SaaStr Construiu uma VP de Sucesso do Cliente com IA no Replit. Sem Engenheiros.

Amelia é Chief AI Officer da SaaStr. Ela construiu a Qbee, uma VP de Sucesso do Cliente movida a IA, dentro do Replit. Sem engenheiros. A Qbee hoje gerencia mais de 100 patrocinadores de eventos com 70% menos horas humanas e um aumento de 10x no engajamento, comparado à ferramenta legada que existia antes.

A tentação é ler isso como uma história de sucesso de vibe-coding. Uma operadora não-técnica coloca um sistema em produção, o futuro chegou, qualquer um agora constrói software. Essa leitura erra o ponto.

A história da Qbee é interessante porque documenta como é produção quando quem constrói não é engenheiro. O artefato não é o código. O artefato é a disciplina operacional diária. E essa disciplina é a mesma que líderes de engenharia vêm descrevendo o ano inteiro, traduzida para uma função que nunca precisou pensar dessa forma.

A economia não é a história

Jason Lemkin compartilhou os números em um post recente da SaaStr. O custo combinado de tokens entre todos os apps vibe-coded da SaaStr é menor que US$ 200 por mês. A matemática é absurda no melhor sentido. Uma função de nível VP que custaria salário, benefícios, equity e overhead de gestão, substituída por um app no Replit rodando em consumo de tokens.

Mas barato não é a lição. Muito software barato falha em produção. A lição é o que fez a Qbee sobreviver ao contato com 100 patrocinadores pagantes.

Três padrões operacionais. Nenhum deles é técnico.

Padrão um: construa o dashboard antes do agente

O primeiro movimento da SaaStr na Qbee não foi o agente. Foi o dashboard. Uma tela central que mostra o estado de cada patrocinador: em que ponto da jornada está, o que está atrasado, o que está em risco, o que acabou de ser entregue. O agente veio depois, construído contra o dashboard.

Essa sequência importa. O dashboard é a especificação. É o artefato visível que permite a uma não-engenheira raciocinar se o agente está fazendo a coisa certa em um dado dia. Sem ele, o agente é uma caixa-preta. Com ele, o agente é uma funcionária mensurável.

Compare isso ao padrão típico em engenharia, onde o sistema é construído primeiro e a observabilidade é enxertada depois. Amelia inverteu a ordem porque não tinha o instinto técnico de adiar a observabilidade. Ela precisava enxergar o trabalho antes de confiar qualquer automação contra ele.

Esse padrão é transferível. Se você lidera marketing, jurídico ou operações financeiras e pensa em colocar um agente autônomo na sua função, construa primeiro o dashboard. Torne o trabalho visível para um revisor humano em uma única tela. Depois aponte o agente para ela.

Padrão dois: agent hopping para dados sensíveis

O padrão mais silenciosamente importante no post da Qbee é o que Lemkin chama de agent hopping. Dados sensíveis, contratos, finanças internas, compromissos de patrocinadores, não vivem no contexto do agente. Vivem nos sistemas seguros onde devem viver. A Qbee chama APIs para ler e escrever nesses sistemas, mas nunca segura os dados brutos em memória ou em prompts.

Essa é a versão de sucesso do cliente de um padrão que levou dois anos para times de engenharia internalizarem: o agente é um coordenador, não um cofre. O estado de registro fica nos sistemas de registro. O agente se move entre eles.

Para líderes fora da engenharia, isso reformula a conversa de segurança de dados por completo. A pergunta não é “é seguro colocar nossos dados de cliente em um LLM”. A pergunta é “conseguimos estruturar o trabalho de forma que o agente nunca toque os dados brutos, apenas as operações sobre eles”. A resposta à primeira pergunta é frequentemente não. A resposta à segunda é geralmente sim.

Isso conecta diretamente ao problema de encaixe entre workload e harness que viemos acompanhando. O harness é o que torna o workload seguro. Agent hopping é um padrão de harness. É o que permite a uma ferramenta construída no Replit gerenciar contratos reais de patrocínio sem virar um vazamento de dados.

Padrão três: quatro a seis pontos de personalização por mensagem

A terceira regra operacional da SaaStr é aquela em que a maioria dos times vai falhar. Cada mensagem que a Qbee envia carrega de quatro a seis pontos únicos de personalização. Não merge tags. Não “Olá {primeiro_nome}”. Sinais reais extraídos do comportamento do patrocinador, histórico, tier, estado atual e interações recentes.

