Case Maestro ABM + AWS: Como a IA Generativa Está Transformando as Vendas B2B
A personalização sempre foi um dos principais pilares do Account-Based Marketing (ABM).
Em vendas B2B complexas, conhecer profundamente uma conta estratégica pode fazer toda a diferença para construir uma abordagem relevante, identificar os decisores certos e criar oportunidades de relacionamento.
Mas existe um desafio importante:
Como personalizar em profundidade sem transformar a preparação de cada conta em um processo lento e difícil de escalar?
Foi justamente para enfrentar esse desafio que a Maestro ABM incorporou Inteligência Artificial generativa à sua plataforma, utilizando tecnologias da AWS para automatizar etapas estratégicas da operação.
Com Amazon Bedrock, Amazon Nova e Amazon Titan, a Maestro passou a utilizar IA na geração de dossiês de contas estratégicas, criação de pitches personalizados e produção de conteúdos para campanhas e touchpoints.
O impacto foi expressivo.
Um dossiê completo de uma conta, que antes demandava aproximadamente 8 horas de trabalho, passou a ser produzido em apenas 5 minutos. O projeto também trouxe ganhos na agilidade de cadastro de contas, implantação da plataforma e eficiência das equipes comerciais.
Essa jornada se tornou um case publicado no blog oficial da AWS, mostrando como uma empresa brasileira de Account-Based Marketing está utilizando IA generativa para transformar processos de vendas B2B complexas.
Neste artigo, você conhecerá alguns dos principais resultados dessa transformação e entenderá como a Inteligência Artificial está ajudando a Maestro ABM a combinar personalização, inteligência e escala.
Conheça o case completo da Maestro ABM + AWS
Quer conhecer em detalhes a tecnologia utilizada, a arquitetura da solução, as aplicações de Inteligência Artificial e os resultados alcançados?
No case publicado pela AWS, você encontra os detalhes de como Amazon Bedrock, Amazon Nova e Amazon Titan passaram a fazer parte da evolução da plataforma Maestro ABM.
→ Acesse aqui o case completo da Maestro ABM publicado no blog da AWS.
O desafio: escalar a personalização em vendas B2B complexas
Quem trabalha com vendas Enterprise conhece bem esse desafio.
Quanto maior a complexidade da negociação, maior costuma ser a necessidade de compreender profundamente a conta.
Antes de iniciar uma abordagem, é importante conhecer aspectos como:
- momento da empresa;
- contexto de mercado;
- desafios do setor;
- estrutura organizacional;
- principais decisores;
- diferentes personas envolvidas na compra;
- possíveis oportunidades para iniciar uma conversa.
Em uma estratégia de ABM, essas informações são fundamentais para construir interações relevantes.
O problema aparece quando esse trabalho precisa ser realizado em escala.
Antes da adoção da IA generativa, a preparação de um dossiê completo de uma conta estratégica na Maestro era um processo manual que podia consumir, em média, 8 horas.
Era necessário pesquisar diferentes fontes, cruzar informações, identificar contatos-chave e transformar todo esse conhecimento em abordagens personalizadas.
Quanto mais contas estratégicas entravam na operação, maior se tornava o esforço necessário.
Na prática, surgia um paradoxo:
quanto maior a personalização, maior o esforço operacional necessário para alcançá-la.
Quando pesquisar começa a ocupar o tempo de vender
Uma estratégia de Account-Based Marketing depende de conhecimento.
O vendedor precisa chegar preparado.
Entretanto, existe uma diferença entre utilizar inteligência para vender melhor e transformar o próprio vendedor em um pesquisador em tempo integral.
No processo anterior, grande parte do trabalho necessário para construir essa inteligência era realizada manualmente.
O profissional precisava localizar informações em diferentes fontes, analisar o contexto da organização, cruzar dados e organizar tudo de maneira que pudesse ser utilizado comercialmente.
O próprio case identifica esse cenário como um gargalo: as equipes poderiam gastar mais tempo pesquisando do que vendendo.
A oportunidade estava justamente em utilizar tecnologia para reduzir esse esforço sem abrir mão da profundidade necessária para uma estratégia de ABM.
O que a Maestro precisava transformar
A necessidade não era simplesmente colocar uma funcionalidade de Inteligência Artificial dentro da plataforma.
A IA precisava resolver problemas reais da operação.
