n8n + OpenAI: Como Criar um Agente SDR que Qualifica Leads Automaticamente

O que é um Agente SDR de IA — e por que não é só um chatbot

Um agente SDR de IA não é um chatbot com respostas pré-programadas. Ele é um sistema que usa um modelo de linguagem como o GPT-4o para entender o contexto da conversa, fazer perguntas de qualificação em linguagem natural e tomar decisões — agendar uma reunião, registrar no CRM ou passar o lead para um vendedor humano.

A diferença prática é enorme. Um chatbot tradicional quebra quando o lead faz uma pergunta fora do script. Um agente SDR de IA lida com variações naturais de linguagem, múltiplas perguntas ao mesmo tempo e contextos complexos sem travar. Na Metrik, implementamos agentes SDR para clínicas, escritórios de advocacia e e-commerces — e o volume de leads qualificados chegou a triplicar em 60 dias, porque o atendimento passou a acontecer 24 horas por dia, sem depender de uma pessoa disponível.

Se você quer entender o contexto mais amplo dos agentes de IA no comercial, veja nosso guia sobre como construir um SDR com IA no Kommo.

A arquitetura do sistema: n8n, OpenAI e CRM

O agente SDR que vamos construir neste guia usa quatro camadas integradas:

• Canal de entrada: WhatsApp via Evolution API, formulário no site ou Instagram Direct — de onde os leads chegam.
• Orquestração: n8n. É o sistema nervoso central — recebe a mensagem, consulta o histórico, chama a OpenAI e executa as ações (registrar no CRM, notificar vendedor, agendar reunião).
• Inteligência: OpenAI GPT-4o ou GPT-4o-mini para custo reduzido. É o cérebro que processa a mensagem e decide o que responder e qual ação executar.
• CRM: Kommo ou GoHighLevel. Onde os dados do lead são registrados e o pipeline é movido automaticamente.
• Memória: Redis ou variáveis de workflow no n8n. Guarda o histórico da conversa para que o agente tenha contexto em cada turno.

Antes de começar, você precisa de: n8n instalado (cloud ou self-hosted), uma conta na OpenAI com chave de API, acesso ao seu CRM via API e um canal de mensagens configurado. O guia de n8n para iniciantes cobre a instalação do zero se você ainda não tiver isso rodando.

Passo 1 — Estruturando o workflow de entrada no n8n

No n8n, crie um novo workflow e adicione um nó Webhook como trigger. Este webhook vai receber as mensagens do seu canal de entrada. Se estiver usando WhatsApp via Evolution API, configure o endpoint de webhook na Evolution para apontar para a URL gerada pelo n8n.

Após o webhook, adicione um nó Switch para filtrar tipos de mensagem. Mensagens de texto seguem o fluxo do agente. Mensagens de mídia (áudio, imagem) podem ser convertidas via Whisper da OpenAI ou tratadas separadamente. Ignore mensagens de grupos e status — filtre pelo campo remoteJid terminado em @s.whatsapp.net, que identifica mensagens individuais.

Em seguida, adicione um nó para recuperar o histórico da conversa. A forma mais simples para começar é armazenar o histórico em uma variável de workflow estática indexada pelo número de telefone. Para produção com volume alto, use Redis via HTTP Request do n8n — isso garante persistência mesmo que o workflow seja reiniciado.

Passo 2 — Construindo o prompt do Agente SDR

O coração do agente é o prompt do sistema. Um prompt de SDR bem escrito define a personalidade do agente, os critérios de qualificação e as ações disponíveis. Veja um modelo adaptável para qualquer negócio de serviços:

Você é Sofia, assistente comercial da [Nome da Empresa]. Sua missão é qualificar leads que entram pelo WhatsApp, respondendo dúvidas com simpatia e coletando as informações necessárias para a equipe comercial.

Critérios de qualificação: (1) Qual problema o lead quer resolver? (2) Qual o prazo de decisão? (3) Há orçamento disponível?