Esse é o trabalho que separa um agente autônomo de verdade de um mail merge sofisticado. E é o trabalho que explica o número de 10x no engajamento. Patrocinadores respondem porque as mensagens lêem como escritas especificamente para eles, porque foram.

A disciplina aqui não é técnica. É editorial. Alguém precisa decidir quais sinais importam, quais combinações fazem uma mensagem parecer pessoal em vez de invasiva e quais sinais estão fora do limite. Times de engenharia não têm como tomar essas decisões. O dono da função precisa tomar.

Esse é o mesmo padrão que identificamos no lançamento do Composer da Klaviyo: governança de agente de marketing exige julgamento de marketing, não julgamento de engenharia. A Qbee estende isso para sucesso do cliente. Governança de agente de CS exige julgamento de CS sobre quais sinais constituem cuidado e quais beiram a vigilância.

A disciplina de envio

A SaaStr também envia um cliente por tier primeiro. Não jogam a lista inteira de patrocinadores na Qbee no dia um. Escolhem um patrocinador em cada tier (topo, meio, base), rodam o agente contra esses três e observam o que acontece por uma semana. Depois expandem.

Isso é canary deployment traduzido para trabalho voltado ao cliente. O custo de um release ruim em engenharia é um rollback. O custo de um release ruim em sucesso do cliente é um patrocinador que se sente maltratado, possivelmente em público. O ritmo de envio precisa ser mais lento e mais deliberado, porque o raio de impacto é humano.

Manutenção diária é o outro inegociável. A Qbee não é um sistema de “ligar e esquecer”. Amelia checa o dashboard todo dia. Ajusta prompts, aposenta padrões que falharam, adiciona novos sinais conforme a base de patrocinadores evolui. O agente não roda sozinho. O agente roda o trabalho, e uma humana roda o agente.

Isso conecta ao padrão mais amplo sobre o qual viemos escrevendo. Governança vira feature de produto. Na escala da Qbee, governança vira uma revisão diária de 30 minutos. Instanciações diferentes, mesmo princípio: a disciplina operacional é o que torna a autonomia sustentável.

O que isso significa para todos os outros

A síntese de Lemkin sobre a oportunidade merece ser citada na íntegra:

“A distância entre o que clientes precisam e o que CSMs conseguem humanamente entregar é o lugar mais valioso para implantar IA no seu negócio B2B agora.”

Ele tem razão sobre a oportunidade. A parte interessante é que a mesma lógica se aplica a toda função onde a distância entre necessidade do cliente e capacidade humana virou constrangedora. Suporte. Onboarding. Renovação. Account management. Programas de parceria.

Em cada uma dessas funções, o playbook da Qbee transfere:

Construa o dashboard primeiro. Torne o trabalho visível.
Desenhe para agent hopping. Dados sensíveis nunca entram no agente.
Exija quatro a seis pontos de personalização por mensagem enviada.
Envie um cliente por tier. Expanda por evidência.
Trate manutenção diária como inegociável.

Nenhuma dessas é disciplina técnica. Todas são disciplinas operacionais que o dono da função precisa assumir. O app no Replit é a parte fácil. A disciplina é a parte difícil.

Faça isso agora

Se você lidera uma função fora da engenharia e está pensando em um agente autônomo para um fluxo recorrente, de alto volume, intensivo em personalização, não comece pelo agente. Comece pelo dashboard. Passe uma semana esboçando a tela que permitiria a você, em uma segunda-feira qualquer, ver o estado do trabalho e responder “o agente está dentro ou fora do trilho”. Se você não consegue desenhar essa tela, ainda não está pronto para enviar o agente. Se consegue, está na metade do caminho. A outra metade são os 30 minutos diários que você se compromete a dedicar para rodá-lo.

Fontes

SaaStr. “Top 10 Learnings From Building Our Own AI VP of Customer Success: Qbee,” por Jason Lemkin. Maio de 2026.

A Victorino ajuda times fora da engenharia a colocar agentes autônomos em produção com a disciplina operacional diária que transforma a lacuna entre necessidade do cliente e capacidade humana em cobertura mensurável e governada: contato@victorino.com.br | www.victorino.com.br