markup dinamico |
| 5. ANA apresenta proposta via canal preferido do prospect |
| 6. Se prospect aceita -> UC-007 (Fechamento) |
| 7. Se prospect contra-oferece -> Fluxo Alternativo 1 |
| 8. Se prospect objeta -> Fluxo Alternativo 2 |
+--------------------------------------------------------------+
| Fluxo Alt 1 (Contra-oferta): |
| 1a. ANA avalia contra-oferta contra regras de negocio |
| 2a. Se dentro do range: ANA aceita automaticamente |
| 3a. Se fora do range: ANA nega com justificativa |
| 4a. Se critico (margem < 5%): Escalar para supervisor |
+--------------------------------------------------------------+
| Fluxo Alt 2 (Objecao): |
| 1b. ANA classifica objecao (preco, tempo, funcionalidade) |
| 2b. ANA consulta base de objecoes e respostas efetivas |
| 3b. ANA gera resposta personalizada |
| 4b. Se objecao nao resolvida em 3 tentativas -> Escalar |
+--------------------------------------------------------------+
| Pre-condicoes: Lead qualificado, produto configurado |
| Pos-condicoes: Contrato gerado ou motivo de perda registrado |
+--------------------------------------------------------------+
Documento de Arquitetura de Software (DAS)
5.1 Visao Arquitetural
Estilo: Microservicos orientados a eventos + Arquitetura de Agentes Autonomos
Padroes:
- CQRS (Command Query Responsibility Segregation) para alta performance nas conversas
- Event Sourcing para auditoria completa de decisoes da IA
- Saga Pattern para orquestracao de transacoes de vendas longas
- Circuit Breaker para resiliencia nas integracoes externas
5.2 Diagrama de Arquitetura de Alto Nivel
+---------------------------------------------------------------------+
| CAMADA DE APRESENTACAO |
| +-------------+ +-------------+ +-------------+ +-------------+ |
| | Web App | | Mobile App | | Widget | | API | |
| | (React) | | (React | | Embeddable | | Public | |
| | | | Native) | | | | | |
| +------+------+ +------+------+ +------+------+ +------+------+ |
+--------+---------------+---------------+---------------+------------+
| | | |
+---------------+-------+-------+---------------+
|
+--------------------------------v----------------------------------+
| API GATEWAY (Kong/AWS API GW) |
| Auth, Rate Limiting, Routing, SSL Termination |
+--------------------------------+----------------------------------+
|
+------------------------+------------------------+
| | |
v v v
+---------------+ +-----------------+ +-----------------+
| SERVICOS | | ORQUESTRADOR | | INFRAESTR. |
| DE AGENTES | | DE AGENTES | | DE IA |
+---------------+ +-----------------+ +-----------------+
| +-----------+ | | | | +-----------+ |
| | APA | | | LangGraph/ | | | LLM Core | |
| | Service | |<------> LangChain |<------> | (Fine- | |
| | (Python) | | | (Orchestra- | | | tuned | |
| +-----------+ | | tion Layer) | | | Llama 3) | |
| +-----------+ | | | | +-----------+ |
| | AEC | |<------> |<------> +-----------+ |
| | Service | | | Redis (State | | | Vector | |
| | (Node.js) | | | Mgmt) | | | DB | |
| +-----------+ | | | | |(Pinecone) | |
| +-----------+ | | RabbitMQ/ | | +-----------+ |
| | ANA | |<------> Kafka (Event |<------> +-----------+ |
| | Service | | | Bus) | | | RAG | |
| | (Python) | | | | | | Engine | |
| +-----------+ | +-----------------+ | +-----------+ |
| +-----------+ | +-----------------+
| | ARE | |
| | Service | |
| | (Go) | |
| +-----------+ |
+-------+-------+
|
| Eventos
v
+---------------------------------------------------------------------+
| CAMADA DE DADOS |
| +-------------+ +-------------+ +-------------+ +-------------+ |
