O que quase 11 mil turnos de negociação autônoma nos ensinaram sobre a venda real

Pensa numa reunião de venda comum. Lá pelo vigésimo minuto, o comprador faz uma pergunta técnica sobre integração e, logo em seguida, questiona o prazo de entrega. O vendedor se empolga explicando a parte técnica, esquece de responder sobre o prazo e emenda uma pergunta sobre o orçamento. A conversa segue, mas a venda começa a esfriar ali mesmo, sem que ninguém perceba o motivo.

Em boa parte das empresas, o comercial ainda é gerido no sentimento, e não no dado. O vendedor entra na chamada contando com a própria inspiração para fazer a pergunta certa e precisa adivinhar, enquanto fala, quais são as reais probabilidades de fechar aquele negócio. De acordo com o Panorama RD Station de 2026, 75% das empresas ouvidas não bateram a meta de vendas em 2025. Quando o líder tenta entender o motivo, esbarra na falta de visão sobre onde exatamente cada vendedor está falhando.

Na Imersa, nós encaramos esse problema através da ciência e da engenharia de inteligência artificial. Como uma deep-tech de ativação de receita, nosso trabalho vai muito além de plugar modelos prontos de mercado. Nós construímos tecnologia proprietária para ler a conversa em tempo real e preparar o vendedor com simulações fiéis à realidade do mercado brasileiro.

Para que uma call de aquecimento prepare o vendedor de verdade, ou para que um copiloto de vendas aponte os pontos de ação certos ao vivo, a inteligência por trás da plataforma precisa entender a fundo a dinâmica humana de uma negociação B2B. Recentemente, conduzimos um estudo interno de aprendizado autônomo que colocou agentes de IA para negociar entre si em jornadas completas de vendas, passando pela ligação fria, reunião de diagnóstico, prova de conceito e fechamento.

Foram 956 conversas e 10.749 turnos de fala analisados, somando 467 mil palavras faladas em português. O objetivo era observar como diferentes arquiteturas de aprendizado evoluem e quais comportamentos separam uma venda bem-sucedida de uma perda silenciosa.

1. O perigo do comprador impossível na simulação

Um dos grandes desafios na construção de uma IA que faz o papel do cliente (o nosso IMO, usado nas calls de aquecimento antes das reuniões difíceis) é o equilíbrio do realismo. Na ciência de inteligência artificial, sabemos que um cliente simulado fácil demais ensina hábitos errados para o vendedor. Por outro lado, um cliente impossível de convencer não ensina nada.

Durante os testes, observamos um fenômeno clássico de teoria dos jogos e desenho de incentivos. Quando a regra de avaliação recompensava o agente comprador simplesmente por encerrar a chamada sem avançar, a IA descobriu uma brecha: ela se tornou um porteiro irrealista. Mesmo quando o produto oferecido resolvia uma dor real e urgente da empresa simulada, o comprador virtual bloqueava a conversa nos primeiros 30 segundos, exigindo provas impossíveis antes de revelar qualquer contexto. A duração das ligações frias caiu de 14 para 9 turnos, e a taxa de agendamento de reuniões para clientes com alto perfil de encaixe despencou para zero.

Na vida real, o comprador B2B é exigente, mas ele quer resolver as dores da própria operação. Esse achado comprova por que simulações genéricas de mercado falham ao preparar equipes comerciais. Construir uma simulação útil exige engenharia de incentivos rigorosa, garantindo que a IA reaja à competência do vendedor da mesma forma que um decisor real reagiria.

2. Na venda ao vivo, adivinhar o que o cliente pensa gera atalhos e erros

Outro teste importante comparou dois modos de aprendizado para o agente vendedor. No primeiro grupo, o sistema que avaliava a conversa e gerava aprendizados tinha uma visão onisciente: ele sabia exatamente qual era o orçamento secreto do comprador e o nível exato de encaixe do produto. No segundo grupo, o avaliador era realista: ele analisava a chamada apenas com as informações que o vendedor conseguiu extrair durante o diálogo, no escuro, exatamente como acontece na vida real.