Após coletar essas informações, confirme com o lead e informe que um especialista entrará em contato em até 2 horas. Se o lead perguntar sobre preço antes de ser qualificado, explique que os valores dependem de uma avaliação personalizada e direcione para uma conversa.

Ações disponíveis: QUALIFICADO, AGENDAR_REUNIAO, PASSAR_HUMANO, LEAD_NAO_QUALIFICADO.

Retorne sempre um JSON com o formato: resposta, acao, dados.

No n8n, adicione um nó HTTP Request apontando para a API de Chat Completions da OpenAI. Passe o prompt de sistema acima, o histórico da conversa e a nova mensagem do lead como contexto. A resposta em JSON permite que o próximo nó tome decisões baseadas na ação retornada pelo modelo.

Um detalhe técnico importante: defina a temperatura do modelo como 0.3. Temperaturas baixas geram respostas mais consistentes e previsíveis, que é exatamente o que você quer em um contexto comercial. Temperaturas altas geram variações imprevisíveis que confundem o lead e dificultam o teste do prompt.

Passo 3 — Registrando o lead e movendo o pipeline no CRM

Quando o agente retorna a ação QUALIFICADO ou AGENDAR_REUNIAO, o n8n precisa agir no CRM. Para o Kommo, use o nó HTTP Request para chamar a API REST:

• Criar ou atualizar o lead: endpoint POST /api/v4/leads com os dados coletados — nome, telefone, canal de origem, problema identificado e prazo declarado.
• Mover para a etapa correta do pipeline: passe o status_id correspondente à etapa "Qualificado" no seu pipeline. Se o lead já existia, atualize-o em vez de duplicar.
• Adicionar nota com o resumo da conversa: endpoint de notas com o JSON de dados retornado pelo agente. Isso dá ao vendedor contexto completo antes de ligar — quem é o lead, qual o problema, o que foi prometido.
• Criar tarefa de follow-up: endpoint de tarefas com prazo de 2 horas para o vendedor responsável. Sem essa tarefa, o lead qualificado fica esquecido no pipeline.

Para o GoHighLevel, a lógica é idêntica, mas usando a API do GHL. Crie o contato, adicione a oportunidade no pipeline correto e dispare um workflow de notificação interna para o vendedor via e-mail, SMS ou app do GHL.

Passo 4 — Handoff inteligente para o vendedor humano

Um agente SDR de IA não substitui o vendedor — ele prepara o terreno. O momento do handoff é o ponto mais delicado de toda a operação: o vendedor humano precisa receber o lead quente, com contexto completo, no canal certo e no momento exato.

Configure o n8n para, quando a ação PASSAR_HUMANO for acionada:

• Notificar o vendedor responsável: envie uma mensagem via WhatsApp Business ou Slack com o nome do lead, o problema declarado e o link direto para o card no CRM.
• Avisar o lead: envie uma mensagem informando que um especialista vai continuar o atendimento em X minutos. Isso mantém o engajamento e reduz o abandono enquanto o vendedor se prepara.
• Pausar o agente para aquela conversa: use uma variável de controle — por exemplo, agente_ativo: false para aquele número de telefone — para que as próximas mensagens do lead não sejam processadas pelo agente e sim entregues diretamente ao vendedor.

Esse mecanismo de pausa é o detalhe que mais falha em implementações amadoras. Sem ele, o agente e o vendedor falam com o lead ao mesmo tempo — uma experiência que destrói a confiança e costuma perder o negócio. Veja como estruturar esse processo completo no guia de handoff de IA para vendedor humano no CRM.

Passo 5 — Escalabilidade: memória persistente e múltiplos leads simultâneos

Para ambientes de produção com dezenas ou centenas de leads simultâneos, a memória de conversa não pode ser uma variável de workflow. Use Redis para armazenar o histórico por número de telefone. A cada nova mensagem, o n8n busca as últimas 10 trocas daquele número no Redis, inclui no prompt e salva a nova troca.