| | PostgreSQL | | ClickHouse | | MinIO | | Elasticsearch| |
| | (Dados | | (Analytics | | (Arquivos) | | (Busca) | |
| | Transacionais| Real-time) | | | | | |
| +-------------+ +-------------+ +-------------+ +-------------+ |
+---------------------------------------------------------------------+
|
v
+---------------------------------------------------------------------+
| INTEGRACOES EXTERNAS |
| +-----------+ +-----------+ +-----------+ +-----------+ +--------+ |
| |WhatsApp | | Email | | LinkedIn | | Salesforce| | ERPs | |
| |Business | | (Gmail/ | | API | | HubSpot | | | |
| |API | | Outlook) | | | | | | | |
| +-----------+ +-----------+ +-----------+ +-----------+ +--------+ |
+---------------------------------------------------------------------+
5.3 Tecnologias por Componente
| Componente | Tecnologia | Justificativa |
|---|
| API Gateway | Kong/AWS API Gateway | Rate limiting avancado, plugin ecosystem |
| Agentes Core | Python 3.11 + FastAPI | Ecossistema rich em ML/AI |
| AEC (Real-time) | Node.js + Socket.io | Alta concorrencia em I/O |
| ARE (Analytics) | Go | Performance em processamento massivo |
| Orquestracao | LangGraph + LangChain | Padrao emergente para agentes LLM |
| LLM Core | Llama 3 70B (fine-tuned) | Custo 10x menor que GPT-4, controle total |
| Vector DB | Pinecone/Weaviate | Busca semantica em escala |
| Cache/State | Redis Cluster | Estado de conversas em tempo real |
| Event Bus | Apache Kafka | Durabilidade e replay de eventos |
| DB Transacional | PostgreSQL 16 + TimescaleDB | Dados temporais de interacoes |
| Analytics | ClickHouse | OLAP em tempo real |
| Object Storage | MinIO (S3-compatible) | Arquivos, gravacoes, contratos |
| Search | Elasticsearch | Busca full-text em conversas |
| Frontend | Next.js 14 + Tailwind + Radix | SSR, performance, acessibilidade |
| Mobile | React Native | Code sharing, native performance |
| Infra | Kubernetes (EKS/GKE) + Terraform | IaC, auto-scaling, resiliencia |
Diagrama Entidade-Relacionamento (DER)
+-----------------------------------------------------------------------+
| DIAGRAMA ENTIDADE-RELACIONAMENTO |
| NeuralSell v1.0 |
+-----------------------------------------------------------------------+
+-----------------+ +-----------------+ +-----------------+
| EMPRESA | | USUARIO | | TENANT |
+-----------------+ +-----------------+ +-----------------+
| PK id_empresa |<------| FK id_empresa | | PK id_tenant |
| nome_fantasia | | PK id_usuario | | nome |
| cnpj | | email | | plano |
| segmento | | perfil (enum) | | limites_json |
| icp_descricao | | nivel_acesso | | config_agentes |
| created_at | | ultimo_acesso | | created_at |
+--------+--------+ +--------+--------+ +-----------------+
| |
| +--------------------+
| |
v v
+-----------------+ +-----------------+ +-----------------+
| PROSPECT | | LEAD | | OPORTUNIDADE |
+-----------------+ +-----------------+ +-----------------+
| PK id_prospect |<------| PK id_lead |<------| PK id_oportunidade|
| FK id_empresa | | FK id_prospect | | FK id_lead |
| nome | | origem (enum) | | valor_estimado |
| email | | score_ia | | probabilidade_ia|
| telefone | | temperatura | | fase_funil |
| linkedin_url | | FK id_agente | | FK id_agente_neg|
| empresa_nome | | criado_por (AI? | | data_prev_fecho |
| cargo | | dt_qualificacao | | motivo_perda |
| dados_enriquecidos| | dt_descarte | | created_at |
| (JSON) | | motivo_descarte | | updated_at |
| signals_json | +--------+--------+ +--------+--------+
| (sinais de dor) | | |
