Começamos vendendo uma IA de atendimento pra clínicas. Estamos construindo a infraestrutura que qualquer negócio B2B2C vai usar pra automatizar conversas com clientes. Este documento explica como chegamos a meio bilhão.
A IA já converte. Clínicas Magrass em 16 cidades usam nossa engine para qualificar leads e agendar consultas. Mas o atual código não foi desenhado pra escalar. Cada novo cliente custa semana de dev. Cada nova vertical custa meses. Não dá pra chegar a mil clientes com a base que temos.
Cada cliente novo é onboarded manualmente. O código é específico para clínicas estéticas. Um funil diferente exige semanas de desenvolvimento dedicado. A qualidade da IA é boa, mas o modelo de entrega não escala.
O gargalo não é tecnologia — é arquitetura. Misturamos lógica de negócio com código-fonte, prompts com estrutura, infra com produto. Cada decisão boa vira dívida se precisar ser replicada dez vezes.
A refatoração que propomos separa três camadas que hoje vivem amarradas: engine genérico, blueprint por cliente, autoridade humana. Com isso, novo cliente deixa de ser PR de código e vira registro no banco. Minutos, não semanas.
Três frases, três consequências. Juntas, redefinem o que uma IA conversacional de produção pode ser. Separam o que é software (invariante) do que é negócio (muda por cliente) do que é responsabilidade humana (sempre tem a última palavra).
Pipeline, nodes, retry, durability, tracing, cost tracking, tool execution, fallback de modelo, eval, rollout. Tudo isso é invariante por cliente. Escreve uma vez, funciona pra clínica estética, médica, escola, academia, seguradora, SaaS. Ninguém edita código do engine pra lançar novo vertical.
Stages, variáveis, tools, templates de prompts, transições, outcomes, permissões. Tudo vive em registros. Editável por PM, versionável, com rollout gradual e rollback automático. Novo vertical é INSERT no banco, não pull request.
Sistema propõe, humano decide quando há dúvida. IA pausa, humano aprova, IA continua. Humano pode sempre sobrescrever classificação. O monitor deixa de ser catador de erro e vira parte produtiva do sistema. Cada correção vira aprendizado. Cada dúvida vira melhoria versionada.
Essa tese não é nossa invenção — é o que Decagon, Sierra, Intercom, Stripe e outras empresas sérias de IA conversacional adotaram nos últimos 18 meses. A diferença é que elas atingiram isso depois de $100M+ em funding. Nós vamos chegar com 1/100 do gasto.
A razão é simples: estamos desenhando certo desde o começo. Já validamos a demanda (16 clínicas operando). Já entendemos o domínio (centenas de conversas reais analisadas). Agora construímos a fundação que escala.
Uma vez que a fundação existe, ela pode servir a negócios muito diferentes. Mapeamos sete modelos de expansão. Não são exclusivos; alguns combinam. Ordenamos por maturidade de execução necessária.
Um SaaS B2B no Brasil geralmente negocia a 10-15× ARR, dado NDR alto, gross margin >70% e crescimento >100% aa. Abaixo mostramos três rotas possíveis de valuation — cada uma realistica, cada uma apostando em um equilíbrio diferente de risco e tempo.
A decisão não é escolher uma rota e descartar as outras. É decidir a sequência. Rota 1 nos primeiros 24 meses, Rota 2 começando aos 18, Rota 3 começando aos 30 meses — com base instalada que funciona como âncora de credibilidade pra platform play.
Cada rota tem gatilhos. Rota 2 exige primeiro cliente enterprise fechado. Rota 3 exige DX de primeira classe validada. Rota 1 é onde estamos e onde continuamos crescendo durante as outras.
Existem dois caminhos fundamentais de crescimento. Internalizar — contratar time que gerencia agents para clínicas. Externalizar — virar infraestrutura para que outros construam. A recomendação é sequencial, não simultânea.
Vender direto pra clínicas. Contratar "agent managers" — operadores treinados no nosso sistema que gerenciam versões de agent. Crescer via expansion (clínica → rede).
Nos primeiros 24 meses focar Rota 1+G com time próprio (agent managers). Com base instalada sólida, abrir programa de partners selecionados. Em 36 meses, platform aberta. Crescimento vertical vira flywheel pra expansão horizontal e platform.
Virar plataforma desde o dia um. Developer-first marketing, SDK + API, docs excelentes. Revenue early stage menor, mas network effect e moat de plataforma desde o começo.
Cada conversa atravessando a infra gera sinal. Com 10 000 conversas em estética, sabemos exatamente qual tom converte mais, quais objeções são mais comuns, qual sequência de stages tem maior taxa de agendamento. Isso retroalimenta os templates — vantagem impossível de copiar sem o mesmo volume.
Cada vertical que onboardamos vira um blueprint provado. Dois anos à frente teremos dezenas de blueprints testados com centenas de clientes. Concorrente começa do zero; nós começamos do blueprint que já deu certo.
Cada humano que corrige a IA gera evento estruturado. Meta-IA agrega padrões, sugere melhorias, cliente aprova, nova versão entra em rollout gradual. O sistema literalmente fica melhor quanto mais é usado — e essa melhoria é automática, auditável e versionada.
Não é só enviar mensagem no WhatsApp. É integrar com ASA Saúde, UNO Scheduling, Pix do Asaas, Calendly, Asaas Billing, Meta Conversions API. Cada integração é trabalho, cada vertical tem as suas. Isso constrói dependências operacionais com os clientes — não é custo, é moat.
Diferente de competidores que testam agents localmente, nós avaliamos uma amostra de conversas reais em produção com LLM-as-judge rigoroso. Regressão detectada em horas. Rollback automático. O cliente nunca vê a regressão — o sistema corrige antes.
Cada fase tem objetivos, investimentos, riscos e métricas de sucesso claras. Cada fase resolve antes de a próxima começar.
Cada conversa B2B2C que acontece no Brasil daqui a 5 anos vai rodar em cima de alguma infraestrutura. A questão é se vai ser a nossa, a de um player americano, ou a de alguém ainda por vir. Temos a chance de ser o primeiro.