Origem de indicações
88 nós
Uma origem por oportunidade, sem discussão
Automações
Workflows que escrevi para vendas, crédito e dados, no n8n e no Power Automate. Cada um tira uma tarefa repetitiva da mão de alguém e devolve o resultado no CRM, na planilha ou no Teams.
Diagramas redesenhados da estrutura real, com rótulos genéricos. Sem exportações, capturas do editor ou dados de clientes.
88 nós
Uma origem por oportunidade, sem discussão
64 nós
Painel da diretoria atualizado a cada etapa
52 + 6 nós
Pediu no Teams, o card já está no CRM
O SDR abre o CRM e o lead já tem nota.
Webhook do CRM recebe o lead, enriquece com dados públicos e de bureau, um LLM devolve score em JSON validado por schema, o score é gravado no card e numa tabela de scores.Se o modelo principal falha ou atinge o limite, um modelo reserva assume; se a resposta vem com JSON inválido, um corretor automático repara a saída antes da validação. Um cache evita pagar duas vezes pelo mesmo lead.
33 dos 42 workflows resolvem estes cinco problemas. Os outros 9 são utilitários, migrações e testes.
etapa de IAtratamento de falha ou segurança
Lead novo chega ao CRM já marcado como frio, morno ou quente. Se o modelo cai, um reserva assume; se o JSON vem quebrado, um corretor repara.
Antes: pesquisar cada empresa antes de decidir para quem ligar. Depois: o card já diz por onde começar.
Leads divididos por pontuação e carga antes do expediente, só em dia útil, em lotes de 10. Card parado avança sozinho, e um alerta avisa quando o estoque de leads acaba.
Antes: dividir leads à mão e cobrar card parado. Depois: a fila chega pronta e o funil anda sozinho.
Cada oportunidade é conferida contra uma tabela-mestre, com CNPJ validado e filiais detectadas. Dado pior nunca sobrescreve dado melhor.
Antes: cada um preenchia a origem de um jeito. Depois: uma tabela decide e o CRM obedece.
Criou ou editou o card, o cadastro na plataforma de crédito sai pronto e enriquecido. O envio repete quando falha e, se não der, o erro fica registrado em vez de sumir.
Antes: digitar o mesmo cadastro em dois sistemas. Depois: o card vira cadastro sozinho.
Notícias das últimas 48 h, classificadas pela IA, ordenadas por relevância, cruzadas com o CRM e nunca repetidas.
Antes: garimpar notícias em vários sites. Depois: o resumo chega pronto no celular.
Os 41 fluxos de nuvem, em seis frentes. Ligam CRM, Excel, SharePoint, Teams, Forms e robôs do Power Automate Desktop.
etapa de IAtratamento de falha ou segurança
Mudou a etapa no CRM, a linha aparece na planilha do painel, já com ramo e faturamento normalizados por IA e sem duplicar.
Antes: copiar do CRM para a planilha. Depois: a linha aparece sozinha.
Formulário ou canal vira empresa e card enriquecidos, e a resposta volta com menção a quem pediu. Se for duplicata, o fluxo avisa e para.
Antes: card duplicado. Depois: o fluxo avisa e para.
Contratos, declarações e notificações saem de uma resposta: o fluxo confere o conteúdo e, em geral, entrega a um robô de desktop, que gera o documento.
Antes: montar cada documento a partir do formulário. Depois: o documento sai da própria resposta.
Os dois responsáveis recebem o convite, e reunião já marcada não é criada de novo. Uma rotina agendada também cruza a base com o registro público para atualizar leads.
Antes: marcar no CRM e de novo no calendário. Depois: o convite sai do próprio card.
Lead avançou, a pasta da empresa aparece com os relatórios e o link volta para o card.
Antes: juntar relatórios e mandar o link à mão. Depois: a pasta já está no card.
Criar pasta, criar arquivo, buscar e-mails: subfluxos que os outros chamam por HTTP. Corrigir em um lugar corrige em todos.
Antes: a mesma lógica copiada em cada fluxo. Depois: uma correção vale para todos.
Um agendador reivindica itens de forma atômica, com expiração, e chama workers que devolvem o resultado. Falha fica registrada e visível.
Uma tabela-mestre no PostgreSQL decide o dado oficial, com modo sombra para testar regras novas antes de aplicá-las.
Toda escrita no CRM passa por "precisa mesmo atualizar?" e por um bloqueio contra rebaixar um dado melhor.
Modelo principal, modelo reserva, parser de saída estruturada e corretor automático de JSON, com cache de respostas.
Em dias úteis, rotinas noturnas avaliam o funil, movem cards e gravam auditoria.
Envios e distribuições em lotes de 10, com espera entre eles, para respeitar os limites de API e de WhatsApp.