Entre os objetivos apresentados no case estavam:
- automatizar a geração de dossiês com informações contextualizadas sobre as contas-alvo;
- criar pitches personalizados, chamados internamente de Golden Pitches;
- apoiar a orquestração de campanhas multicanal;
- alimentar touchpoints com conteúdos mais contextualizados;
- ampliar a personalização sem comprometer a qualidade;
- otimizar processos de desenvolvimento e testes.
Isso significa que a Inteligência Artificial não foi pensada como um recurso isolado.
Ela passou a fazer parte da própria lógica de funcionamento da plataforma.
Amazon Bedrock como motor de Inteligência Artificial
Para viabilizar essa evolução, a equipe técnica da Maestro avaliou diferentes alternativas e adotou o Amazon Bedrock como plataforma central de IA generativa.
Um dos diferenciais considerados foi a possibilidade de acessar diferentes modelos de linguagem por meio de uma única API gerenciada, sem a necessidade de provisionar e administrar diretamente uma infraestrutura própria de Machine Learning.
Para os fluxos descritos no case, a Maestro adotou o Amazon Nova Light, utilizado em atividades relacionadas à geração de conteúdo, sumarização e raciocínio.
Essa infraestrutura permitiu transformar processos que antes exigiam horas de trabalho humano em fluxos muito mais rápidos e escaláveis.
E uma das aplicações mais importantes começou justamente onde existe uma das maiores necessidades do ABM:
conhecer profundamente uma conta antes de abordá-la.
Dossiês de contas estratégicas gerados com IA
Ao cadastrar uma nova conta-alvo na plataforma, a solução passou a utilizar IA para reunir, cruzar e sintetizar informações relevantes sobre aquela organização.
Entre os elementos considerados estão dados públicos, notícias recentes, estrutura organizacional e contexto de mercado.
A partir dessas informações, é criado um dossiê estruturado da conta, oferecendo ao vendedor uma visão muito mais completa antes de iniciar uma interação comercial.
O ganho de produtividade é significativo.
O processo manual que demandava aproximadamente 8 horas passou a ser realizado em 5 minutos com a nova solução.
Isso muda completamente a relação entre profundidade e escala.
A equipe comercial pode ter acesso a mais contexto sem precisar dedicar praticamente um dia inteiro à preparação de cada conta.
Golden Pitch: transformando inteligência em abordagem
Um dossiê, entretanto, é apenas o começo.
Depois de compreender a conta, surge outra questão:
Como transformar toda essa inteligência em uma conversa relevante com o prospect?
É nesse ponto que entra o Golden Pitch.
Com base no dossiê gerado, a plataforma cria uma proposta de abordagem personalizada, considerando o contexto da empresa, os desafios do setor, oportunidades identificadas e a persona do interlocutor.
A proposta não é entregar ao vendedor um script rígido que deve ser repetido para todas as empresas.
É oferecer contexto para que ele possa construir uma abordagem mais inteligente.
Como explica Felipe Spina no case, o objetivo é fazer com que o profissional chegue preparado com algo que realmente faça sentido para aquele prospect naquele momento.
Essa distinção é fundamental.
A IA não substitui o relacionamento. Ela ajuda o vendedor a chegar mais preparado para construí-lo.
Personalização e escala deixam de ser opostos
Durante muito tempo, um dos grandes desafios do ABM foi justamente encontrar equilíbrio entre profundidade e escala.
Quanto mais personalizada fosse uma estratégia, maior seria o esforço necessário para executá-la.
Com a IA generativa, essa relação começa a mudar.
Parte das atividades de pesquisa, síntese de informações e preparação de conteúdo pode ser automatizada, enquanto o profissional comercial concentra sua energia nas etapas em que a participação humana é mais valiosa:
relacionamento, interpretação, negociação e tomada de decisão.
Esse é um dos principais aprendizados do case Maestro ABM + AWS.
A Inteligência Artificial não está sendo utilizada apenas para produzir mais.
Ela está sendo aplicada para permitir que as equipes comerciais trabalhem com mais contexto, mais relevância e mais eficiência.
Da inteligência à execução: Plays e Touchpoints personalizados
Conhecer profundamente uma conta estratégica é fundamental.
Mas o verdadeiro valor dessa inteligência aparece quando ela é transformada em ações capazes de aproximar a empresa dos decisores certos.
Na Maestro ABM, essa execução acontece por meio de Plays e Touchpoints.
Os Plays representam conjuntos de ações planejadas para determinada conta ou grupo de contas. Dentro deles, os Touchpoints organizam as interações que serão realizadas ao longo da jornada.
