A Encore AI levantou uma rodada Série A de US$ 30 milhões para expandir uma plataforma que estuda como os funcionários falam com clientes e usa esses padrões para treinar agentes de IA para vendas e suporte. A rodada foi liderada pela Team8, segundo a TechCrunch, com participação da Planven, Lukatz, Garage e bancos e seguradoras não identificados.

O financiamento importa porque a Encore AI está fazendo uma aposta específica no mercado lotado de IA corporativa: que os dados de treinamento mais valiosos para automação voltada ao cliente não são textos genéricos da internet nem mesmo campos de CRM, mas o histórico próprio de chamadas, e-mails e mensagens de uma empresa. Se essa tese se mantiver, o produto da startup poderá atrair empresas que querem agentes de IA ajustados aos seus playbooks internos, em vez de modelos amplos e padronizados.

Fundada em 2022 como Insait IO e agora rebatizada como Encore AI, a empresa diz que analisa interações com clientes, mapeia essas interações para etapas de um fluxo de trabalho, identifica quais abordagens se correlacionam com resultados bem-sucedidos e então aplica essas lições a agentes de voz ou texto. Segundo o CEO Dvir Ginzburg, esses agentes podem tanto auxiliar equipes humanas durante interações ao vivo quanto lidar com algumas trocas de forma autônoma.

Uma rodada de financiamento construída em torno de dados de conversação

A TechCrunch informou que a Encore AI usará o novo capital para crescer sua operação de vendas nos EUA e expandir implantações com grandes instituições financeiras. Esse mercado-alvo é notável. A empresa diz que a maioria de seus mais de 40 clientes corporativos está no setor de serviços financeiros, onde as interações com clientes têm alto valor, são fortemente orientadas por processos e muitas vezes documentadas em vários sistemas.

As origens da Encore AI também ajudam a explicar esse foco. Como Insait IO, a startup originalmente construiu software de recomendação para assessores financeiros e relationship managers, segundo a TechCrunch. O produto atual parece ampliar esse trabalho anterior em um sistema mais amplo para extrair táticas repetíveis de conversas com clientes e dados operacionais.

A rodada foi liderada pela Team8, uma firma de venture capital conhecida por apoiar empresas de infraestrutura corporativa e cibersegurança. A participação reportada de bancos e seguradoras adiciona outro sinal, embora deva ser tratada com cuidado: a TechCrunch disse que algumas instituições financeiras investiram depois de primeiro usar o produto, mas nenhum nome, tamanho dos cheques ou detalhes de implantação foram divulgados.

Como a Encore AI diz que seu sistema funciona

O processo central da empresa, que Ginzburg descreveu à TechCrunch como “interaction mining”, reúne gravações de chamadas, e-mails, mensagens de texto e dados de sistemas de CRM. A partir daí, a plataforma divide as interações com clientes em etapas e procura padrões que pareçam avançar uma negociação, um caso de atendimento ou um relacionamento de conta.

A ideia é menos construir um assistente de propósito geral e mais capturar o know-how organizacional. Na visão da Encore AI, os funcionários de alto desempenho não sabem apenas fatos sobre produtos. Eles sabem quando fazer uma pergunta, quando tranquilizar um cliente, qual exemplo funciona e qual sequência de passos aumenta a chance de um bom resultado. A startup diz que seu sistema tenta converter esses hábitos informais em playbooks estruturados.

Segundo a reportagem da TechCrunch, os agentes da Encore AI podem se comunicar diretamente com clientes por voz ou texto. Eles também podem atuar como assistentes para funcionários, recomendando respostas e táticas durante conversas. Isso coloca o produto em duas categorias adjacentes: agentes de IA para trabalho automatizado de linha de frente e ferramentas de assistência a agentes humanos.