| created_at | | |
+-----------------+ | |
| |
+-------------------------+ |
| |
v v
+-----------------+ +-----------------+ +-----------------+
| INTERACAO | | AGENTE_IA | | CONTRATO |
+-----------------+ +-----------------+ +-----------------+
| PK id_interacao | | PK id_agente | | PK id_contrato |
| FK id_lead | | nome_codigo | | FK id_oportunidade|
| FK id_agente | | tipo (APA/AEC/ | | template_usado |
| canal (enum) | | ANA/ARE) | | clausulas_json |
| direcao (in/out)| | modelo_llm | | valor_final |
| conteudo | | temperatura | | desconto_aplicado|
| sentimento | | system_prompt | | assinado_digital|
| intencao_detectada| | skills (array) | | data_assinatura |
| confianca_ia | | status | | status |
| tokens_usados | | dt_treinamento | | created_at |
| tempo_resposta_ms| | metricas_json | +-----------------+
| contexto_json | +-----------------+
| dt_interacao |
+--------+--------+
|
| 1:N
v
+-----------------+ +-----------------+ +-----------------+
| ANEXO | | PROPOSTA | | AUDITORIA |
+-----------------+ +-----------------+ +-----------------+
| PK id_anexo | | PK id_proposta | | PK id_auditoria |
| FK id_interacao | | FK id_oportunidade| | FK id_agente |
| tipo (img/doc) | | versao | | acao_realizada |
| url_storage | | conteudo_gerado | | input_context |
| metadados | | preco_sugerido | | output_gerado |
| processado_ia | | preco_negociado | | decisao_tomada |
| (OCR/extracao) | | margem_calc | | aprovado_por |
+-----------------+ | dt_envio | | dt_registro |
| dt_resposta | | explicabilidade |
| status | | (SHAP/LIME) |
+-----------------+ +-----------------+
+-----------------+ +-----------------+ +-----------------+
| KNOWLEDGE_BASE | | WORKFLOW | | INTEGRACAO |
+-----------------+ +-----------------+ +-----------------+
| PK id_kb | | PK id_workflow | | PK id_integracao|
| categoria | | nome | | FK id_tenant |
| pergunta_padrao | | tipo_disparo | | tipo (CRM/ERP/ |
| resposta_base | | condicao_json | | Comunicacao) |
| variacoes (array)| | acao_json | | provedor |
| eficacia_score | | ativo | | credenciais_enc |
| ultimo_uso | | dt_criacao | | mapping_campos |
| criado_por | +-----------------+ | ultimo_sync |
| (AI/humano) | | status_conexao |
+-----------------+ +-----------------+
RELACIONAMENTOS PRINCIPAIS:
-------------------------------------------------------------------------
- EMPRESA 1:N USUARIO (um admin pode ter varios vendedores)
- EMPRESA 1:N PROSPECT (base de contatos)
- PROSPECT 1:1 LEAD (qualificacao inicial)
- LEAD 1:N INTERACAO (historico completo)
- LEAD 1:N OPORTUNIDADE (evolucao no funil)
- OPORTUNIDADE 1:N PROPOSTA (versoes de negociacao)
- OPORTUNIDADE 1:1 CONTRATO (fechamento)
- AGENTE_IA 1:N INTERACAO (rastreabilidade)
- AGENTE_IA 1:N AUDITORIA (governanca)
Prototipos e Wireframes
7.1 Dashboard "Modo Deus" (Supervisao em Tempo Real)
+-----------------------------------------------------------------------+
| NeuralSell Dashboard Configuracoes Ajuda |
| |
| +-----------------------------------------------------------------+ |
| | MODO DEUS - Visao em Tempo Real das Conversas Ativas | |
| | +----------+ +----------+ +----------+ +----------+ | |
| | | 12 | | 45 | | 3 | | 128 | | |
| | | Ativas | | Aguardando| | Escalar | | Total Hoje| | |
| | +----------+ +----------+ +----------+ +----------+ | |
| +-----------------------------------------------------------------+ |
| |
| +-----------------------------------------------------------------+ |
| | CONVERSAS AO VIVO (Atualizacao em 500ms) | |
| | | |