Com a incorporação da IA generativa, essas interações podem ser enriquecidas com conteúdos criados a partir do contexto específico de cada conta e de cada persona.
Segundo o case publicado pela AWS, a solução passou a utilizar IA para gerar conteúdos personalizados para diferentes canais, incluindo e-mails, mensagens de LinkedIn e roteiros de ligação.
Na prática, isso aproxima ainda mais a execução do princípio central do Account-Based Marketing:
entregar a mensagem certa, para a pessoa certa, dentro do contexto certo.
IA generativa aplicada aos Touchpoints de ABM
Uma campanha de ABM dificilmente acontece em apenas um canal.
Ao longo da jornada de uma conta estratégica, diferentes interações podem ser necessárias para gerar reconhecimento, construir relacionamento e avançar uma oportunidade.
O desafio é manter a personalização durante toda essa sequência.
Se cada mensagem precisar ser produzida manualmente, a operação volta a enfrentar o mesmo problema de escala que existia na construção dos dossiês.
É nesse ponto que a Inteligência Artificial ganha outra função dentro da plataforma.
A partir do contexto já construído sobre a conta e seus interlocutores, a solução consegue apoiar a produção de conteúdos específicos para os Touchpoints planejados.
Assim, o vendedor parte de uma base muito mais contextualizada para desenvolver suas interações.
Isso reduz o trabalho operacional sem abandonar a personalização que caracteriza uma estratégia de ABM.
Conteúdo personalizado também para redes sociais
A aplicação da IA generativa não ficou restrita aos contatos comerciais diretos.
O case também apresenta uma funcionalidade voltada à criação de conteúdo para redes sociais.
O usuário informa um tema e um objetivo, e a solução utiliza IA para gerar uma sugestão de conteúdo acompanhada de uma imagem relacionada.
A proposta amplia as possibilidades de utilização da tecnologia dentro da estratégia de relacionamento.
Afinal, uma operação de ABM não depende exclusivamente de e-mails ou ligações.
Conteúdo também pode ser utilizado para:
- aumentar a presença da marca;
- educar contas estratégicas;
- reforçar autoridade sobre determinado assunto;
- criar novos pontos de contato;
- apoiar o relacionamento com diferentes personas.
Dessa forma, a Inteligência Artificial passa a contribuir tanto para a inteligência comercial quanto para a produção das interações que sustentam a estratégia.
Uma arquitetura baseada em agentes especializados
Para suportar esses diferentes fluxos, a Maestro estruturou uma arquitetura com agentes especializados, cada um responsável por uma função específica dentro do processo.
O case descreve três agentes principais:
Agente de Perfilamento
Responsável por coletar e sintetizar informações sobre as contas-alvo.
É essa camada que ajuda a transformar diferentes fontes de informação em contexto estruturado para a operação comercial.
Agente de Conteúdo
Utiliza as informações da conta para produzir pitches e materiais personalizados.
É nesse fluxo que a inteligência obtida sobre a organização começa a ser transformada em comunicação.
Agente de Imagem
Responsável pela geração de recursos visuais utilizados nos conteúdos.
Para essa função, a solução utiliza o Amazon Titan Image Generator.
Essa divisão permite que diferentes tarefas sejam tratadas por componentes especializados, em vez de concentrar todo o processo em uma única interação genérica com IA.
Onde entram Amazon Bedrock, Amazon Nova e Amazon Titan?
Embora o resultado apareça para o usuário na forma de dossiês, pitches e conteúdos personalizados, existe uma estrutura tecnológica por trás desses recursos.
O Amazon Bedrock funciona como a base para acesso e utilização dos modelos de IA generativa.
Nos fluxos descritos no case, o Amazon Nova Light é utilizado para tarefas relacionadas à geração de conteúdo, sumarização e raciocínio, enquanto o Amazon Titan Image Generator apoia a criação dos recursos visuais.
Essa arquitetura permite que diferentes modelos sejam utilizados conforme a necessidade de cada etapa.
Mais importante do que simplesmente adotar uma tecnologia de IA é definir qual problema cada componente precisa resolver dentro da jornada do usuário.
No caso da Maestro, a tecnologia está diretamente conectada às necessidades de uma operação de Account-Based Marketing.
Segurança também faz parte da arquitetura
Quando falamos em soluções voltadas ao mercado B2B e especialmente a grandes empresas, segurança e governança não podem ser tratadas como elementos secundários.
Por isso, a arquitetura descrita no case também utiliza serviços da AWS voltados à proteção e ao gerenciamento da infraestrutura.
