Clone digital substitui executivo durante licença-paternidade e fecha 132 vendas
Um agente de inteligência artificial assumiu a linha de frente das vendas da HeyGen durante as oito semanas de licença-paternidade de Wayne Liang, cofundador da empresa. Nesse período, o sistema conversou com 2.741 potenciais clientes, converteu 132 deles em assinantes e abriu 37 oportunidades corporativas avaliadas em cerca de US$ 3 milhões em receita anual contratada.
O experimento também mostrou os riscos de entregar autonomia a agentes conectados a sistemas internos. A IA inventou um plano comercial de US$ 4.800, enviou informações internas a um cliente e marcou reuniões sem autorização da equipe.
Um clone para atender clientes
Antes da licença, Liang enfrentava uma fila crescente de contatos interessados em preços, integrações, capacidade de uso, parcerias e planos futuros do produto. Muitos pediam uma conversa direta com o executivo para entender melhor a tecnologia.
A solução foi criar uma versão digital capaz de participar das chamadas em seu lugar. O LiveAvatar reproduzia o rosto e a voz do cofundador, enquanto todos os participantes eram informados de que conversavam com uma IA.
Nos bastidores, o LiveClaw reunia o conhecimento necessário para conduzir os atendimentos. Construído sobre o OpenClaw, o agente consultava sistemas internos, buscava informações com a equipe e registrava cada interação em um repositório de memória.
Memória manteve as negociações em andamento
O agente começava cada chamada com acesso ao histórico da conta, a e-mails anteriores e às conversas já realizadas. Depois do encontro, preparava um resumo com os principais pontos e os próximos passos.
Questões que envolviam preços, documentos ou compromissos técnicos precisavam de aprovação humana no Slack antes de serem enviadas. As interações também eram gravadas em uma base de conhecimento, permitindo que uma nova conversa continuasse exatamente de onde a anterior havia parado.
Em um dos casos, uma equipe corporativa de treinamento voltou para quatro chamadas. Na última delas, o agente já mantinha o contexto completo da negociação, incluindo a necessidade de 45 avatares de instrutores, suporte a vários idiomas, integração com sistemas de aprendizagem, memória dos usuários e controles contra respostas incorretas.
A negociação avançou da descoberta inicial até a preparação de uma reunião interna de compras sem que o cliente precisasse repetir os requisitos.
Agente respondeu e-mails durante todo o dia
A cada 30 minutos, uma rotina automática verificava a caixa de entrada de vendas e respondia às novas mensagens. Com isso, contatos recebidos durante a noite não precisavam esperar o início do expediente.
Ao final das oito semanas, cada uma das 37 oportunidades corporativas foi entregue à equipe com um resumo do problema do comprador, escala do projeto, prazos, dúvidas em aberto e próximos passos. Isso permitiu que vendedores humanos assumissem as negociações sem reiniciar as conversas.
Três falhas expuseram os limites da autonomia
O primeiro problema surgiu quando um potencial cliente perguntou sobre preços corporativos. Em vez de consultar uma tabela aprovada, o agente estimou o uso, reaproveitou o valor por unidade de outro nível e criou um plano anual de US$ 4.800 que não existia.
O erro foi identificado no e-mail de resumo antes que o cliente respondesse. Para evitar novos casos, os preços deixaram de ser calculados pelo modelo e passaram a ser recuperados apenas de planos previamente aprovados. Situações sem uma correspondência exata precisam ser encaminhadas para uma pessoa.
A segunda falha ocorreu em uma resposta por e-mail. O agente classificou a urgência da solicitação, identificou o integrante responsável e adicionou informações de encaminhamento interno. O diagnóstico estava correto, mas todo o conteúdo foi enviado ao cliente.
Depois do incidente, o planejamento interno e a comunicação externa foram separados em processos distintos, com uma etapa de revisão entre eles.
O terceiro problema envolveu um link antigo do Calendly. O agente encontrou uma orientação desatualizada sobre reuniões corporativas e começou a prometer conversas com a equipe de soluções. O endereço não funcionava, e os profissionais envolvidos não haviam aprovado os compromissos.
A correção separou as informações que o agente conhece das ações que tem autorização para executar. Enviar documentos continuou permitido, mas comprometer o horário de outra pessoa passou a exigir disponibilidade atualizada e aprovação humana.
Erros viraram regras na memória
Cada incidente foi transformado em uma nova regra dentro do repositório de conhecimento do LiveClaw. O preço inventado gerou uma política comercial, o vazamento de informações criou uma regra sobre canais e o link desatualizado resultou em uma nova etapa de aprovação.
A base foi construída com arquivos em Markdown, sem banco de dados vetorial ou sistema de embeddings. O próprio agente escreve, relaciona e atualiza as anotações, enquanto a equipe pode abrir os documentos e corrigir informações incorretas diretamente.
O repositório começou com poucos arquivos e passou de 1.400 notas ao longo das oito semanas. Antes de agir, o sistema consulta a memória. Depois da ação, registra o que aconteceu e incorpora novos aprendizados.
Código do agente foi publicado
A HeyGen disponibilizou sob licença MIT a camada de atendimento ao cliente do projeto. O código pode ser acessado no repositório “liveavatar-sales-agent” da empresa no GitHub.
Também é possível instalar as habilidades do agente por meio do comando npx skills add heygen-com/liveavatar-agent-skills e selecionar a demonstração do LiveAvatar.
O material público não inclui o LiveClaw nem o repositório de memória usado internamente. Essa parte permanece ligada aos sistemas da HeyGen, como Slack, Notion e CRM, além de rotinas e ferramentas desenvolvidas para os processos da companhia.
O que o experimento revela sobre agentes de IA
O caso mostra que agentes conectados a sistemas corporativos já conseguem atender milhares de pessoas, manter o contexto de negociações e movimentar oportunidades comerciais sem depender da presença constante de um executivo.
Os resultados, porém, dependem de limites claros. Informações acessíveis ao sistema não podem ser tratadas automaticamente como autorização para definir preços, expor dados internos ou assumir compromissos em nome de outras pessoas.
A experiência da HeyGen indica que a adoção desses agentes exige separação entre raciocínio e regras de negócio, controle sobre os canais de comunicação, registros auditáveis e aprovação humana para decisões sensíveis. A automação pode ampliar a capacidade de uma equipe, mas um único erro convincente também pode comprometer a confiança conquistada durante todo o processo.