| | +-----------------------------------------------------------+ | |
| | | HOT - Joao Silva @ TechCorp (Score: 92) | | |
| | | "Gostei da proposta, mas preciso de 15% desconto" | | |
| | | ANA esta analisando margem... [ACEITAR] [NEGOCIAR] [ESCALAR]| | |
| | | 2m atras | R$ 45.000 | Email | | |
| | +-----------------------------------------------------------+ | |
| | | |
| | +-----------------------------------------------------------+ | |
| | | WARM - Maria Santos @ StartupX (Score: 67) | | |
| | | "Voce atendem empresas do setor financeiro?" | | |
| | | AEC esta respondendo... | | |
| | | Agora | R$ 12.000 | WhatsApp | | |
| | +-----------------------------------------------------------+ | |
| | | |
| | +-----------------------------------------------------------+ | |
| | | ESCALAR - Carlos Lima @ EnterpriseZ (Score: 88) | | |
| | | "Minha diretoria quer reuniao com C-level de voces" | | |
| | | Aguardando supervisor... [ASSUMIR] [AGENDAR] [DELEGAR] | | |
| | | 5m atras | R$ 250.000 | LinkedIn | | |
| | +-----------------------------------------------------------+ | |
| | | |
| +-----------------------------------------------------------------+ |
| |
| +---------------------+ +-----------------------------------------+ |
| | DESEMPENHO DA IA | | ALERTAS E ANOMALIAS | |
| | +---------------+ | | 3 leads frios sendo aquecidos... | |
| | | Taxa de Conv. | | | Meta diaria 80% atingida as 14h | |
| | | 34% | | | 12 renegociacoes em andamento | |
| | | (vs 28% ontem)| | | | |
| | +---------------+ | +-----------------------------------------+ |
| | +---------------+ | |
| | | Tempo Medio | | |
| | | 2.4 dias | | |
| | | (vs 5.1 industria)| |
| | +---------------+ | |
| +---------------------+ |
+-----------------------------------------------------------------------+
7.2 Interface de Configuracao de Agente
+-----------------------------------------------------------------------+
| Configuracao do Agente ANA (Negociacao) |
| |
| +-----------------------------------------------------------------+ |
| | PERSONALIDADE DA IA | |
| | Tom de voz: [Assertivo] Nivel de formalidade: [Profissional] | |
| | Velocidade de resposta: [Rapida] [Normal] [Ponderada] | |
| | | |
| | [x] Usar humor estrategico | |
| | [x] Adaptar ao perfil DISC do prospect | |
| | [ ] Permitir emojis (desmarcar para B2B enterprise) | |
| +-----------------------------------------------------------------+ |
| |
| +-----------------------------------------------------------------+ |
| | PARAMETROS DE NEGOCIACAO | |
| | | |
| | Margem minima aceitavel: [ 15 ]% [?] | |
| | Desconto maximo automatico: [ 8 ]% [?] | |
| | Limite para aprovacao humana: R$ [ 50000 ] | |
| | | |
| | Estrategias permitidas: | |
| | [x] Bundle (oferecer pacotes) | |
| | [x] Urgencia real (baseada em dados) | |
| | [x] Concessao gradual (nunca dar maximo na 1a oferta) | |
| | [ ] Ancoragem de preco alta (tatica agressiva) | |
| +-----------------------------------------------------------------+ |
| |
| +-----------------------------------------------------------------+ |
| | SIMULADOR DE CENARIOS [NOVO] | |
| | Teste como a IA reagiria a diferentes situacoes: | |
| | [ "Cliente pede 20% desconto" ] [SIMULAR] | |
| | | |
| | Resultado: ANA ofereceria 5% + estender suporte de 3->6 meses | |
| | Probabilidade de aceitacao estimada: 72% | |
| +-----------------------------------------------------------------+ |
| |
| [SALVAR] [PRE-VISUALIZAR] [TREINAR COM DADOS] |
+-----------------------------------------------------------------------+
7.3 Visualizacao do Funil Autonomo