O resultado contrariou o senso comum. O vendedor guiado pelo avaliador onisciente não apresentou evolução estatística contra o painel de controle. Pior do que isso: na etapa de fechamento, a taxa de afirmações falsas ou exageradas sobre o produto subiu de 0,28 para 0,48 por chamada. Ao receber orientações baseadas em dados que não podiam ser observados na conversa, o agente passou a adotar atalhos retóricos e a prometer o que não estava na ficha técnica para tentar forçar o acordo.

Já o agente guiado pelo modelo realista evoluiu de forma consistente, vencendo os cenários de avaliação pareada com significância estatística (p ≈ 0,04) e reduzindo as inconsistências e promessas falsas no fechamento pela metade, caindo de 0,47 para 0,19 por conversa.

A lição para o mundo real é direta. O vendedor não tem bola de cristal na reunião. Quando a Imersa atua como copiloto de vendas ao vivo, ela dá uma visão de raio-x da conversa lendo os sinais observáveis: o que foi dito, a objeção que ficou em aberto e a coerência com o que a empresa realmente entrega. É o foco no dado real da conversa que evita que o vendedor congele nos próprios vícios ou faça promessas desalinhadas na pressão de bater a meta.

3. O que a inteligência artificial descobriu sozinha sobre vender bem

Ao longo das 36 rodadas completas do experimento, os agentes vendedores do modelo realista acumularam experiência prática, descartando abordagens que davam errado e consolidando no seu núcleo de memória apenas o que gerava avanço concreto rumo ao contrato.

Sem nenhuma instrução prévia sobre livros de vendas, as regras que sobreviveram à validação matemática convergiram para práticas muito sólidas de negociação, e você pode aplicar em seus times hoje mesmo:

• Responder a 100% do que o comprador perguntou antes de devolver qualquer nova pergunta.

• Fazer no máximo uma pergunta por turno de fala, evitando interrogatórios que travam o cliente.

• Nas chamadas analisadas, o vendedor ocupou em média 56% das palavras faladas, aproximando-se da faixa de 43% observada em estudos públicos de conversas comerciais de alta conversão, com falas curtas de mediana de 50 palavras.

• Não entregar preço, referência ou proposta comercial sem uma troca mínima de contexto por parte do comprador.

• Declarar as limitações do produto em uma única frase transparente e nunca verbalizar números que não constam na especificação real.

• Transformar pedidos vagos de "me manda um material por e-mail" em compromissos verificáveis para o próximo passo.

Quando olhamos para as 198 negociações de fechamento que resultaram em 130 contratos assinados dentro do simulador, fica claro que a consistência técnica vence o improviso.

Da pesquisa para a tela do seu time comercial

Toda essa carga de pesquisa em aprendizado em contexto e modelagem de agentes existe por um único motivo na Imersa: entregar ao seu vendedor um braço direito confiável durante a venda real, e devolver ao líder a visão que ele não tinha sobre a operação.

Quando um vendedor entra numa videochamada com a Imersa, o copiloto de IA acompanha a conversa em tempo real, aponta na tela as objeções que ficaram sem resposta e sugere a próxima pergunta. Quando a reunião termina, o diagnóstico já entrega a nota da conversa por aspecto, a probabilidade de fechar, as inconsistências e os próximos passos direto no card do lead no CRM.

Se o diagnóstico mostra uma falha recorrente, a plataforma monta uma call de aquecimento com o nosso IMO para o vendedor praticar antes do próximo cliente real. Tudo o que dá certo fica guardado num núcleo de inteligência comercial protegido, que pertence à empresa e não vai embora quando alguém sai da equipe. E quando chega gente nova, esse conhecimento acelera o plano de capacitação: na própria operação da Imersa, reduzimos pela metade o tempo até o vendedor novo atender clientes reais, num mercado em que um executivo de contas B2B leva em média 6,2 meses para atingir a maturação esperada, segundo dados de 2026 do The Bridge Group.

O comercial é o oxigênio de todas as empresas, e a tecnologia entra para aprimorar esse time. Nós mostramos o que o dado diz, reunião por reunião, para que a decisão de onde agir continue sempre na mão de quem lidera.

Se você quer enxergar o mapa real do seu time e ver como a nossa tecnologia funciona na prática, o próximo passo é simples: Agendar uma conversa.

João L. M. Ortiz
Head of AI at Imersa