Problema
Grupos de WhatsApp viraram um dos principais canais de atendimento a clientes B2B, e muitas empresas relatam que os clientes preferem assim. O problema está na operação por trás: em cada grupo chegam dúvidas repetidas, pedidos de status e solicitações reais misturados, e nenhum sistema separa o que realmente exige uma pessoa. Resultado: mensagens importantes somem da tela, quando o CS responsável entra de férias ninguém assume e o time só reage. O custo cresce em linha com o número de grupos, porque a saída padrão é contratar mais analistas, e mesmo assim o time perde sinais de risco, o que aparece como churn e expansão não capturada. Vivo esse problema no meu trabalho, com [N] grupos de clientes. Nossa hipótese, que estamos validando, é que uma parte grande do volume (dúvidas repetidas e status) pode ser tratada por IA supervisionada, deixando o time humano para o que exige julgamento.
Solução
Não pedimos que a empresa abandone os grupos, porque os clientes gostam deles. Colocamos uma camada de IA por cima. Em cada grupo, a IA classifica as mensagens em dúvida repetida, pedido de status, solicitação real e sinal de risco. Para o que já tem resposta na documentação da empresa, ela rascunha a resposta e o CS aprova ou edita. O que exige julgamento, ou sinaliza risco, vai para o responsável com contexto resumido, e o gestor recebe um relatório periódico com o que está acontecendo em cada conta. Cada grupo tem uma chave de autonomia: enquanto o CS está treinando e conferindo a IA, ela só rascunha. Quando ele confia no nível das respostas, liga o modo automático naquele grupo. Assim o time deixa de ler tudo e de perder mensagens, e o custo de cobertura deixa de crescer na mesma proporção do número de grupos. Estamos começando por um teste em modo sombra, sem enviar nada aos clientes, para medir a taxa de respostas aceitas antes de automatizar.
Modelo de negócio
Assinatura recorrente (SaaS) cobrada por grupo de WhatsApp ativo, em faixas de volume de mensagens, com um adicional por grupo onde o cliente liga a resposta automática. Cobramos por grupo, e não por usuário, para que nossa receita não caia quando a IA reduz a necessidade de analistas. Hipótese de preço: R$ 49 a 99 por grupo por mês no modo rascunho, mais R$ 30 a 60 por grupo com resposta automática. O ticket inicial esperado é de R$ 1.500 a 4.000 por mês (15 a 50 grupos), chegando a cerca de R$ 8.000 por mês quando o cliente traz cerca de 100 grupos. Esses valores ainda não foram validados: estamos testando com pilotos pagos e perguntas de preço a 5 a 8 empresas do nicho. Com custo variável de IA estimado em R$ 4 a 85 por grupo por mês, conforme o volume, a margem bruta projetada no cenário médio fica entre 70% e 85% (estimativa a confirmar com dados reais).
Mercado
Ainda não há um número confiável para o nosso segmento (times de CS que atendem clientes B2B por grupos de WhatsApp), então usamos duas referências. De cima para baixo, o mercado de plataformas de customer success é estimado em cerca de US$ 3,4 bilhões em 2026, com crescimento acima de 20% ao ano, segundo uma consultoria de pesquisa (as estimativas variam entre relatórios). Nosso segmento é uma fração desse mercado. De baixo para cima, começamos por SaaS B2B no Brasil: o mapeamento da ABStartups 2025 registra 3.650 startups ativas, 39% delas SaaS, cerca de 1.400 empresas só nessa amostra. Com preço por grupo e premissas conservadoras de adoção, estimamos um mercado inicial de cerca de R$ 33 milhões por ano no cenário base (faixa de R$ 4 a 140 milhões), ponto de partida antes de expandir para agências, outros nichos B2B e a América Latina.
Concorrentes
O mercado já tem ferramentas para partes do problema, em quatro grupos. (1) Caixas de entrada compartilhadas para grupos, como Periskope e TimelinesAI, que centralizam mensagens e criam tickets, cobram principalmente por usuário e têm a IA como recurso adicional. (2) Inteligência de conversas no WhatsApp, como Lunatic Monkey (Brasil) e Eazybe, com resumos, sentimento e alertas. (3) Analytics de comunidade, como My Group Metrics, voltado a comunidades grandes. (4) Soluções caseiras com Evolution API, Chatwoot e n8n, e helpdesks tradicionais, que cobrem sobretudo conversas 1:1. Nossa aposta se diferencia em três pontos que ainda estamos validando: IA que rascunha e, por grupo e com liberação do CS, passa a responder sozinha; preço por grupo em vez de por usuário, alinhado a reduzir a necessidade de analistas; e foco em times de CS de SaaS B2B no Brasil.
Diferencial competitivo
Não vemos um diferencial único, e sim uma combinação que ainda estamos validando. Primeiro, autonomia gradual e mensurável: a IA começa só rascunhando, e cada grupo tem uma chave de automação que o CS liga com base em uma taxa de respostas aceitas que medimos, em vez de confiar na IA no escuro. Segundo, preço por grupo em vez de por usuário: se a IA funciona e o time precisa de menos analistas, nossa receita não cai junto, ao contrário das ferramentas cobradas por assento. Terceiro, foco em times de CS de SaaS B2B, com um fundador que vive o problema no dia a dia. No longo prazo, o histórico por conta e os sinais de risco acumulados aumentam o custo de troca. Reconhecemos que concorrentes como Periskope já oferecem agentes de IA, então nossa vantagem inicial é foco e execução, e não tecnologia exclusiva.
Barreira de entrada
Hoje a barreira de entrada é baixa, e reconhecemos isso: o acesso aos modelos de IA e a conexão com o WhatsApp estão disponíveis para qualquer time técnico. A barreira que estamos construindo é de custo de troca e de dados. Cada grupo acumula a base de conhecimento configurada, o histórico de conversas, as regras do CS e a memória das correções que ele faz nos rascunhos. Essa memória, junto com a taxa de aceitação medida, é o que dá confiança para ligar a resposta automática naquele grupo. Migrar para outra ferramenta significa recomeçar esse treinamento e perder o histórico. Com escala, o conjunto de conversas de CS B2B em português, anonimizado e tratado conforme a LGPD, permitiria construir referências de sinais de risco de churn que um entrante novo não tem. Ainda não temos essa vantagem: ela só se forma com clientes e com tempo.
Tração
Ainda não. O produto foi concebido em setembro de 2026 e está em validação, sem receita nem clientes pagantes. Hoje temos sinais de demanda: um fundador que vive o problema no dia a dia, empresários da nossa rede que relatam a mesma dor e dois parceiros que podem ceder grupos autorizados para o teste. Nas próximas semanas rodamos um teste em modo sombra e buscamos pilotos pagos.