> For the complete documentation index, see [llms.txt](https://docs.sprinthub.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.sprinthub.com/topicos/inteligencia-artificial/agentes-de-ia/agentes-de-i.a.-executar-automacoes/agentes-de-i.a.-qualificando-leads-automaticamente-com-ia.md). # Agentes de I.A. - Qualificando Leads Automaticamente com IA {% hint style="info" %} A automação apresentada neste tutorial parte do pressuposto de que o Agente de IA segue um fluxo padrão de atendimento, no qual coleta informações e as registra nos campos correspondentes do lead durante o primeiro contato. {% endhint %} ## Campos que serão considerados Neste exemplo, serão considerados três critérios para a qualificação do lead: **segmento do negócio**, **quantidade de colaboradores** e **nível de urgência**.\ \ A classificação será feita da seguinte forma: * **Alta**: Segmento relevante, mais de 10 colaboradores e urgência imediata. * **Média**: Atende a dois dos critérios ou apresenta potencial, mesmo com prazo médio. * **Baixa**: Está apenas pesquisando, possui poucos colaboradores e não demonstra urgência.

## Configurando automação de SAC 360° De acordo com o gatilho, a qualificação do lead será realizada quando o Agente de IA mover o atendimento para a etapa **"\[IA - Primeiro Contato] Finalização"**. Nesse momento, duas ações serão executadas: 1. **Executar tarefa com Copilot**\ Essa ação gerará a classificação do lead e salvará o resultado no token `{copilotdb=classificacao_lead}`, conforme definido na chave da automação. > Observação: Nesse caso, o retorno da tarefa deve conter **apenas uma palavra**, correspondendo exatamente a um dos valores pré-definidos no campo **"Classificação do Lead"**, que é do tipo **seletor**. 2. **Atualizar dados do lead**\ Em seguida, a segunda ação irá salvar o valor retornado pelo Copilot diretamente no campo correspondente do lead, utilizando a ação **"Atualizar dados do lead"**.

## Testando automação Para verificar se a automação está funcionando corretamente, é possível consultar o histórico do lead. Nele, você poderá conferir se as ações foram executadas conforme o esperado ou se ocorreu algum erro durante o processo.

--- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.sprinthub.com/topicos/inteligencia-artificial/agentes-de-ia/agentes-de-i.a.-executar-automacoes/agentes-de-i.a.-qualificando-leads-automaticamente-com-ia.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.