Entre eles estão:
- AWS Key Management Service (AWS KMS), utilizado para criptografia;
- AWS CloudTrail, para auditoria;
- AWS Identity and Access Management (IAM), para controle de acesso.
Além disso, a solução utiliza serviços como AWS Lambda, Amazon S3 e Amazon API Gateway na infraestrutura da aplicação.
Esse ponto é particularmente relevante quando a tecnologia é utilizada em operações comerciais de empresas que possuem requisitos rigorosos de segurança e governança.
IA também no desenvolvimento da própria plataforma
Outro aspecto interessante do projeto é que a Inteligência Artificial não foi utilizada somente nas funcionalidades disponibilizadas aos usuários da Maestro.
A equipe técnica também passou a utilizar Amazon Q Developer durante o desenvolvimento.
Segundo o case, a ferramenta auxilia em atividades como geração de código, testes unitários e revisão de código.
Ou seja, a IA passou a atuar em duas frentes:
na experiência oferecida aos usuários da plataforma e na produtividade da própria equipe responsável por desenvolvê-la.
Essa combinação ajuda a acelerar a evolução do produto e a implementação de novas funcionalidades.
De 8 horas para 5 minutos na geração de dossiês
Entre todos os resultados apresentados no case, este talvez seja o mais representativo da transformação:
o tempo de geração de um dossiê completo caiu de aproximadamente 8 horas para 5 minutos.
Para entender a dimensão dessa mudança, basta observar o impacto operacional.
Antes, produzir inteligência aprofundada para várias contas exigia uma quantidade significativa de horas de trabalho.
Com a automação, esse tempo pode ser redirecionado para atividades comerciais de maior valor.
O ganho não está apenas em “fazer mais rápido”.
Está em permitir que uma metodologia que depende de profundidade consiga ganhar escala.
50% mais agilidade no cadastro de contas
Outro resultado apresentado foi a melhoria no processo de cadastro.
Segundo o case, a automação gerou um ganho de 50% na agilidade de cadastro de novas contas, além de reduzir a ocorrência de erros manuais.
Esse tipo de ganho é importante porque afeta uma etapa fundamental da operação.
Quanto mais rápido uma conta pode ser estruturada dentro da plataforma, mais rapidamente ela pode entrar em uma estratégia de ABM e começar a receber Plays e Touchpoints planejados.
De quatro meses para seis semanas na implantação
Os ganhos também chegaram à implantação da plataforma.
O case informa que processos que anteriormente levavam aproximadamente quatro meses passaram a ser concluídos em cerca de seis semanas.
Essa redução representa uma mudança importante no time-to-value.
Em soluções B2B, não basta contratar uma tecnologia.
O cliente precisa conseguir colocá-la em operação e começar a perceber valor.
Quanto menor o intervalo entre contratação, implantação e utilização efetiva, mais rapidamente a estratégia pode começar a gerar resultados.
15% de melhoria na eficiência das equipes de vendas
Outro indicador apresentado no case está diretamente relacionado à operação comercial.
Os recursos de IA contribuíram para uma melhoria de 15% na eficiência das equipes de vendas, segundo a publicação.
Esse resultado ajuda a mostrar por que a discussão sobre IA em vendas precisa ir além da geração automática de textos.
O valor aparece quando a tecnologia reduz tarefas manuais, organiza informações e entrega contexto que pode ser utilizado pelo profissional na tomada de decisão.
Na prática, menos tempo é consumido por atividades operacionais e mais tempo pode ser dedicado ao relacionamento com as contas.
O objetivo não é automatizar o relacionamento
Existe uma diferença importante entre automatizar tarefas e automatizar relacionamentos.
O primeiro pode gerar eficiência.
O segundo pode comprometer justamente aquilo que torna o ABM relevante.
No case da Maestro, a IA atua principalmente nas etapas em que tecnologia consegue aumentar a capacidade humana:
pesquisar, organizar, sintetizar, contextualizar e preparar.
A interação comercial continua dependendo da capacidade do profissional de interpretar aquele contexto e construir uma relação relevante com o prospect.
Essa combinação entre inteligência artificial e atuação humana permite escalar a personalização sem transformar o relacionamento em uma sequência de mensagens genéricas produzidas automaticamente.
Mais inteligência para o vendedor, não apenas mais automação
Esse talvez seja um dos aspectos mais importantes do projeto.
