O fim do funil baseado em palpite
Enquanto a maior parte do debate sobre IA em vendas gira em torno de chatbots que respondem e-mails e agendam reuniões, a NVIDIA e a Salesforce subiram o palco do Dreamforce para anunciar algo estruturalmente diferente: o Koa, primeiro modelo de raciocínio (reasoning model) aplicado a CRM. Construído a partir do NVIDIA Nemotron 3 Super e pós-treinado com dados sintéticos derivados de 27 anos de implantações de CRM da Salesforce, o Koa roda integralmente na infraestrutura da própria Salesforce — o que significa que nenhum byte de dado do cliente é usado no treinamento ou na inferência, como destacou Rohan Kumar, presidente de plataforma e engenharia da empresa.
Traduzindo do jargão: seu funil de vendas deixa de ser uma planilha com regras fixas e passa a operar com capacidade de previsão contextual. A pergunta que todo gestor de marketing e vendas deveria fazer agora não é “o que esse modelo faz?”, mas “o que muda quando o CRM começa a raciocinar em vez de apenas registrar?”.
Fonte: NVIDIA Blog — ‘Now We Can Know Everything and Do Anything,’ Jensen Huang Says at Dreamforce
O que um modelo de raciocínio faz diferente no CRM
Modelos de linguagem tradicionais funcionam como autocompletar sofisticado: eles preveem a próxima palavra ou ação provável com base em padrões estatísticos. Um reasoning model faz algo mais próximo do que um bom vendedor faz: ele encadeia etapas lógicas antes de responder. Em vez de reconhecer “esse lead é quente porque tem perfil X”, o Koa constrói uma sequência de inferências — analisa o contexto do negócio, o histórico de interações, o estágio atual da oportunidade e o comportamento do cliente — para então sugerir a ação ou a previsão.
A Salesforce, inclusive, criou um benchmark próprio, o CRM Bench, para medir esse tipo de tarefa. O Koa já iguala ou supera os principais modelos do mercado em ações de CRM (atualizar uma oportunidade, rotear um caso de suporte, agendar um follow-up) com 3x menos erros. Esse número importa porque o custo do erro em CRM não é teórico: é reunião perdida, lead esfriado, receita que escorre pelo funil.
Sendo mais claro sobre a consequência prática: regras fixas como “score acima de 80 = lead quente” ou “empresa com mais de 500 funcionários = prioridade” são generalizações que ignoram contexto. O Koa, porque foi pós-treinado num conjunto de dados sintéticos que cobre cenários empresariais de 14+ indústrias — manufatura, serviços financeiros, saúde e viagens, entre outras —, consegue entender nuances que uma automação tradicional jamais captaria.
Para quem trabalha com vendas e marketing, a mudança de mentalidade é a seguinte: seu CRM não é mais um banco de dados com gatilhos. É um analista que lê o histórico inteiro da conta antes de sugerir o próximo passo.
O que muda na previsão de receita e na priorização de leads
Hoje, a maioria das empresas médias faz previsão de receita de duas formas: com planilhas baseadas na intuição do vendedor ou com funis automatizados que aplicam pesos fixos a cada estágio (ex.: “probabilidade de fechamento = 30% se o lead baixou um ebook”). Ambos os métodos sofrem do mesmo mal: tratam todos os negócios como se fossem estatisticamente idênticos.
Com um reasoning model no CRM, a abordagem muda. O Koa não pergunta “em que estágio do funil está essa oportunidade?” — ele pergunta “dado o histórico completo desta conta, o padrão de interação dos decisores, o tempo de ciclo desta indústria e o comportamento de negócios similares, qual é a probabilidade real de fechamento deste deal?”
Na prática, isso significa três consequências diretas:
- Priorização de leads por contexto, não por volume de ações. Um lead que visitou o site 10 vezes não é necessariamente mais quente do que um que visitou uma vez após ser indicado por um cliente existente. O modelo consegue pesar esses sinais de forma relacional.
- Previsão de receita com cadeias de raciocínio. Em vez de somar valores multiplicados por probabilidades fixas, o sistema avalia riscos específicos de cada negócio — mudança de patrocinador interno, ciclo de aprovação alongado, indústria em momento de retração.
- Menos ruído operacional. Com 3x menos erros em tarefas como atualizar oportunidades e rotear casos, o time comercial deixa de gastar tempo corrigindo o CRM e passa a usar o CRM como instrumento de decisão.
Para o profissional de marketing, o impacto é ainda mais sutil: as campanhas que geram leads deixam de ser avaliadas apenas por volume de conversão e passam a ser medidas pela qualidade de decisão que alimentam. O Koa não melhora só o trabalho do vendedor — ele melhora o tipo de insumo que o marketing entrega para vendas.
Um negócio médio pode se beneficiar? Sim, e o modelo de distribuição importa
A tentação aqui é achar que isso é assunto para Enterprise gigante. Mas há dois fatores no anúncio que mudam essa equação.
Primeiro, a arquitetura. O Koa foi construído a partir do NVIDIA Nemotron, um modelo aberto. Foi isso que permitiu à Salesforce pós-treinar o modelo com seus dados proprietários e, principalmente, rodá-lo inteiramente dentro da própria infraestrutura da Salesforce. Para o cliente final, isso tem um efeito prático imediato: o dado do CRM não sai do ambiente da Salesforce para ser processado em modelo alheio. Isso reduz custo, elimina fricção de conformidade e viabiliza preços mais acessíveis do que uma solução que exigisse infraestrutura separada.
Segundo, a trajetória de distribuição. O Koa já está rodando internamente na Salesforce, alimentando um agente de funcionários no Slack, e entra em testes com clientes em outubro — começando com nomes como Formula 1, UChicago Medicine e Xero. A disponibilidade geral está prevista para o inverno de 2026 em regiões dos EUA. Histórico da indústria de software mostra que recursos assim começam em clientes âncora e ficam disponíveis para toda a base em poucos ciclos. Para o negócio médio, o ponto é se preparar agora para operar com esse nível de inteligência — porque ele chegará em breve dentro do mesmo CRM que já usam.
Jensen Huang resumiu o momento em uma frase que vale como síntese do que está acontecendo: “Cada empresa, cada corporação, cada país vai se tornar uma empresa de IA. Vai ser uma empresa agêntica.” Isso não é visão futurista — é descrição do que já está sendo implantado.
O céu é o limite do seu funil
Vale um último ponto sobre produtividade. Huang foi explícito ao responder sobre o impacto no emprego: “Com o aumento de produtividade que conseguimos da IA, o céu é o limite”. Não é retórica vazia — é uma constatação operacional. Se o CRM consegue pensar o funil inteiro, o vendedor médio deixa de gastar horas em triagem de leads e prospecção cega e passa a gastar o tempo no que nenhum modelo pode fazer: relacionamento humano, negociação e leitura de intenções sutis do cliente.
Para o empreendedor e o profissional de marketing, a mudança é mais profunda do que “ter um CRM mais inteligente”. É um deslocamento de centro de gravidade: decisões de previsão e priorização saem da cabeça de quem acha que “conhece o mercado” e passam para um sistema que conhece os 27 anos de dados de CRM da indústria inteira. O seu funil ganha previsão porque ele finalmente aprendeu a pensar.
A pergunta que fica não é se essa capacidade vai se tornar padrão — porque ela vai. A pergunta é quanto tempo seu time vai continuar operando com regras fixas enquanto seus concorrentes já estão testando a próxima camada usando o mesmo CRM que você.
