A camada de contexto de clientes: Customer Data Platform na era da IA

Nos últimos anos, marketing e vendas deixaram de ser funções lineares e viraram sistemas distribuídos. Houve uma evolução da maturidade de marketing nas empresas menores e, ao mesmo tempo, uma fragmentação dos canais. Com isso, surgiram dezenas de ferramentas para gerenciar cada canal, e pequenas e médias empresas passaram a operar com stacks estruturalmente fragmentados.

Na prática, em uma empresa de e-commerce, a jornada do cliente está cada vez mais multicanal: ele vê algo no site, tira dúvidas sobre um cupom no Instagram e, depois de ver um anúncio, quer fechar a compra pelo WhatsApp.

Em uma operação como essa, os dados de automação de marketing, usados para enviar e-mails de campanhas e promoções, raramente são integrados com os dados transacionais e com as conversas em redes sociais e WhatsApp. Normalmente, cada conversa é tratada de forma independente. Quem nunca recebeu uma campanha completamente desconectada do seu comportamento como consumidor?

E esse não é um caso isolado de e-commerces. Clínicas médicas, por exemplo, geralmente não capturam nem integram conversas do WhatsApp com o histórico de atendimento do paciente. Nos melhores cenários, há integrações com a agenda, mas a jornada ainda fica fragmentada. Em imobiliárias, mesmo depois de clicar em um anúncio, o cliente precisa explicar novamente o que busca aos corretores, que por sua vez raramente são bons em follow-up.

Cada sistema e canal conhece uma parte da história. Ninguém conhece o cliente por inteiro. E isso se repete em diversos mercados e segmentos.

Hoje, uma empresa pequena opera com aproximadamente dez ferramentas e uma empresa média usa até 40: CRM, automação de marketing, suporte, billing, analytics, outbound, ads, dados, etc. 

Mesmo com os movimentos de consolidação promovidos por players como Salesforce, Adobe, HubSpot, RD Station e outros, que buscam dominar o workflow inteiro de receita do lead ao suporte, isso não foi suficiente.

As empresas ainda operam com vários systems of record independentes para dados de consumidores, o que torna necessária uma camada de inteligência para extrair maior valor desses dados.

Empresas consolidadas resolvem isso com customizações em plataformas enterprise como Salesforce ou Adobe, frequentemente usando uma Customer Data Platform (CDP) para centralizar dados ou construindo uma camada proprietária de orquestração.

Mas isso exige engenharia, integração e operação especializada, algo pouco viável para a maior parte do mercado.

Empresas mais novas resolvem isso criando internamente camadas de SalesOps e MarketingOps para consolidar dados, extrair insights e retroalimentar as atividades na ponta.

Antes da chegada dos agentes, diversas soluções tentaram resolver esse mesmo problema.

O Segment foi um dos primeiros a perceber que o problema central não era marketing, vendas ou analytics, era o fluxo de dados. A proposta era simples: capturar eventos de clientes em diversos canais, padronizar dados e enviá-los para qualquer ferramenta. O foco principal, porém, era a independência dos dados.

O Klaviyo deu o passo seguinte de forma verticalizada para e-commerces: ao integrar profundamente dados transacionais com a execução de marketing de forma simples, conseguiu criar jornadas mais inteligentes, mesmo em um mercado de automação bastante saturado.

Ferramentas mais recentes, como o Clay, mostram outra evolução: conectar múltiplas fontes de dados e automatizar ações de go-to-market com base em contexto, ainda que em uma era pré-GenAI.

Agentes de IA estão mudando esse paradigma.

De um lado, temos os systems of record tradicionais, como automação, CRM, ERPs e softwares transacionais, tentando criar uma camada de agentes conversacionais para aproveitar suas vantagens de dados, mas enfrentando o dilema do inovador e a lentidão típica dos incumbentes. Exemplos são o Agentforce e os Shopify Agents.

Do outro lado, surgem novas empresas resolvendo a mesma dor: desenvolvem uma camada que opera acima desses softwares tradicionais, tanto integrando dados já existentes nos sistemas isolados quanto capturando novos contextos de forma conversacional, ou usando GenAI para analisar calls e documentos, por exemplo. A partir daí, criam agentes especialistas de marketing, vendas e suporte.

Em alguns casos de uso de PMEs, esses sistemas estão fazendo leapfrog de soluções tradicionais de marketing e vendas e criando um sistema de registro agêntico desde o dia zero.

‍

Isso se conecta com o conceito de context graphs, apresentado pela Foundation Capital em dezembro de 2025. Essa camada rica de contexto se torna o ponto de partida para a criação de agentes, seja para casos de uso internos ou externos, pois concentra a fonte de verdade mais padronizada sobre a realidade do negócio.

Porque criar uma base de conhecimento estática para os agentes não é suficiente para dar conta da complexidade das interações com clientes.

Essa é a camada que torna possível construir a nova geração de softwares: os systems of action. O SaaS não morreu, está se transformando. Ao invés de cobrar por licenças de sistemas de registro, os softwares passam a cobrar por execuções e trabalho.

E essa tese, embora estejamos abordando workflows comerciais, também se aplica a funções de suporte, como RH, compliance e outras áreas.

O que essa nova camada de inteligência permite construir:

• Segmentação em tempo real: em vez de listas estáticas ou criadas com automação simples, os segmentos passam a ser dinâmicos. Usuários entram e saem automaticamente conforme seu comportamento.
• Hiperpersonalização: mensagens, ofertas e timing são ajustados individualmente. A personalização deixa de ser um projeto de growth e passa a ser uma propriedade do sistema.
• Jornadas dinâmicas: em vez de fluxos fixos definidos por humanos, as jornadas são continuamente ajustadas com base em resultados. O sistema aprende quais sequências funcionam melhor.
• Menos dependência de especialistas: hoje, bons resultados dependem de analistas de dados, especialistas em growth e configuração constante. Com essa nova camada, growth deixa de ser uma função e passa a ser infraestrutura.

A próxima geração de sistemas de marketing e vendas provavelmente não parecerá um software tradicional. Sem dashboards complexos ou pipelines manuais.

O sistema simplesmente captura dados, entende contexto, decide ações, executa nos canais e aprende com os resultados.

Em vez de um CRM clássico, teremos algo mais próximo de um CRM implícito, um sistema que entende o cliente sem exigir operação constante.

Acreditamos que as empresas de maior potencial construindo essa nova categoria terão um ponto de partida verticalizado. Criar esse tipo de sistema verdadeiramente inteligente exige integração profunda com softwares legados e complexos (que não terão MCPs ou, às vezes, nem APIs), domínio setorial e conhecimento de regras de negócio específicas.

Historicamente, o CRM era central porque concentrava dados. No novo modelo, quem concentra contexto e decisão tende a se tornar o centro do sistema. O desafio será substituir de fato os systems of record tradicionais, assumindo o papel de novo núcleo do stack.

Também existe um cenário de coexistência, no qual os sistemas de registro passam a permitir o acesso de agentes para aumentar o lock-in e o valor do seu próprio diferencial de dados.

A próxima geração de software de marketing e vendas nascerá como uma camada que conecta canais e dados isolados, entende contexto, executa ações automaticamente e aprende com cada interação, aumentando o valor do que já existe e substituindo funções humanas.