Resumo do Webinar: Como criar um Coach de GTM com IA usando Lovable & ElevenLabs

A maioria das equipes de capacitação já implementou algum programa de simulação de vendas. Mas é difícil criar um que os representantes realmente concluam. E é ainda mais difícil montar um em torno das conversas únicas que sua equipe de fato tem.

No Workshop ao vivo: crie um coach de GTM com IA usando Lovable e ElevenLabs, Morgan Jacobson (Capacitação de GTM na Lovable) e Remy Khoung (Capacitação de GTM na ElevenLabs) mostraram como resolveram esse desafio criando um coach de GTM com IA.

Eles compartilharam os bastidores da implementação para suas equipes na Lovable e na ElevenLabs, além de alguns aprendizados táticos por trás da criação.

Limitações das simulações de vendas

Remy e Morgan encontravam constantemente estas limitações em suas simulações de vendas:

1. A qualidade dos parceiros de prática varia, então as sessões às vezes viravam apenas uma explicação, em vez de uma conversa real com um comprador
2. Não havia uma avaliação objetiva até que o representante já estivesse diante de um cliente
3. Era difícil coordenar sessões ao vivo entre diferentes fusos horários
4. Simulações com colegas exigem que os representantes se arrisquem a parecer despreparados diante de quem os avalia

Quando um representante de vendas se preocupa com a impressão que causa no gestor, sua atenção fica voltada para as pessoas na sala, e não para a habilidade.

Tirar o público do exercício é o que torna a repetição real possível.

Para ajudar a resolver alguns desses problemas, eles decidiram criar um coach de GTM com IA sempre disponível, treinado com as melhores conversas com compradores.

Como eles criaram um coach de GTM com IA

O ElevenAgents atuou como agente subjacente, enquanto a Lovable ficou responsável pelo front-end.

O agente
O prompt de sistema era a peça-chave do agente. O cenário, as regras sobre o que o comprador iria ou não revelar e a rubrica de avaliação faziam parte das instruções. A escolha do modelo, o idioma e a voz funcionavam como configurações adicionais.

O front-end
A Lovable cuidava de tudo com que o representante interage: o estúdio de simulação, o envio de transcrições, o scorecard em tempo real, os caminhos de certificação e a atribuição de exercícios com acompanhamento de conclusão.

Três decisões por trás da persona do comprador

Três escolhas moldaram a criação.

1. Revelação gradual. O comprador de IA não fornece informações espontaneamente, então o representante precisa conquistá-las com um ponto de vista ou uma pergunta certeira. Isso também impede que um representante conclua o exercício fazendo três perguntas genéricas.
2. Avaliação estruturada. No fim, o agente sai do personagem e avalia com base em critérios definidos. Na criação apresentada, eles eram precisão técnica, credibilidade do comprador e se a abordagem do representante estava no nível do comprador.
3. Modo de ensino. Quando um representante fica travado, ele avisa; o agente pausa, ensina a habilidade com uma pergunta de exemplo concreta ou uma história de cliente, e o exercício continua. É isso que faz o uso recorrente parecer seguro, em vez de algo que expõe a pessoa.

Demonstração 1: o estúdio de simulação da Lovable

Cenário: Um representante faz uma ligação de descoberta com uma compradora de IA chamada Sarah, cuja equipe tem dificuldade em manter mensagens consistentes e demora muito para treinar novos representantes.

O que foi mostrado:

• O representante abre com uma pauta, apresenta um ponto de vista sobre a dificuldade de integração e, então, vai além do problema declarado para chegar ao impacto no negócio, momento em que a compradora revela uma venda perdida
• Um scorecard em tempo real sendo preenchido durante a ligação e um scorecard completo ao final, ambos configurados em linguagem natural de acordo com a metodologia da própria empresa
• Cenários gerados ao instruir diretamente o agente da Lovable ou ao direcionar o Claude, via MCP, para uma biblioteca de ligações históricas e pedir que ele crie réplicas das mais frequentes

Por que isso importa: A qualidade da simulação e a qualidade da interface são dois problemas distintos, e a maioria dos programas só consegue resolver o primeiro.

Demonstração 2: configurando o agente do ElevenAgents

Cenário: A camada de agente por trás da interface, mostrada pela configuração de uma criação no ElevenAgents.

O que foi mostrado:

• O prompt de sistema: cenário, regras de revelação e rubrica de avaliação, tudo em instruções simples em inglês
• Uma primeira mensagem que define o tom e abre o cenário no momento em que o agente atende
• Seleção de idioma entre mais de 70 idiomas, com um único agente atendendo vários idiomas ou um agente para cada idioma
• Seleção entre mais de 10.000 vozes, sendo que algumas têm melhor desempenho em idiomas específicos
• Uma base de conhecimento opcional para documentos de ICP e personas

Por que isso importa: Uma simulação só funciona quando o agente tem um bom desempenho. Isso depende da qualidade da voz, da baixa latência e da gestão dos turnos de fala — tudo em uma mesma stack.

Práticas recomendadas para criar um coach de simulação com IA

Escreva a rubrica antes do prompt. Defina os critérios que os representantes precisam atingir e depois crie o agente para avaliá-los. Fazer o contrário gera um scorecard que os representantes consideram genérico, a forma mais rápida de perdê-los. Na implementação apresentada, cinco critérios vieram primeiro, e o agente foi criado com base neles.

Use ligações reais para criar os cenários. Em vez de inventar cenários, direcione o Claude, via MCP, para uma biblioteca de ligações históricas de vendas, peça que ele resuma as que ocorrem com mais frequência e crie réplicas delas.

Mantenha as respostas curtas no prompt. De duas a quatro frases. Com mais do que isso, o agente tende a vacilar com mais frequência.

Adapte o modelo à complexidade da conversa. Use um modelo leve e rápido para simulações diretas e algo mais capaz quando a conversa realmente precisar, equilibrando latência e custo.

Ajuste os prompts para lidar com objeções regionais.A implementação em diferentes regiões foi a parte fácil. O desafio foi ajustar os prompts, pois um comprador corporativo dos EUA apresenta objeções de forma diferente de um comprador da EMEA, da Índia ou do Japão. Essas convenções precisam ser definidas com os representantes locais e incorporadas às instruções.

Trate a adoção como gestão de mudanças. Alinhamento da liderança, distribuição conduzida por VPs, um scorecard confiável e exercícios competitivos. A criação leva uma tarde, mas engajar representantes experientes leva mais tempo.

Assista à sessão completa

Assista ao webinar completo aqui.