Ginzburg disse à TechCrunch que os agentes podem até espelhar elementos de estilo que funcionaram em interações históricas, incluindo anedotas ou piadas usadas por relationship managers. Esse detalhe é marcante, mas também aponta para um desafio central do produto: um sistema de IA que imita hábitos conversacionais bem-sucedidos pode melhorar a consistência, mas também corre o risco de reproduzir tom ou táticas de maneira que pareça artificial ou inadequada se não houver controle rígido.

O ângulo competitivo: além dos registros de CRM

A Encore AI entra em um mercado que muitos fornecedores de software maiores já estão mirando por outra direção. Empresas como Salesforce, SAP, Zoho e HubSpot têm acesso direto a registros de clientes e vêm adicionando mais IA às suas plataformas. Para compradores corporativos, isso levanta uma pergunta simples: por que usar um especialista como a Encore AI em vez de esperar que suítes de CRM mais amplas ofereçam capacidades semelhantes?

O argumento de Ginzburg, como citado pela TechCrunch, é que o histórico conversacional ainda é subutilizado como entrada central para sistemas de IA corporativa, e que fornecedores estabelecidos precisariam de mudanças significativas em sua implementação e em suas pilhas técnicas para tratar interações passadas com clientes como material de treinamento fundamental. Se isso se provar sustentável é uma questão em aberto, mas captura a diferenciação atual da Encore AI.

Essa posição também reflete uma tendência mais ampla na IA corporativa. Modelos gerais estão cada vez mais fáceis de acessar, enquanto dados proprietários de fluxo de trabalho continuam mais difíceis de organizar e operacionalizar. Startups que conseguem transformar dados corporativos desordenados e com permissão em um sistema funcional podem ter produtos mais defensáveis do que aquelas que dependem apenas de camadas sobre modelos.

Ainda assim, a pressão competitiva é real. Grandes incumbentes não precisam replicar cada elemento da abordagem da Encore AI para enfraquecer seu apelo. Se Salesforce ou HubSpot conseguirem entregar inteligência conversacional e agentes de IA “bons o suficiente” dentro dos contratos de CRM existentes, a fricção de compra por si só pode se tornar um grande obstáculo para fornecedores menores.

Evidências, alegações e o que ainda não foi verificado

Os pontos factuais mais fortes desta história vêm da cobertura da TechCrunch: a Série A de US$ 30 milhões, o investidor líder Team8, o antigo nome Insait IO e o plano da empresa de expandir nos EUA e aprofundar o trabalho com instituições financeiras.

Várias outras alegações importantes dependem de declarações de Ginzburg ou da empresa e devem ser lidas como informações reportadas pelo fornecedor. Entre elas estão a afirmação de que a Encore AI tem mais de 40 clientes corporativos no mundo, que a maioria são instituições financeiras, e que a receita recorrente anual cresceu mais de cinco vezes desde a rodada seed há menos de 18 meses. A TechCrunch reportou esses números, mas a empresa não divulgou receita exata, valuation, nomes de clientes ou métricas de retenção.

Da mesma forma, a descrição do produto reflete a própria estrutura da empresa sobre como o “interaction mining” funciona e quão eficazmente os agentes resultantes capturam playbooks bem-sucedidos. Não houve benchmarks independentes nas reportagens disponíveis sobre aumento de conversão, melhoria na resolução de chamadas, precisão de conformidade ou economia de custos. Também não houve detalhes técnicos sobre quais modelos fundacionais alimentam a Encore AI, como os clientes aprovam ou editam os playbooks gerados ou quais salvaguardas existem para comunicações reguladas.

Essas lacunas não invalidam a tese do produto, mas importam. Em setores regulados como bancos e seguros, compradores corporativos provavelmente vão querer evidências não apenas de que um agente de IA pode soar persuasivo, mas de que pode permanecer em conformidade, auditável e controlável ao longo do tempo.

