R$ 2,9 bilhões é o valor que o Itaú vai pagar pela NeoSpace, startup brasileira de inteligência artificial com quem o banco já trabalha há dois anos. O negócio, anunciado em 26 de outubro e ainda sujeito à aprovação do Banco Central e do Cade, não compra uma ideia nova: compra a continuidade de algo que já funcionava, agora em escala maior.
Segundo o comunicado do próprio Itaú, as duas empresas já desenvolveram juntas soluções de IA generativa para crédito, gestão financeira, relacionamento com o cliente e prevenção a fraudes. A compra amplia a capacidade do banco de criar modelos proprietários e alimenta a ia.i, a plataforma conversacional lançada em julho. Bruno Pierobon segue como CEO da NeoSpace, que mantém equipe e operação autônomas dentro do grupo.
O valor do negócio não é um caso isolado. A 34ª edição da Pesquisa Febraban de Tecnologia Bancária, feita com a Deloitte, mostra que o orçamento de tecnologia do setor bancário cresceu 58% nos últimos cinco anos, com previsão de R$ 50,4 bilhões para 2026, alta de 8% sobre o ano anterior. Dentro desse total, R$ 29,4 milhões estão reservados só para disseminar conhecimento em IA internamente, 31% mais que no ciclo anterior.
Separar o que é orçamento de banco do que é lição para a sua operação
Nenhuma PME B2B vai igualar esse investimento, e tentar copiar a escala é o primeiro erro possível aqui. O que vale copiar é a lógica: o Itaú não jogou IA em tudo de uma vez. Escolheu quatro frentes específicas (crédito, gestão financeira, relacionamento e fraude) e testou cada uma por dois anos antes de aumentar a aposta.
Na prática, isso significa resistir à tentação de instalar um chatbot genérico no site e chamar de inovação. A pergunta que precede qualquer automação é mais estreita: qual conversa, especificamente, está consumindo tempo da sua equipe toda semana sem gerar decisão nenhuma?
Escolher o lead que trava, não o processo inteiro
Pegue o exemplo mais comum em empresa B2B pequena: o lead que chega pelo WhatsApp numa sexta às 18h, depois do expediente, pedindo orçamento ou tirando uma dúvida técnica. Ele espera até segunda de manhã. Nesse intervalo, metade já pediu cotação em outro lugar.
Esse é o tipo de atrito que vale automatizar primeiro: é recorrente, tem horário previsível e o custo de não responder é claro (lead perdido, não só lead insatisfeito). Automação de atendimento no WhatsApp não substitui o vendedor na negociação final, mas garante que a primeira resposta, a triagem e as perguntas repetitivas aconteçam no minuto em que o lead manda a mensagem, não quarenta horas depois.
O erro oposto também existe: tentar automatizar a etapa em que o cliente já está negociando preço e condição. Ali, quem decide é o vendedor, com contexto que nenhum modelo tem ainda. Automatizar o começo da conversa libera tempo para que o fim da conversa, a parte que fecha negócio, receba atenção humana de verdade.
Há um segundo atrito comum nesse mesmo formato, menos citado mas igualmente caro: o lead que preenche um formulário no site, cai numa planilha ou num CRM mal configurado, e só recebe retorno dias depois, quando o interesse já esfriou. A lógica de priorizar é a mesma do WhatsApp: identificar o ponto exato em que a resposta demora mais do que o cliente está disposto a esperar, e resolver esse ponto antes de pensar em automatizar o resto da jornada.
Testar na reunião de segunda, medir no relatório de sexta
Defina um único ponto de atrito, implemente a automação nele e dê quatro semanas de rodagem antes de julgar. Na reunião de segunda, pergunte apenas uma coisa: quantos leads chegaram fora do horário comercial e em quanto tempo foram respondidos. No relatório de sexta, compare esse número com o período anterior à automação.
O que medir não é “a sensação de estar mais moderno”, é tempo de primeira resposta e taxa de leads que avançaram para uma conversa real com o time comercial. Se esses dois números não melhorarem em um mês, o problema não está na ferramenta, está no ponto escolhido para automatizar. Volte e escolha outro atrito, mais específico.
Por que o relacionamento pesa tanto quanto o crédito
Um detalhe do próprio comunicado do Itaú ajuda a entender a prioridade: entre as quatro frentes de uso da IA, relacionamento com o cliente aparece ao lado de crédito e prevenção a fraude, não depois deles. Para um banco, conceder crédito mal avaliado custa dinheiro na hora. Para uma PME B2B, a conta é parecida: um lead qualificado que esfria por falta de resposta custa tanto quanto uma venda malfeita, só que o prejuízo não aparece na planilha, aparece seis meses depois, no funil mais vazio do que deveria.
É por isso que vale tratar a resposta rápida no WhatsApp como parte da operação comercial, não como item de TI. A automação de WhatsApp bem configurada faz a triagem inicial e entrega ao vendedor um lead já qualificado, com contexto, em vez de uma lista de mensagens acumuladas. Quando o volume de conversas justificar, um chatbot de atendimento assume as perguntas repetitivas e deixa o time livre para o que só humano resolve: negociar.
Nenhuma dessas duas ferramentas substitui o vendedor, e nenhuma delas resolve um funil que já nasce mal desenhado. O que elas fazem é garantir que o tempo entre o interesse do lead e a primeira resposta da empresa pare de ser o motivo pelo qual a venda se perde antes mesmo de começar a negociação.
O Itaú vai gastar quase três bilhões de reais para chegar a essa mesma conclusão em escala de banco. A PME B2B não precisa do mesmo cheque, precisa escolher, com a mesma disciplina, qual conversa específica está perdendo dinheiro todo fim de semana.