Agente de IA que qualifica e vende no WhatsApp: como montar um SDR automático

Um agente de IA que qualifica lead no WhatsApp faz três coisas: conduz uma conversa de descoberta com perguntas de qualificação, classifica se o lead está pronto para uma reunião, e agenda essa reunião — sem inventar promessa sobre o produto e sem tentar fechar a venda sozinho. A parte que costuma dar errado não é a conversa em si, é decidir onde o agente para e o vendedor entra.

O que qualificar significa, na prática

Qualificação de lead segue geralmente o modelo BANT: Budget (tem orçamento?), Authority (fala com quem decide?), Need (tem a dor que o produto resolve?), Timeline (tem urgência?). Um SDR humano faz essas perguntas de forma natural, dentro de uma conversa; o agente de IA precisa fazer o mesmo sem soar como um formulário.

const SYSTEM = `Você é um SDR da Empresa Exemplo, conversando no WhatsApp
com um lead vindo de anúncio.

Objetivo: entender se este lead tem perfil para uma reunião com o time
comercial. Ao longo da conversa, descubra naturalmente:
- Qual problema ele está tentando resolver (Need)
- Se ele decide a compra ou influencia quem decide (Authority)
- Se existe orçamento aprovado ou em avaliação (Budget)
- Se há prazo definido para resolver isso (Timeline)

Regras:
- Uma pergunta por vez, tom de conversa, não de formulário.
- Nunca prometa preço, prazo de implementação ou recurso que não
  esteja confirmado no CONTEXTO fornecido.
- Quando tiver informação suficiente, retorne a classificação no
  formato JSON combinado (ver função abaixo) — não mostre isso ao lead.`;

Classificação estruturada, não só texto livre

O ponto que decide se isso funciona em produção é o agente devolver algo que o código consegue interpretar, não só uma resposta em linguagem natural:

async function conduzirConversa(historico, mensagemNova) {
  const r = await openai.chat.completions.create({
    model: "gpt-4o-mini",
    messages: [{ role: "system", content: SYSTEM }, ...historico, { role: "user", content: mensagemNova }],
    tools: [{
      type: "function",
      function: {
        name: "classificar_lead",
        description: "Registra a qualificação do lead quando houver informação suficiente",
        parameters: {
          type: "object",
          properties: {
            qualificado: { type: "boolean" },
            motivo: { type: "string" },
            resumo_bant: { type: "string" },
          },
          required: ["qualificado", "motivo"],
        },
      },
    }],
    temperature: 0.4,
  });

  return r.choices[0].message; // pode conter tool_calls com a classificação
}

Quando o modelo chama classificar_lead, o código decide o próximo passo — sem depender de interpretar texto livre para saber se "está pronto para agendar" ou não.

Agendando de verdade

Lead qualificado precisa virar reunião marcada, não uma promessa de "algum vendedor vai te chamar". Isso é outra função exposta ao modelo:

const tools = [
  // ...classificar_lead acima
  {
    type: "function",
    function: {
      name: "verificar_horarios",
      description: "Consulta horários disponíveis na agenda do time comercial",
      parameters: { type: "object", properties: { dia: { type: "string" } } },
    },
  },
  {
    type: "function",
    function: {
      name: "agendar_reuniao",
      description: "Cria o evento na agenda e confirma com o lead",
      parameters: {
        type: "object",
        properties: {
          horario: { type: "string" },
          nomeLead: { type: "string" },
          telefone: { type: "string" },
        },
        required: ["horario", "telefone"],
      },
    },
  },
];

Esse padrão — o modelo decide qual função chamar, seu código executa e devolve o resultado — é function calling puro, sem precisar de um protocolo específico. O detalhe de implementação completo, incluindo o loop de chamar a função e devolver o resultado ao modelo, está em function calling na API do WhatsApp sem MCP.

Não deixe o agente inventar sobre o produto

Um SDR de IA sem controle tende ao mesmo erro de qualquer agente sem restrição: quando não sabe o preço exato de um plano, ele estima um — e uma estimativa errada vinda de um agente de vendas vira uma objeção do lead depois, quando o vendedor humano corrige o número. A solução é a mesma de qualquer bot que precisa de fatos corretos: buscar a informação real antes de responder, com RAG, em vez de deixar o modelo responder do que "lembra".

Onde o agente deve parar

Três limites que valem ser explícitos no prompt e no código, não deixados implícitos:

Não negocia preço. Pode informar a tabela de planos vigente; desconto e condição especial são decisão humana.

Não fecha contrato. O papel termina em agendar a reunião com informação de qualificação anexada — quem assina é o vendedor.

Escala quando o lead pede humano, ou quando a pergunta foge do que a base cobre. Insistir em responder fora do escopo é o que transforma um SDR de IA bom numa fonte de reclamação. As regras de quando e como escalar estão em quando a IA deve parar de responder no WhatsApp.

Conclusão

Um SDR de IA no WhatsApp bem construído não substitui o vendedor — filtra a triagem repetitiva antes dele. A arquitetura tem três peças que precisam trabalhar juntas: conversa natural para qualificar, classificação estruturada que o código consegue ler, e function calling para agendar de verdade. Nenhuma das três funciona isolada — um agente que só conversa bem, sem agendar de fato, devolve o mesmo trabalho manual que tentava eliminar.