+-----------------------------------------------------------------------+
| FUNIL DE VENDAS AUTONOMO - Abril 2026 |
| |
| PROSPECCAO QUALIFICACAO NEGOCIACAO FECHAMENTO |
| +---------+ +---------+ +---------+ +---------+ |
| | 1,240 |------->| 486 |---------->| 203 |------->| 89 | |
| | leads | 39% | MQLs | 42% | SQLs | 44% | closed | |
| | | | | | | | | |
| | APA | | AEC | | ANA | | + | |
| +---------+ +---------+ +---------+ +---------+ |
| | | | | |
| v v v v |
| +------------------------------------------------------------------+ |
| | INSIGHTS DA IA (Atualizado em tempo real): | |
| | - "Segmento SaaS esta convertendo 23% melhor este mes" | |
| | - "Objecao de preco diminuiu apos mudanca no script de ANA" | |
| | - "Sugestao: Aumentar investimento em APA para setor retail" | |
| +------------------------------------------------------------------+ |
| |
| [EXPORTAR RELATORIO] [AJUSTAR ESTRATEGIA] [VER PREVISOES IA] |
+-----------------------------------------------------------------------+
Dicionario de Dados
8.1 Tabela: lead
| Campo | Tipo | Descricao | Restricoes | Exemplo |
|---|
| id_lead | UUID | Identificador unico do lead | PK, auto | 550e8400-e29b-41d4-a716-446655440000 |
| id_prospect | UUID | Referencia ao prospect | FK, not null | 550e8400-e29b-41d4-a716-446655440001 |
| score_ia | DECIMAL(5,2) | Score preditivo de conversao (0-100) | 0-100 | 87.50 |
| temperatura | ENUM | Classificacao qualitativa | 'FRIO','MORNO','QUENTE','HOT' | HOT |
| origem | VARCHAR(50) | Canal de origem | not null | LINKEDIN_DM |
| criado_por | ENUM | Origem da criacao | 'AI_AUTONOMA','HUMANO','INTEGRACAO' | AI_AUTONOMA |
| dt_qualificacao | TIMESTAMP | Momento da qualificacao | | 2026-04-17 14:23:00 |
| dt_descarte | TIMESTAMP | Momento do descarte | | NULL |
| motivo_descarte | TEXT | Razao do descarte | | Nao tem orcamento aprovado para 2026 |
| id_agente_qualificador | UUID | Agente que qualificou | FK | 550e8400... |
| contexto_json | JSONB | Dados enriquecidos da IA | | {"intencao": "alta", "urgencia": "imediata"} |
8.2 Tabela: interacao
| Campo | Tipo | Descricao | Restricoes | Exemplo |
|---|
| id_interacao | UUID | ID unico da interacao | PK | 550e8400... |
| id_lead | UUID | Lead relacionado | FK, not null | 550e8400... |
| id_agente | UUID | Agente que processou | FK | 550e8400... |
| canal | ENUM | Meio de comunicacao | 'EMAIL','WHATSAPP','LINKEDIN','SMS','CHAT' | WHATSAPP |
| direcao | ENUM | Sentido da mensagem | 'INBOUND','OUTBOUND' | OUTBOUND |
| conteudo | TEXT | Conteudo da mensagem | not null | Ola Joao, vi que sua empresa... |
| conteudo_original | TEXT | Mensagem original do lead | | Sim, estamos procurando solucoes... |
| sentimento | VARCHAR(20) | Analise de sentimento | 'POSITIVO','NEUTRO','NEGATIVO','MISTO' | POSITIVO |
| intencao_detectada | VARCHAR(50) | Classificacao de intencao | | SOLICITAR_DEMO |
| confianca_ia | DECIMAL(4,3) | Confianca da predicao (0-1) | 0-1 | 0.923 |
| tokens_usados | INTEGER | Consumo de LLM | | 1450 |
| custo_ia_usd | DECIMAL(8,6) | Custo da interacao | | 0.002340 |
| tempo_resposta_ms | INTEGER | Latencia em milissegundos | | 450 |
| contexto_json | JSONB | Contexto completo | | {"historico": [...], "variaveis": {...}} |
| dt_interacao | TIMESTAMP | Momento exato | not null, default now() | 2026-04-17 14:30:00 |
| hash_conteudo | VARCHAR(64) | SHA-256 para deduplicacao | unique | a3f5c8... |
8.3 Tabela: agente_ia
| Campo | Tipo | Descricao | Restricoes | Exemplo |
|---|
| id_agente | UUID | ID unico do agente | PK | 550e8400... |