Outro ponto de escala crítico: a OpenAI tem limites de requisições por minuto. Se o volume de mensagens for alto, implemente um sistema de fila usando o Redis ou nós de delay do próprio n8n. Nunca deixe o workflow disparar múltiplas chamadas simultâneas para a API da OpenAI — você receberá erros de limite e perderá mensagens de leads.

Uma configuração robusta para produção também inclui logs de cada interação em um banco de dados simples (Supabase ou Airtable funcionam bem via n8n). Esses logs são essenciais para melhorar o prompt ao longo do tempo e identificar padrões de abandono.

Métricas para avaliar o desempenho do Agente SDR

Um agente que não é medido não é otimizado. Estas são as métricas que acompanhamos nos agentes SDR que implementamos na Metrik:

• Taxa de qualificação: porcentagem de leads que chegam e são classificados como qualificados. Referência saudável para serviços de ticket médio a alto: entre 25% e 50%.
• Tempo médio de qualificação: quanto tempo leva da primeira mensagem até o lead ser qualificado. Meta: menos de 12 minutos para conversas naturais.
• Taxa de abandono: porcentagem de leads que pararam de responder antes de serem qualificados. Acima de 40% é sinal de que o prompt está fazendo perguntas demais de uma vez ou a linguagem está robótica.
• Taxa de handoff bem-sucedido: porcentagem dos leads passados para o humano que são atendidos em até 30 minutos. Mede a eficiência da equipe comercial depois do agente.
• Custo por lead qualificado: quanto custa a chamada de API da OpenAI por lead qualificado. Com GPT-4o-mini, o custo é tipicamente abaixo de R$0,10 por lead em conversas de 10 turnos.

Erros comuns ao implementar um Agente SDR de IA

Depois de implementar agentes SDR para múltiplos clientes, estes são os problemas que mais aparecem:

• Prompt genérico demais: agentes sem persona definida, critérios de qualificação claros e ações específicas ficam confusos na hora de responder. O lead percebe e abandona. Dedique pelo menos um dia inteiro ao refinamento do prompt.
• Sem controle de histórico: cada mensagem processada sem contexto do que foi dito antes faz o agente parecer amnésico — pergunta o nome do lead duas vezes, repete informações. O lead se frustra e abandona.
• Handoff sem notificação imediata: passar o lead para o humano e não avisar o vendedor em tempo real é como transferir uma ligação para uma fila sem atendente. O lead espera, esfria e desiste.
• Tentar qualificar em uma única mensagem: leads de ticket alto precisam de uma conversa natural e progressiva. Um agente que despeja quatro ou cinco perguntas no primeiro turno parece um formulário disfarçado de WhatsApp.
• Ignorar o tratamento de erros: a API da OpenAI pode retornar erros, o CRM pode ficar indisponível por segundos. Sem tratamento de erro no n8n, uma mensagem que chega durante uma instabilidade é perdida para sempre. Adicione nós de verificação e reenvio em cada etapa crítica.

Conclusão: o Agente SDR certo transforma o comercial

Um agente SDR de IA bem construído com n8n e OpenAI é um ativo permanente para o seu negócio ou para os seus clientes. Ele qualifica leads enquanto você dorme, mantém consistência de processo que nenhum time humano consegue manter 24 horas por dia, e entrega para o vendedor apenas as conversas que valem seu tempo.

O investimento inicial de configuração — tipicamente 2 a 4 dias de trabalho focado — se paga na primeira semana de operação, especialmente em negócios onde o tempo de resposta ao lead é determinante para a conversão. O diferencial não está na tecnologia em si, mas na qualidade do prompt, na experiência de handoff e na integração limpa com o CRM.

Para aprofundar nos conceitos de automação de WhatsApp com n8n e CRM, veja o guia completo de agente de IA no WhatsApp com Kommo e n8n.