--- title: "Agente de IA que qualifica e vende no WhatsApp: como montar um SDR automático" description: "Como um agente de IA qualifica lead, responde objeção e agenda reunião no WhatsApp — a arquitetura de um SDR automático e onde ele precisa parar." url: "https://wame.api.br/blog/agente-ia-sdr-whatsapp-qualificar-vender" language: "pt-BR" og:type: "article" published_time: "2026-09-16" modified_time: "2026-09-16" author: "Raphael Serafim" keywords: "sdr ia whatsapp, agente de ia para vendas whatsapp, qualificar lead whatsapp ia, bot de vendas whatsapp, ia que agenda reuniao whatsapp, pre-vendas automatizado whatsapp, chatbot de vendas com ia" reading_time: "8 min de leitura" --- # Agente de IA que qualifica e vende no WhatsApp: como montar um SDR automático > Como um agente de IA qualifica lead, responde objeção e agenda reunião no WhatsApp — a arquitetura de um SDR automático e onde ele precisa parar. **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. ```js 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: ```js 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: ```js 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](/blog/function-calling-api-whatsapp-agente-ia). ## 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](/blog/rag-whatsapp-base-conhecimento-ia), 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](/blog/quando-ia-deve-parar-responder-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. ## Perguntas frequentes ### Um agente de IA consegue qualificar lead de verdade no WhatsApp? Consegue fazer as perguntas de qualificação (orçamento, prazo, autoridade de decisão, necessidade — o modelo BANT) e classificar a conversa com base nas respostas. O que ele não deveria fazer sozinho é decidir fechar a venda: o papel dele é qualificar e agendar, deixando a negociação final com um humano. ### Como o agente sabe quando o lead está qualificado? Você define os critérios no prompt — geralmente as respostas às perguntas de BANT — e pede ao modelo para retornar uma classificação estruturada (qualificado, não qualificado, precisa de mais informação) junto com a resposta ao cliente. O código lê essa classificação e decide a próxima ação: agendar, nutrir ou descartar. ### O agente pode marcar reunião sozinho na agenda do vendedor? Sim, com function calling: você expõe uma função de 'verificar horários disponíveis' e outra de 'criar evento', e o modelo chama as duas quando o lead aceita agendar. A implementação de function calling puro, sem depender de um protocolo específico, está em [function calling na API do WhatsApp sem MCP](/blog/function-calling-api-whatsapp-agente-ia). ### Como evitar que o agente invente informação sobre o produto? Com RAG: o agente busca a informação real do catálogo ou da tabela de planos antes de responder, em vez de responder do que 'lembra' do treinamento. O padrão está detalhado em [RAG no WhatsApp](/blog/rag-whatsapp-base-conhecimento-ia). ### Isso substitui o time comercial? Substitui a triagem inicial, que é repetitiva e consome tempo do time — as mesmas cinco perguntas, para todo lead que chega. Não substitui a negociação, a construção de relacionamento nem o fechamento, que seguem exigindo julgamento humano. O ganho é o vendedor só entrar na conversa quando o lead já está qualificado e quente.