| nome_codigo | VARCHAR(50) | Nome tecnico | unique, not null | ANA_NEGOTIATOR_V2 |
| tipo | ENUM | Categoria do agente | 'APA','AEC','ANA','ARE' | ANA |
| modelo_llm | VARCHAR(100) | Modelo base utilizado | | llama-3-70b-instruct |
| temperatura | DECIMAL(3,2) | Criatividade do modelo (0-2) | 0-2 | 0.7 |
| system_prompt | TEXT | Instrucoes de sistema | not null | Voce e um negociador experiente... |
| skills | ARRAY[VARCHAR] | Habilidades habilitadas | | {"pricing", "objecoes", "fechamento"} |
| limites_json | JSONB | Restricoes operacionais | | {"max_desconto": 15, "min_margem": 20} |
| status | ENUM | Estado atual | 'TREINANDO','ATIVO','PAUSADO','DEPRECADO' | ATIVO |
| dt_treinamento | TIMESTAMP | Ultimo fine-tuning | | 2026-04-15 09:00:00 |
| metricas_json | JSONB | KPIs de performance | | {"win_rate": 0.34, "avg_cycle": 2.4} |
8.4 Tabela: auditoria
| Campo | Tipo | Descricao | Restricoes | Exemplo |
|---|
| id_auditoria | UUID | ID do registro | PK | 550e8400... |
| id_agente | UUID | Agente auditado | FK, not null | 550e8400... |
| acao_realizada | VARCHAR(100) | Acao tomada | not null | GERAR_PROPOSTA |
| input_context | JSONB | Contexto de entrada | | {"lead_score": 85, "pedido": "desconto 20%"} |
| output_gerado | JSONB | Resultado produzido | | {"proposta": "10% + 3meses", "justificativa": "..."} |
| decisao_tomada | ENUM | Tipo de decisao | 'AUTONOMA','SUPERVISIONADA','REJEITADA' | SUPERVISIONADA |
| aprovado_por | UUID | Supervisor (se aplicavel) | FK | 550e8400... |
| dt_registro | TIMESTAMP | Momento da acao | not null, default now() | 2026-04-17 14:35:00 |
| explicabilidade | JSONB | Dados SHAP/LIME | | {"features": [{"nome": "score", "peso": 0.45}]} |
| hash_integridade | VARCHAR(64) | SHA-256 para imutabilidade | | b7c9e2... |
Resumo do Conceito NeuralSell
O NeuralSell representa uma nova categoria de software: o VAS (Venda Autonoma como Servico). Diferente de:
- CRMs tradicionais (Salesforce, HubSpot): Apenas organizam dados
- Ferramentas de automacao (Zapier, Make): Apenas conectam apps
- Chatbots simples: Apenas respondem FAQs
O NeuralSell e um sistema autonomo que:
- Descobre oportunidades sozinho (APA)
- Engaja prospects com personalizacao extrema (AEC)
- Negocia contratos sem intervencao (ANA)
- Retem clientes preditivamente (ARE)
Proposta de valor unica: "Vendas enquanto voce dorme" - Um sistema que nao apenas auxilia vendedores, mas e o vendedor para transacoes de medio valor, escalando infinitamente sem custo marginal de headcount comercial.
Alternativas Open-Source ao Llama 3 70B
Contexto: O NeuralSell foi originalmente arquitetado com Llama 3 70B (fine-tuned) como LLM Core.
Esta analise apresenta alternativas open-source mais recentes e eficientes para o projeto,
considerando custo, licenciamento, raciocinio e multilinguismo.
1. Qwen3.5-122B (Alibaba) — Melhor custo-beneficio geral
| Aspecto | Detalhe |
|---|
| Parametros | 122B total / 10B ativos (MoE) |
| Licenca | Apache 2.0 - Totalmente livre |
| Contexto | 262k (expansivel para 1M) |
| VRAM | ~64GB em Q4 (roda em MacBook Pro M4 Max) |
| Benchmarks | Supera GPT-5-mini na maioria dos testes |
Vantagens para o NeuralSell:
- MoE eficiente: so ativa 10B parametros por token, reduzindo custo de inferencia em 90% vs. modelo denso equivalente
- Multilingue nativo — excelente para portugues brasileiro
- Licenca Apache 2.0 permite uso comercial sem restricoes de MAU (usuarios ativos mensais)
Ideal para: MVP e escala inicial do NeuralSell, especialmente com orcamento limitado.
