Agente de IA de inbound do SaaStr elevou novos negócios em 60%

O problema que o agente substituiu

Há treze meses, o fluxo de inbound do SaaStr para patrocinadores era simples e fraco: o prospect preenchia um formulário longo na página de patrocínio, a lead ia para Amelia, que distribuía entre ela e David, e alguém respondia em cerca de um dia com um e-mail genérico do tipo "você parece um bom fit, vamos marcar" mais um link de Calendly. Amelia chama esse e-mail de "o pior e-mail do planeta": o prospect tomou a iniciativa e recebeu uma carta formulário. Segundo o texto, esse baixo padrão é o motivo pelo qual o agente de IA trouxe retorno tão rápido - quase qualquer coisa supera isso.

O agente no site: o que faz e como

O primeiro agente foi colocado na página de patrocinadores do SaaStr AI Annual, onde chegam pessoas avaliando uma compra de aproximadamente US$ 90 mil. A recomendação é começar na página de maior intenção, não na homepage. O agente roda no produto Qualified, como um avatar chamado Amelia AI, e opera com três pessoas gerenciando todo o fluxo.

O trabalho central do agente é qualificar em tempo real, de forma que também ajude o prospect: por que quer patrocinar, orçamento, objetivo (geração de leads, marca ou palestra), concorrentes que acompanha e exemplos concretos de ROI de empresas parecidas. Cada resposta melhora a primeira ligação humana. A mudança mais importante, porém, é que o agente agenda a reunião na hora, sem transferência ou espera - o fluxo antigo perdia gente no intervalo entre enviar o formulário e receber uma resposta decente. Na reunião, a conversa abre com o que o agente já capturou, eliminando os dez minutos dolorosos de discovery repetitivo.

A métrica que importa é o funil completo, não o número de conversas: nos últimos 12 meses foram 17.000 conversas com prospects (algumas delas ociosas, o que é aceitável) e cerca de 600 reuniões agendadas para o SaaStr AI Annual 2026; para 2027, o ritmo está em quase 2x do período anterior. Junto com o agente self-serve mais recente, os agentes de inbound elevaram os novos negócios em 60%. Entre os clientes reais que vieram por esse caminho está a OpenRouter.

Para quem funciona e por que manter duas portas

O resultado se explica pelo perfil do comprador: sponsors tech-centric e cada vez mais nativos de IA, que fazem discovery sozinhos, conversam com o agente e agendam. Para um comprador não técnico, disposto a esperar duas semanas por uma ligação, a experiência pode não transferir. Além disso, uma parcela real dos compradores não fala com um avatar - alguns se intimidam, outros só querem pacotes e preços. Por isso o caminho self-serve foi mantido, decisão que originou a segunda parte do projeto.

A segunda camada: self-serve personalizado

Por um ano, o caminho self-serve era um PDF (prospectus em Google Slides) que convertia pior que o agente e não gerava nenhum sinal após o download. A ideia de modernizá-lo veio do próprio agente de renovações, que apontou que as peças já existiam. Os passos implementados:

Página tokenizada no site próprio (construída no Replit) no lugar do PDF, com link único por empresa.
Heat mapping com Microsoft Clarity, escolhido pelo agente 10K. No caso da lead Base44, o mapa de calor confirmou o interesse declarado em Gold e Super Gold.
Espera de 10 minutos antes de agir, para a sessão terminar e o heat map ficar completo (a maioria dos visitantes sai após 5 a 7 minutos).
Sinais first-party primeiro: presença no site, sequências de outbound, anúncios vistos, newsletter, participação ou palestra em eventos e cobertura no site. Depois concorrentes e, por último, dados de terceiros. Na Base44, essa camada revelou que o CEO já tinha ido ao SaaStr AI Annual.
Roteamento simultâneo: e-mail para Amelia, ping no Slack, fila em dashboard e gravação no Salesforce com heat map e link anexados - antes feito por upload trimestral manual de planilha.
Pitch escrito pelo agente, aprovado por humano: o agente monta em 30 a 60 segundos a narrativa, usando apenas resultados públicos ou anonimizados de outros clientes. Amelia revisa e aprova, e o e-mail sai do nome dela.
Atualização do mesmo link no lugar: a URL genérica passa a abrir a versão personalizada ("por que a Base44 deveria estar no SaaStr", com concorrentes e pacotes) e funciona como documento vivo durante todo o ciclo de venda.
Booker próprio: como Calendly e Read AI não se conectavam a nada, o agente construiu um agendador próprio em 20 minutos, que mostra o nome da empresa, vincula ao prospectus e detecta quem abriu sem agendar, disparando follow-up.
Roteamento por similaridade de contas: a Base44 foi para Amelia porque ela atende Replit e Lovable, perfis mais parecidos.

O resultado na lead real: a Base44 recebeu o follow-up personalizado, elogiou a rapidez e agendou imediatamente para sexta-feira.

Stack e armadilhas

O sistema roda no Replit (backend, dashboard, fila e integração com Salesforce headless), Qualified para o agente no site e Microsoft Clarity para heat mapping. A equipe não é de engenharia e afirma que não é preciso ser engenheiro para montar isso.

Os erros apontados: tentar construir tudo de uma vez (o agente do site rodou sozinho por quase um ano antes das camadas seguintes), deixar o backend muito grande - o 10K piorou por algumas semanas até ser modularizado, e modelos mais novos como o Fable 5.1 (lançado em 1º de setembro) ajudam a melhorar sistemas desse tamanho - esquecer o resto do time de vendas (David não tem acesso ao mesmo backend e ainda usa o Salesforce diretamente) e assumir um único caminho de inbound; hoje as duas portas rodam em paralelo, com meta futura de união ainda não concretizada.