Como uma equipe de duas pessoas toca o go-to-market com uma stack de agentes de IA

A fonte é um texto da dolv, fornecedora da ferramenta, então os números são autodeclarados e não passaram por verificação independente. A tese: duas pessoas não igualam o headcount de dez, mas igualam o throughput. Os humanos ficam com julgamento e todo envio externo. Os agentes cuidam do repetitivo antes e depois. A divisão de papéis é por loop, não por canal: uma pessoa cuida da demanda (conteúdo, SEO, anúncios, social) e a outra do pipeline e da receita (prospecção, CRM, follow-up, fechamento).

A stack tem cinco camadas: conhecimento (docs, ICP, transcrições, log de objeções), conteúdo e publicação, prospecção, CRM e medição. Cada agente tem escopo estreito (um pesquisa, um redige, um pontua, um reporta). Há um portão de aprovação em cada envio. Nos números do texto, o custo é de US$ 1.412 por mês. Em um mês de exemplo, 1.400 contatos entraram, 312 passaram no scoring, 41 responderam (14,3%), 19 reuniões foram marcadas, 7 propostas saíram e 3 negócios fecharam, com ticket médio de US$ 6.800 (US$ 20.400 de ARR novo). Em outro trecho, o mesmo texto relata 11 calls e 2 fechamentos em quatro semanas, e reply rate subindo de 9% para 14% em seis semanas, porque o scoring foi realimentado com os resultados. Os números variam entre trechos, então vale tratá-los como ilustrações, não como benchmark.

A cobertura anterior do CEVIU mostra o tema amadurecendo. Em 4 de março de 2026, em "Como Fundadores do a16z speedrun Utilizam Ferramentas de IA para Go-to-Market", o foco era usar agentes de navegador para prospectar sem montar time de vendas. Em 19 de junho de 2026, "IA no GTM: automação não substitui estratégia, o que realmente fecha negócios" apontava que escolher contas e decidir continua humano. Em 31 de agosto de 2026, "Como o 'Shared Agent Brief' otimiza equipes GTM com IA" tratava da definição de quem faz e quem decide. Agora o relato traz uma stack completa com custo e funil em números, mantendo a mesma divisão: agente gera, humano aprova.

Para quem opera uma startup enxuta, a leitura prática é que o ganho vem menos da ferramenta e mais do desenho: base de conhecimento única, escopo estreito por agente e revisão rápida. O critério do texto é útil: se aprovar ou descartar uma saída leva mais de dois minutos, o fluxo está errado. Como a fonte vende o produto, vale replicar o método em um gargalo só e medir antes de ampliar.