2. DeepSeek-R1 (DeepSeek) — Melhor para raciocinio e negociacao
| Aspecto | Detalhe |
|---|
| Parametros | 671B total / 37B ativos (MoE) |
| Licenca | MIT - Maxima liberdade |
| Contexto | 128k |
| Especialidade | Chain-of-thought reasoning |
Vantagens para o NeuralSell:
- Raciocinio nivel GPT-o1 — crucial para o agente ANA (Negociacao Autonoma)
- Mostra o "processo de pensamento" da IA, facilitando auditoria e explicabilidade (RF-023)
- MIT license: zero restricoes comerciais
- Excelente para lidar com objecoes complexas (RF-010) e contra-ofertas (RF-013)
Ideal para: Modulo ANA onde raciocinio estrategico e critico.
3. Mistral Large 2 (Mistral AI) — Melhor para compliance europeu/LGPD
| Aspecto | Detalhe |
|---|
| Parametros | 123B |
| Licenca | Apache 2.0 - Totalmente livre |
| Contexto | 128k |
| Idiomas | 80+ idiomas |
Vantagens para o NeuralSell:
- Empresa europeia (Paris) — narrativa mais forte para GDPR/LGPD
- Multilingue nativo superior ao Llama 3
- Comunidade ativa e documentacao robusta
- Otimo para clientes enterprise que exigem soberania de dados
Ideal para: Deploy em clientes com requisitos estritos de privacidade (RNF-004).
4. Llama 4 Maverick (Meta) — Evolucao direta do Llama 3
| Aspecto | Detalhe |
|---|
| Parametros | 400B total / 17B ativos (MoE) |
| Licenca | Llama Community License - Limitada |
| Contexto | Ate 10M tokens (!) |
| Especialidade | Agentic apps, coding |
Vantagens para o NeuralSell:
- Contexto de 10M tokens — processa historico completo de conversas de um cliente em uma unica janela
- Ecossistema enorme (Ollama, HuggingFace, etc.)
Atencao: Licenca requer aprovacao da Meta acima de 700M MAU (usuarios ativos mensais).
Ideal para: Quando contexto longo e prioridade (ex: analise de anos de interacoes).
5. Kimi K2.5 (Moonshot AI) — Melhor para multi-agente
| Aspecto | Detalhe |
|---|
| Parametros | 1T total / 32B ativos (MoE) |
| Licenca | Modified MIT - Limite 100M MAU |
| Contexto | 256k |
| Especialidade | Agent Swarm (100 sub-agentes) |
Vantagens para o NeuralSell:
- Agent Swarm nativo — orquestra multiplos agentes simultaneos (APA + AEC + ANA + ARE)
- 99% no HumanEval (coding) — util para geracao de scripts de automacao
- Pensamento multimodal integrado
Limites da Licenca Kimi K2.5 (Modified MIT)
A licenca exige atribuicao obrigatoria (exibir "Kimi K2.5" na interface) se atingir QUALQUER UM destes limites:
| Limite | Valor | Exemplo de Impacto |
|---|
| MAU (Monthly Active Users) | > 100 milhoes | SaaS B2C de massa, redes sociais |
| Receita Mensal | > US$ 20 milhoes (~R$ 112 mi) | Enterprise, unicornios |
Caso real: A Cursor (avaliada em US$ 29,3 bilhoes, ~US$ 166 mi/mes de receita) foi acusada pela Moonshot AI de violar a licenca ao nao exibir a atribuicao no Composer 2, que usava Kimi K2.5 como base.