Quando uma tecnologia entrega ao vendedor um dossiê estruturado, informações sobre a conta, contexto do mercado e uma sugestão de Golden Pitch, ela reduz uma parte significativa do trabalho preparatório.
Mas a decisão sobre como utilizar essa informação continua sendo estratégica.
O vendedor pode avaliar o contexto.
Adaptar a mensagem.
Escolher o melhor momento.
Identificar o stakeholder adequado.
Construir a conversa.
Por isso, o ganho proporcionado pela IA não deve ser medido apenas pela quantidade de tarefas automatizadas.
Ele também aparece na qualidade da preparação para cada interação comercial.
O próximo passo: tornar a Inteligência Artificial ainda mais contextualizada
Os resultados obtidos com a primeira fase do projeto representam apenas uma etapa da evolução da Inteligência Artificial dentro da Maestro ABM.
A próxima fronteira está em tornar as respostas geradas pelos modelos ainda mais específicas para o contexto de cada cliente.
Entre as evoluções previstas está a implementação de RAG (Retrieval-Augmented Generation) com bases de conhecimento individualizadas.
Na prática, a proposta é permitir que os modelos utilizem informações específicas de cada cliente — como histórico de campanhas, resultados anteriores e características próprias da operação — para produzir respostas ainda mais contextualizadas.
Essa evolução é especialmente relevante para o Account-Based Marketing.
Quanto mais contexto existe sobre uma conta, uma campanha ou uma operação, maior é a possibilidade de gerar recomendações alinhadas à realidade daquele negócio.
O que é RAG e por que ele pode transformar o ABM?
RAG é a sigla para Retrieval-Augmented Generation, ou geração aumentada por recuperação.
Em termos simples, essa abordagem permite que um modelo de IA consulte uma base específica de informações antes de produzir uma resposta.
Para uma plataforma de ABM, isso abre novas possibilidades.
Imagine que, além de informações públicas sobre uma conta, a Inteligência Artificial possa considerar o histórico de campanhas realizadas, aprendizados de interações anteriores e resultados obtidos em determinados Plays.
A personalização passa a considerar não apenas quem é aquela empresa, mas também o histórico do relacionamento construído com ela.
É justamente nessa direção que a Maestro pretende avançar, criando bases de conhecimento específicas para cada cliente.
Conteúdo multimodal como próxima evolução
Outra frente apresentada no case é a expansão das capacidades multimodais.
Atualmente, a plataforma já utiliza Inteligência Artificial para trabalhar com textos e imagens.
Os próximos passos incluem explorar também a geração de áudio e vídeo.
Essa evolução pode ampliar significativamente as possibilidades de construção dos Touchpoints.
Uma estratégia de ABM pode combinar diferentes formatos ao longo da jornada de uma conta, utilizando conteúdos adequados ao perfil do interlocutor e ao momento do relacionamento.
Mais uma vez, a lógica não é simplesmente produzir um volume maior de materiais.
O objetivo é ampliar as possibilidades de personalização da experiência das contas estratégicas.
Novos canais para os agentes de IA
A evolução prevista também envolve a expansão dos agentes para novos canais.
Segundo o case, a Maestro estuda levar esses recursos para ambientes como WhatsApp e Microsoft Teams, além de explorar possibilidades relacionadas à análise preditiva de comportamento.
Isso pode aproximar ainda mais a inteligência gerada pela plataforma dos canais utilizados diariamente pelas equipes.
Em vez de concentrar os insights em um único ambiente, a tendência é que a IA esteja disponível em diferentes pontos da operação, apoiando decisões e interações ao longo da jornada.
De IA generativa para inteligência comercial aplicada
O case Maestro ABM + AWS também ajuda a mostrar uma evolução importante na maneira como empresas podem enxergar a Inteligência Artificial.
A discussão não precisa se limitar a perguntas como:
“Quantos textos conseguimos gerar?”
ou:
“Quantas tarefas conseguimos automatizar?”
Em vendas B2B, uma pergunta mais estratégica seria:
Como a IA pode ajudar nossos profissionais a compreender melhor uma conta e tomar decisões mais relevantes?
É aí que a tecnologia passa de uma ferramenta de produtividade para uma camada de inteligência comercial.
No caso da Maestro, essa aplicação aparece em diferentes etapas:
- compreensão das contas;
- construção dos dossiês;
- elaboração dos Golden Pitches;
- produção dos Touchpoints;
- geração de conteúdos;
- apoio ao desenvolvimento da plataforma.
A tecnologia passa a estar integrada à operação, em vez de existir como uma funcionalidade isolada.
