O varejista Grupo Macro criou uma inteligência artificial proprietária especialista em funis de vendas digitais. Desenvolvida internamente com motor proprietário, a Nina Sales Machine se absorve de conhecimentos que o Grupo Macro construiu nos últimos 15 anos e combina técnicas de programação neurolinguística (PNL), gatilhos mentais, marketing digital, CRO (otimização de conversão) e copywriting (habilidade de gerar textos persuasivos para ações de marketing e vendas).
Utilizando linguagem natural e múltiplas personas, adaptáveis de acordo com o cliente, a Nina emula as soft skills de um vendedor humano e se retroalimenta com informações de conversas anteriores por meio de machine learning, evoluindo a cada nova conversa. De forma independente, a inteligência artificial mergulha no seu próprio BI (business intelligence), analisa os funis de conversão e decide se vale a pena manter os argumentos ou alterá-los.
Pablo São Thiago, CEO do Grupo Macro, explica que a plataforma dá conta de toda a jornada de vendas conversacional via WhatsApp para qualquer indústria. “Queremos criar o vendedor mais completo do mundo e, para isso, precisamos de um agente que seja capaz de acessar a maior quantidade possível de dados em tempo real, como somente uma inteligência artificial conseguiria, e aliar essa habilidade a características humanas, como comunicação em linguagem natural e capacidade de improvisação”, diz.
A Nina Sales Machine já está prototipada, em fase avançada de testes e implementação com clientes do Grupo Macro. Como um cérebro digital especializado em vendas, o sistema pode ser treinado para vender qualquer coisa, seja um plano de telefonia ou algo completamente diferente, como comercializar energia elétrica corporativa, por exemplo.
“Não tem na indústria hoje outra empresa que tenha feito algo parecido É uma evolução da jornada de vendas via Whatsapp e um salto de qualidade em relação aos chatbots tradicionais, que trabalham com fluxos conversacionais sequenciais para vendas, ou seja, diferentemente da Nina, são programados e não treinados”, acrescenta.
Para São Thiago, a expectativa é que haja ganho de qualidade e melhoria não somente nos índices de conversão, mas também na capacidade de capturar públicos que ainda não estão tão maduros, de dialogar com eles e conseguir convencê-los. “Imagine a seguinte situação: um cliente entra em contato com uma TV por assinatura/telefonia e conta seu perfil, a cidade onde mora, número de filhos, interesses e o orçamento que dispõe para investimento, pedindo indicação de um plano personalizado para contratar. Não tem treinamento no mundo que consiga capacitar um humano para fornecer uma resposta mais completa do que nossa inteligência artificial entregaria”, argumenta.
Para essa situação hipotética, em questão de segundos a IA poderia acessar todas as opções de canais por assinatura, catálogo do Netflix, músicas do Spotify, o que for necessário para atender a essa demanda. “E tudo isso por meio de um bate-papo informal: a Nina sugere soluções em vez de empurrar produtos. Ela tem a capacidade de transformar a experiência de vendas digitais em algo mais humano, inteligente e persuasivo, sem abrir mão da eficiência de conversão do funil”, finaliza.
Desafios do desenvolvimento
CTO do Grupo Macro, Henrique Jacob é o executivo responsável pelo projeto da Nina, e explica que a solução utiliza redes neurais líquidas (LLMs) de mercado. “Dependendo do contexto, a Nina identifica qual seria o melhor cenário e redireciona para um dos motores de interpretação conforme a sua avaliação. Nossa IA é treinada para entender primeiro o que o usuário precisa e, a partir dessa apreensão, apresentar um produto adequado e direcionado para aquela necessidade, e não apresentar todo o portfólio da empresa”, diz.
Para gerar a Nina, a equipe de pesquisa e tecnologia do Grupo Macro precisou estruturar um banco vetorial pelo qual a inteligência artificial se conecta com vários vértices e, dependendo do que entende da pergunta, se conecta com uma habilidade específica e utilizar essa informação para interagir com o usuário.
Se, por exemplo, o cliente se comunicar com a Nina utilizando frases mais curtas e objetivas, então assim serão também as respostas da inteligência artificial. No entanto, quando interage com um usuário mais conversacional, a Nina pode ir além do produto e até bater papo sobre o clima.
“Por esse motivo, a fusão de soft skills a uma IA proprietária apresentou desafios técnicos únicos e complexos. O cerne da dificuldade estava em codificar habilidades intrinsecamente humanas – como empatia, adaptabilidade contextual e persuasão sutil – em um sistema de inteligência artificial. Desenvolvemos algoritmos avançados de processamento de linguagem natural (NLP) capazes de capturar e reproduzir nuances comunicativas, incluindo variações de tom, timing conversacional e personalização dinâmica do discurso”, detalha.
A implementação de redes neurais profundas e técnicas de aprendizado por reforço foi crucial também para criar um modelo que, para além de emular, também fosse capaz de otimizar essas soft skills em tempo real. “Utilizamos os históricos de conversas para calibrar a inteligência artificial e dar à Nina os feedbacks dos atendimentos que ela executou de forma perfeita e em quais ela poderia ser ainda mais atenciosa”, conclui.
