Harvey monta processo com agentes para criar filmes de demonstração sob medida para contas de vendas

O problema que a Harvey descreve é de escala. Um filme de demonstração decente por conta saía com 15 a 20 minutos de idas e vindas, o que não fecha para centenas de contas. A saída foi montar uma base antes de pedir filmes: o Product Map (todas as telas-chave do app recriadas como componentes, a partir de agentes que navegaram o produto clicando em cada botão) e o Motion Primitives (biblioteca de animações como movimento de câmera, transição entre telas e ritmo de clique).

Sobre essa base, a empresa montou um cardápio de 44 fluxos de demonstração sem empresa específica, cada um centrado em um momento que o comprador pede para ver. Para cada conta, agentes puxam chamadas do Gong, relatórios de win-loss do Salesforce e conversas do Slack via MCP da Enterpret, escrevem o roteiro com uma empresa fictícia na tela e narram com uma voz clonada no ElevenLabs. Um motor de cerca de 750 linhas de JavaScript monta cada filme no Figma e gera contact sheets que sinalizam texto cortado, fonte pequena e ponteiro fora do lugar antes de qualquer pessoa assistir. Um lote de 36 filmes levou 69 minutos. Como só um agente trabalha por arquivo, a equipe criou três arquivos paralelos com um coordenador, e tudo é registrado em um tracker compartilhado, com uma linha por filme.

A Harvey já aparecia na cobertura como empresa de agentes, mas em outro eixo. Em 12 de março de 2026, o CEVIU noticiou "Harvey lança Agent Builder para workflows jurídicos complexos", voltado a equipes jurídicas, e em 19 de agosto de 2026, "Harvey II revoluciona a advocacia com agentes de IA que preservam contexto e memória". Agora o uso de agentes aparece no marketing e nas vendas da própria empresa, não no produto vendido ao cliente. Quanto ao Figma, em 6 de maio de 2026 o CEVIU publicou "Workflow Lab: Expandindo o Canvas com Figma MCP", sobre agentes escrevendo frames no canvas via MCP. O caso da Harvey é um uso concreto desse mesmo mecanismo em produção.

Para quem toca vendas em uma startup, a leitura é que o ganho não veio de um prompt melhor, e sim de ativos reutilizáveis (telas, animações, fluxos) mais um controle de qualidade automático. Para quem pensa em personalização por conta, o número a observar é o tempo de revisão humana: a Harvey tenta reduzi-lo checando erros óbvios antes. O relato vem da própria empresa e não traz dados de conversão, então o efeito em receita segue sem comprovação.