O que a Licenca Permite (Sem Limites)
- Uso comercial ilimitado abaixo dos triggers
- Modificacao e fine-tuning
- Distribuicao de derivados
- Deploy local/self-hosted
- Geracao de dados sinteticos para treinar outros modelos (os outputs NAO sao considerados obra derivada)
Comparativo: Kimi K2.5 vs. Llama 3 (Meta)
| Aspecto | Kimi K2.5 | Llama 3 (Meta) |
|---|
| Limite de MAU | 100M (so exige atribuicao) | 700M (precisa aprovacao da Meta) |
| Receita | US$ 20M/mes (atribuicao) | Sem limite explicito |
| Aprovacao previa | Nao necessaria | Necessaria acima de 700M MAU |
| Restricoes de uso | Nenhuma (militar, etc.) | Proibido uso em aplicacoes criticas de seguranca sem aprovacao |
Matriz de Decisao para o NeuralSell
| Criterio | Qwen3.5-122B | DeepSeek-R1 | Mistral Large 2 | Llama 4 Maverick | Kimi K2.5 |
|---|
| Custo de inferencia | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| Raciocinio/Negociacao | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Multilingue (PT-BR) | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ |
| Compliance LGPD | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| Contexto longo | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| Licenca comercial | ✅ Livre | ✅ Livre | ✅ Livre | ⚠️ Limitada | ⚠️ Limitada |
| Tamanho para self-host | 64GB | 700GB+ | 140GB | 800GB+ | 800GB+ |
Recomendacao Estrategica para o NeuralSell
Fase 1 (MVP - Meses 1-3): Qwen3.5-122B
- Roda em hardware acessivel (single H100 ou Mac Studio)
- Apache 2.0 = zero preocupacoes legais
- Performance superior ao Llama 3 70B original
- Custo de inferencia 10x menor que modelo denso equivalente
Fase 2 (Escala - Meses 4-6): DeepSeek-R1 (modulo ANA) + Qwen3.5 (demais modulos)
- DeepSeek-R1 para negociacao complexa (raciocinio superior)
- Qwen3.5 para prospeccao e retencao (eficiencia de custo)
Fase 3 (Enterprise - Meses 7+): Mistral Large 2 ou Llama 4 Maverick
- Mistral para clientes GDPR-sensitive (Europa/Brasil)
- Llama 4 para contexto ultra-longo (historico completo de clientes)
Implicacoes de Licenciamento para o NeuralSell
Cenario Provavel (B2B SaaS CRM):
- MAU inicial: 1.000 - 50.000 usuarios ✅
- Receita inicial: R$ 100k - R$ 5M/mes ✅
- Conclusao: Sem obrigacao de atribuicao por anos
Cenario de Escala (Unicornio):
- MAU: 500.000 - 2.000.000 ✅ (ainda abaixo de 100M)
- Receita: R$ 50M - R$ 200M/mes ⚠️ (pode ultrapassar US$ 20M)
- Conclusao: Se receita > US$ 20M/mes, obrigatorio exibir "Powered by Kimi K2.5" no dashboard
Alternativas 100% Livres (Sem Limites de MAU/Receita)
| Modelo | Licenca | Vantagem sobre Kimi |
|---|
| Qwen3.5-122B | Apache 2.0 | Zero restricoes, performance similar |
| Mistral Large 2 | Apache 2.0 | Compliance europeu, multilingue superior |
| DeepSeek-R1 | MIT | Raciocinio superior, custo menor |
Recomendacao Final: Para o NeuralSell, recomendo manter a arquitetura modular (LangChain/LangGraph) para permitir a troca do LLM core sem reescrever o sistema.
Roteiro sugerido:
- Fase 1-2 (MVP ate Serie B): Use Kimi K2.5 sem preocupacoes — voce estara muito abaixo dos triggers
- Fase 3 (Pre-IPO/Unicornio): Migre para Qwen3.5-122B (Apache 2.0) ou negocie licenca enterprise com a Moonshot AI
A licenca do Kimi K2.5 e
muito mais permissiva que a da Meta (Llama), mas exige atencao ao crescimento de receita. Para um SaaS B2B como o NeuralSell, o limite de US$ 20M/mes e um
bom problema para ter — significa que voce ja e uma empresa de bilhoes de dolares.