O que o case Maestro ABM + AWS ensina sobre IA e vendas B2B?
O projeto apresenta alguns aprendizados importantes para organizações que estão avaliando a adoção de Inteligência Artificial em suas operações comerciais.
O primeiro deles é que a IA funciona melhor quando existe um problema claro a ser resolvido.
No caso da Maestro, um desses problemas era bastante objetivo: produzir inteligência aprofundada sobre contas estratégicas exigia muitas horas de trabalho.
A tecnologia foi aplicada justamente nesse gargalo.
O segundo aprendizado é que automação e personalização não precisam ser conceitos opostos.
Quando utilizada para organizar informações, gerar contexto e apoiar a preparação do vendedor, a IA pode aumentar a escala sem necessariamente tornar a experiência mais genérica.
E existe ainda um terceiro ponto:
a participação humana continua sendo fundamental.
A Inteligência Artificial pode ajudar a encontrar informações e preparar abordagens, mas relacionamento, interpretação e negociação continuam dependendo das pessoas.
Os principais resultados do case
Os números apresentados pela AWS ajudam a dimensionar o impacto da transformação.
Com a adoção dos recursos de IA generativa, a Maestro alcançou resultados como:
- redução da geração de dossiês de aproximadamente 8 horas para 5 minutos;
- 50% mais agilidade no cadastro de novas contas;
- redução do processo de implantação de aproximadamente 4 meses para 6 semanas;
- 15% de melhoria na eficiência das equipes de vendas.
Mais do que indicadores de produtividade, esses resultados mostram como a tecnologia pode ajudar uma estratégia de Account-Based Marketing a ganhar escala sem abandonar sua essência: relevância e personalização.
Conclusão
A evolução da Maestro ABM com Inteligência Artificial mostra como tecnologia e metodologia podem trabalhar juntas para transformar vendas B2B complexas.
Com Amazon Bedrock, Amazon Nova e Amazon Titan, etapas que anteriormente exigiam horas de pesquisa manual passaram a ser realizadas em poucos minutos, oferecendo às equipes comerciais mais contexto para compreender contas estratégicas e preparar abordagens personalizadas.
Mas talvez o principal aprendizado desse case esteja além da redução de tempo.
A Inteligência Artificial permite repensar um dos maiores desafios históricos do Account-Based Marketing: como levar personalização para uma escala maior sem perder relevância.
Quando pesquisa, síntese de informações e preparação de conteúdos podem ser apoiadas pela tecnologia, os profissionais ganham espaço para concentrar seus esforços onde o fator humano continua sendo decisivo: na construção de relacionamentos.
E essa transformação ainda está em andamento.
Com a evolução para RAG, novas capacidades multimodais, novos canais e análises preditivas, a tendência é que a IA esteja cada vez mais integrada à forma como organizações planejam e executam suas estratégias de ABM.
Perguntas Frequentes (FAQ)
Como a Maestro ABM utiliza Inteligência Artificial?
A Maestro utiliza IA generativa em diferentes etapas da plataforma, incluindo geração de dossiês de contas, criação de Golden Pitches e conteúdos personalizados para campanhas e Touchpoints.
Quanto tempo a Maestro leva para gerar um dossiê com IA?
Segundo o case publicado pela AWS, um processo que anteriormente demandava aproximadamente 8 horas passou a ser realizado em cerca de 5 minutos.
Quais tecnologias AWS são utilizadas pela Maestro ABM?
O case destaca Amazon Bedrock, Amazon Nova Light e Amazon Titan Image Generator, além de serviços de infraestrutura e segurança como AWS Lambda, Amazon S3, Amazon API Gateway, AWS KMS, AWS CloudTrail e IAM.
O que é um Golden Pitch?
É uma sugestão de abordagem personalizada criada a partir das informações reunidas sobre a conta e o interlocutor, considerando elementos como contexto empresarial, desafios do setor e oportunidades identificadas.
A IA substitui o vendedor em uma estratégia de ABM?
No case apresentado, a tecnologia é utilizada principalmente para apoiar pesquisa, organização, síntese e geração de conteúdos. Isso permite que o profissional dedique mais tempo às atividades de relacionamento e interação comercial.
Quais foram os principais resultados do projeto?
Além da redução de 8 horas para 5 minutos na geração de dossiês, o case apresenta ganho de 50% na agilidade de cadastro, redução do processo de implantação de quatro meses para seis semanas e melhoria de 15% na eficiência das equipes comerciais.