SDR de IA via WhatsApp para vitrine digital de haras

Este produto combina uma vitrine digital premium para um haras com um SDR (pré-vendedor) de inteligência artificial que atende pelo WhatsApp. A MVP Plus construiu tanto a vitrine pública quanto o motor de conversa da IA, incluindo a forma de medir se a IA está respondendo bem.

O desafio

Vender um animal ou serviço de alto valor, como acontece num haras, depende de atendimento rápido e de qualidade no primeiro contato, geralmente feito por WhatsApp. O problema é que atendimento humano constante, disponível fora do horário comercial e em qualquer volume de mensagem, tem um custo que nem todo negócio desse porte consegue manter.

Colocar uma IA para atender o primeiro contato resolve a disponibilidade, mas cria um problema novo: como garantir, de forma sistemática, que a IA está de fato qualificando o lead direito e não afastando um comprador em potencial com uma resposta ruim, em vez de confiar só na impressão manual de quem lê algumas conversas de vez em quando.

O que construímos

O produto tem duas partes que conversam entre si: uma vitrine web que apresenta o haras e os animais, e um SDR de IA que atende pelo WhatsApp integrado via Z-API, recebendo mensagem por webhook e podendo responder, escalar para atendimento humano ou registrar status da conversa. A camada de dados roda no Supabase, com o histórico de conversa e os leads qualificados guardados num Postgres com Row Level Security aplicada.

A engenharia por trás

O ponto mais específico deste projeto é o script de avaliação de diálogos, rodado via eval:dialogs, criado justamente para medir a qualidade das respostas da IA de forma repetível, fora do fluxo de produção. Em vez de confiar só em revisão manual de conversa, esse script roda cenários de diálogo contra a IA e avalia a resposta segundo critério definido, o tipo de disciplina que separa um agente de IA testado de um agente que só parece funcionar nas primeiras conversas observadas manualmente.

O schema do banco evoluiu por migrations dedicadas a hardening de segurança, além da base inicial, sinal de que o RLS não foi tratado como configuração de uma vez só, mas revisado e reforçado depois da primeira versão. Há também seed de dados versionado no Supabase, garantindo que o ambiente de desenvolvimento parta de um estado consistente e reproduzível. A suíte de testes roda em Vitest.

Stack e decisões

Next.js 15 com TypeScript no front e Supabase, banco, RLS e edge functions, no back formam a base, com a integração de WhatsApp resolvida via Z-API em vez da API oficial do WhatsApp Business, escolha comum para operações menores que precisam de integração mais rápida sem o processo de aprovação da API oficial.

Investir num script próprio de avaliação de diálogo, em vez de confiar só em observação manual, foi a decisão de engenharia mais relevante do projeto: um SDR de IA mal calibrado custa oportunidade de venda de forma silenciosa, sem gerar erro visível em nenhum log, o tipo de problema que só aparece quando alguém mede de propósito.

Negócios que precisam de uma solução de IA bem calibrada, mas não têm um time técnico interno para liderar essa decisão, são exatamente o público do Vibe CTO da MVP Plus. Para entender melhor onde a IA resolve sozinha e onde entra engenharia de verdade, veja o artigo onde termina a IA e começa a engenharia.