A IA Escreve Seus Cold E-mails. Ela Não Deveria Escolher as Contas.

Um argumento recente sobre GTM sustenta que a IA não cumpriu a promessa feita às equipes de vendas, e o diagnóstico bate perto de casa. As ferramentas funcionam. Elas escrevem cold e-mails que soam aceitáveis. Montam listas de contas em segundos. Resumem cada call antes de o vendedor sair da sala. Nada disso, por si só, fecha um único negócio.

A decisão que fecha negócio fica acima de tudo isso. Quais contas vamos perseguir neste trimestre, e por que essas e não as outras. É essa a decisão que mexe no número. E é também a decisão que as equipes entregam silenciosamente a um fornecedor de IA cujo raciocínio ninguém consegue ver e ninguém é dono.

O trabalho fácil foi automatizado, a alavancagem não

Veja onde a IA de fato aparece numa stack de GTM. Primeiro contato por e-mail. Personalização de sequência. Enriquecimento de lista. Transcrição e resumo de call. São as tarefas que escalam de forma limpa, e são exatamente as tarefas que ficam abaixo da única escolha que importa.

Um cold e-mail perfeitamente escrito para a conta errada é esforço desperdiçado em alta velocidade. Um resumo impecável de uma call de um negócio que nunca foi ganhável é o registro arrumado de uma derrota. O trabalho de volume ficou mais rápido. O trabalho de julgamento, decidir para onde apontar o volume, não ficou melhor. Em muitas equipes, ele foi terceirizado para um modelo de score que ranqueia contas e ninguém questiona.

É esse o movimento que vale observar. A lista de contas deixou de ser um artefato de estratégia que um humano defende. Virou uma saída que uma ferramenta produz. E quando uma decisão vira uma saída, o humano para de ser dono dela.

”Por que agora” é uma afirmação, não um score

Uma boa decisão de conta carrega um motivo. Este logo está comprando porque acabou de captar, porque um concorrente assinou mês passado, porque a nova VP rodou nossa categoria na empresa anterior. São afirmações que uma pessoa consegue declarar, defender, e errar de um jeito que ensina a equipe.

Um modelo de score te dá um número. O número é construído a partir de sinais que ninguém na equipe escolheu, ponderados em proporções que ninguém sabe recitar, contra um resultado que o fornecedor definiu. Quando o trimestre não fecha, você não tem como perguntar ao modelo o que ele estava pensando. Não dá para corrigir um raciocínio que você nunca viu. O “por que agora” virou uma caixa-preta, e o custo aparece dois trimestres depois como um pipeline construído sobre uma lógica que ninguém consegue reconstruir.

É a mesma armadilha que as equipes de engenharia encontram com agentes de código. Um agente que escreve código rápido é útil. Um agente que decide silenciosamente o que construir, sem nenhum humano responsável pela escolha, é um passivo disfarçado de produtividade. O GTM agora vive a versão de vendas desse problema.

A responsabilidade não se transfere para o fornecedor

Aqui está a parte que as equipes pulam. Quando você deixa o modelo de um fornecedor escolher suas contas, você não removeu a decisão. Você moveu a responsabilidade para um lugar onde ela não consegue viver.

O fornecedor não responde pelo seu número. Ele não sentou na sua revisão de pipeline. Ele não vai estar na sala quando o board perguntar por que o trimestre não fechou. O modelo produziu uma lista ranqueada, a equipe trabalhou a lista, e quando o resultado fica abaixo do esperado não existe nenhum humano dentro da empresa capaz de dizer “eu escolhi isto e este é o raciocínio que eu revisaria”. Responsabilidade que não pode ser localizada é responsabilidade que não existe.

É a fronteira à qual sempre voltamos em governança de vendas, onde o negócio ainda fecha na confiança entre pessoas (veja A Equipe de Vendas Enxuta com IA É uma Equipe de Governança). O padrão é consistente. A IA pode ser dona do volume que escala. Um humano nomeado precisa ser dono do julgamento que compõe, e a seleção de contas é o julgamento de maior alavancagem no funil.

Mantenha o modelo, mantenha o dono

Isto não é um apelo para arrancar a ferramenta de score. Um modelo que revela sinais que um humano deixaria passar é genuinamente útil, e a velocidade é real. A correção é mais barata que isso.

Trate a lista de contas como uma recomendação, não como um veredito. Coloque uma pessoa entre a saída do modelo e o esforço da equipe, e exija que essa pessoa anexe um motivo declarado a cada conta que entrou no corte. Não um score. Uma frase que um humano vai defender na próxima revisão de pipeline. O modelo propõe; o humano decide e assina seu nome na decisão.

Quando o trimestre for revisado, você passa a ter algo de que aprender. Você pode ler os motivos que funcionaram contra os que não funcionaram, e calibrar tanto o julgamento humano quanto os sinais que você alimenta no modelo. Uma caixa-preta não te dá nada disso. Te dá uma lista ranqueada e um dar de ombros.

Faça isso agora

Abra sua lista atual de contas-alvo e faça uma pergunta a ela: quem decidiu essas, e essa pessoa consegue dizer por que cada uma entrou no corte. Se a resposta honesta for “a ferramenta ranqueou”, você cedeu sua decisão de maior alavancagem a um fornecedor sem participação no seu número. Nomeie um dono para a lista esta semana. Exija um “por que agora” de uma frase por conta, escrito por uma pessoa, revisado no fechamento do trimestre. Deixe o modelo cuidar dos cold e-mails e dos resumos. Mantenha a decisão sobre quais contas perseguir onde a responsabilidade de fato consegue viver.

Fontes

Cam Wright. “Why AI for GTM Hasn’t Delivered.” Junho de 2026.

A Victorino ajuda equipes a manter propriedade humana responsável sobre as decisões assistidas por IA que movem a receita: contato@victorino.com.br | www.victorino.com.br