Por que isso importa para criadores de IA e equipes corporativas

Para criadores de IA, a Encore AI lembra que a fronteira está mudando de copilotos genéricos para sistemas baseados no comportamento específico de cada empresa. A novidade aqui não é apenas mais um bot de voz. É a tentativa de minerar interações comerciais reais e devolver esse aprendizado para agentes de IA implantáveis. Se isso funcionar de forma confiável, pode diminuir a lacuna entre software analítico e automação operacional.

Para equipes de produto, o apelo é prático. Uma empresa já grava chamadas de clientes, armazena mensagens e registra atividades em um sistema de CRM. Transformar esse histórico fragmentado em um agente que possa ajudar ou automatizar o trabalho é uma conversa de orçamento mais fácil do que comprar uma grande plataforma de IA sem ligação direta com o fluxo de trabalho. Em princípio, a Encore AI pode se encaixar em um processo de vendas ou suporte existente em vez de pedir que as equipes redesenhem tudo em torno de uma nova ferramenta.

Para compradores de IA corporativa, as trocas reais provavelmente estarão em acesso a dados, governança e velocidade de implantação. Sistemas treinados em interações internas podem entregar melhor aderência do que ferramentas de propósito geral, mas também exigem lidar com gravações e dados de comunicação sensíveis. Isso levanta questões de aquisição sobre consentimento, retenção, comportamento do modelo e se a empresa pode inspecionar por que um agente de IA disse o que disse.

O ângulo de serviços financeiros intensifica essas preocupações. Se a Encore AI tiver sucesso lá, isso fortalecerá o argumento de que agentes de IA estreitamente ajustados ao domínio podem vencer em setores onde o conhecimento do fluxo de trabalho importa mais do que a fluência bruta do modelo. Se fracassar, isso pode sugerir que a automação derivada de conversas é mais difícil de operacionalizar em ambientes regulados do que a mensagem atual das startups implica.

O que observar a seguir

O próximo sinal a observar é se a Encore AI nomeia grandes parceiros de design ou clientes de referência em serviços financeiros. Hoje, a empresa diz ter tração corporativa, mas a evidência pública ainda é limitada.

Outro indicador importante será o escopo da implantação. Importa saber se os clientes estão usando a Encore AI principalmente para funções internas de assistência a agentes ou se confiam em agentes autônomos de voz e texto em interações reais com clientes. A distância entre esses dois casos de uso é grande em termos de risco, conformidade e gestão de mudança.

Também vale acompanhar com que rapidez incumbentes de CRM como Salesforce, SAP, Zoho e HubSpot fortalecem seus próprios produtos de IA baseados em conversas. Mesmo que esses fornecedores comecem com recursos analíticos mais simples, eles têm ampla distribuição e relações de dados já existentes.

Por fim, a transparência técnica pode se tornar um diferencial. Os compradores vão querer respostas mais claras sobre governança de modelos, auditabilidade, controles de alucinação e como interações históricas são selecionadas, ponderadas e atualizadas dentro dos agentes de IA.

Perspectiva da Creati.ai

A Encore AI está seguindo um dos padrões de IA corporativa mais credíveis: começar com um fluxo de trabalho em que as empresas já geram dados valiosos e, então, usar esses dados para produzir resultados operacionais mensuráveis. Neste caso, os dados são o histórico de conversas com clientes, e o resultado é um agente de IA ou uma camada de assistência a agentes baseada no que já funcionou antes. Essa é uma história mais sólida do que muitos pitches de IA corporativa construídos em torno de ganhos genéricos de produtividade.

Mas o valor de longo prazo da empresa vai depender de provar que “interaction mining” é mais do que uma narrativa convincente. Se a Encore AI conseguir mostrar que seus agentes melhoram resultados enquanto permanecem controláveis em ambientes regulados, ela poderá conquistar uma posição duradoura. Caso contrário, plataformas maiores com acesso integrado a CRM podem absorver a categoria. Por enquanto, a rodada de US$ 30 milhões dá à Encore AI tempo para testar se a IA corporativa nativa de conversas pode se tornar um fosso de produto, e não apenas um conjunto de funcionalidades.