O que os fornecedores chamam de equipe de growth com IA
Os fornecedores usam o termo para agentes de IA que assumem o trabalho de uma equipe de growth: ler eventos e resultados, criar segmentos, redigir jornadas e as mensagens dentro delas, relatar o que aconteceu. A proposta costuma vir em forma de organograma, com um agente por cargo (um estrategista, um profissional de marketing de ciclo de vida, um analista, um copywriter) e, às vezes, um agente coordenador que distribui as tarefas entre eles. Não existe definição padrão, e os produtos por trás do rótulo vão de um assistente de chat com um prompt por função a agentes capazes de alterar coisas dentro de uma plataforma de marketing. A expressão também designa as equipes de growth das empresas de IA; esta página trata do outro sentido.
O formato vem das equipes de growth humanas. O guia de Andrew Chen para montar uma lista um growth PM, um growth engineer, um growth marketer, um analista e um designer, e observa que a composição pode mudar conforme o problema que a equipe está resolvendo. Essas funções humanas são tratadas em quem faz o quê em uma equipe de growth, parte da trilha funções de growth e IA.
Um exemplo: um agente, uma jornada de boas-vindas
Pegue um agente que você já usa, como Claude, Cursor ou Codex, conectado via MCP à plataforma pela qual você envia, para que ele possa ler os dados e criar segmentos, modelos de mensagem e jornadas lá dentro. O exemplo abaixo é ilustrativo: uma jornada de boas-vindas para novos cadastros, em cinco etapas. Cada etapa começa como um pedido simples, e o agente responde chamando ferramentas em vez de escrever instruções para você seguir, que é a fronteira entre um agente e um chatbot.
No exemplo, a pessoa define cada objetivo, lê o rascunho antes de ele ir ao ar e escolhe o que melhorar; o agente lê, constrói, relata e reescreve. É um único agente do início ao fim, com um único conjunto de ferramentas. Num organograma, essas cinco etapas passariam por várias funções; aqui não há repasse. Repare também no que a última etapa não fez: deixou o e-mail ativo como estava, porque editar um e-mail que uma jornada ativa usa pode alterar envios já em andamento.
Um agente ou uma equipe de agentes?
Dividir a IA em agentes com nomes de funções é uma forma de organizar prompts e repasses: cada agente recebe um cargo e uma atribuição estreita, e uma camada de coordenação, em geral chamada de orquestração de agentes, distribui as tarefas e passa o contexto de um agente ao seguinte. Agentes com nomes de funções são um desenho legítimo; não foram eles que fizeram o exemplo funcionar.
O que fez funcionar se resume a três coisas: ferramentas para criar modelos de mensagem e um rascunho de jornada, acesso de leitura a eventos, perfis e resultados, e uma parada antes que qualquer coisa chegasse aos clientes. Um cargo não acrescenta nenhuma ferramenta nem nenhum dado; dividir um agente em vários acrescenta repasses a gerenciar. Em seu guia para construir agentes eficazes, a Anthropic descreve os agentes como, em geral, apenas LLMs usando ferramentas em um ciclo, guiados pelo retorno do ambiente, e conclui que as ferramentas e sua documentação precisam de um desenho claro e cuidadoso.
O mesmo guia recomenda buscar a solução mais simples possível e acrescentar complexidade só quando ela for necessária, e relata que, entre as dezenas de equipes com que a Anthropic trabalhou, as implementações mais bem-sucedidas usavam padrões simples e combináveis, e não frameworks complexos. Dividir o trabalho ainda pode fazer sentido por razões de engenharia, como tarefas que rodam em paralelo ou um contexto grande demais para uma única conversa. Nossa leitura, para o trabalho de growth: comece com um agente capaz e as ferramentas certas, e acrescente agentes quando uma tarefa pedir, não para imitar um organograma.
O que decide se funciona
Tire os cargos e sobram três perguntas. Elas valem para um agente ou vários, em qualquer plataforma, e pesam mais quanto menor a equipe, porque há menos pessoas de olho no que sai.
| Critério | O que perguntar | Como é uma boa resposta |
|---|---|---|
| O que ele pode alterar | Que ações o agente pode executar na plataforma? | Objetos nomeados que ele cria ou edita, como um segmento, um modelo de mensagem ou um rascunho de jornada, e não um texto que alguém ainda precisa transformar em segmento ou jornada. |
| O que ele pode ler | O que ele vê antes de redigir? | Eventos, perfis, segmentos e resultados da plataforma em que ele constrói, e não um prompt em branco. |
| Onde uma pessoa confere | O que para antes de chegar aos clientes, e o que se aplica na hora? | Uma linha clara: as jornadas continuam como rascunho até serem publicadas, publicar exige uma etapa explícita, e o fornecedor diz quais edições se aplicam ao salvar. |
Repare no que não está na lista: o cargo do agente. Um agente chamado de estrategista que não vê seus resultados redige às cegas; um sem nome, com as ferramentas e os dados certos, redige a partir do que as pessoas de fato fizeram. Para um teste mais completo das promessas dos fornecedores, veja o que significa marketing agêntico.
Onde uma pessoa confere
Das três perguntas, a última é a que mais pesa. O padrão estabelecido para agentes de marketing é o human-in-the-loop: o agente propõe e uma pessoa decide o que vai ao ar. Na prática, o ponto de controle não é um único botão, e sim três lugares, e um fornecedor deve saber dizer exatamente o que acontece em cada um.
Os agentes se saem melhor em trabalhos definidos e repetíveis, com os dados em um só lugar, como jornadas de onboarding e de reconquista, criação de segmentos e relatórios semanais. Algumas decisões continuam com uma pessoa, seja qual for a configuração: qual métrica importa neste trimestre, como a marca soa, qual aposta vale o orçamento. Um agente pode redigir as opções. Nosso guia sobre se a IA pode substituir sua equipe de marketing traça a mesma linha.
Onde o fromHello se encaixa
fromHello é um software de automação de marketing de código aberto: mensagens acionadas pelo que as pessoas fazem. Sua própria IA trabalha nele pelo servidor MCP do fromHello, que oferece a Claude, Claude Code, Cursor, Codex, Windsurf, VS Code ou qualquer cliente MCP 59 ferramentas para ler análises e perfis e criar segmentos, jornadas, modelos de mensagem, campos personalizados e mapeamentos de eventos. As cinco etapas do exemplo (idealizar, construir, rastrear, analisar e melhorar) rodam todas nessas ferramentas, e as chamadas MCP nunca são tarifadas. O assistente integrado compartilha as mesmas ferramentas: descreva um segmento, uma jornada ou um modelo de mensagem em uma frase e ele cria, e uma jornada chega como rascunho.
Veja as três verificações acima, uma a uma. Rascunhos: nenhuma ferramenta de IA do fromHello envia mensagens, e uma jornada criada pela sua IA continua como rascunho até ser publicada; publicar, pausar ou excluir por meio de um agente exige uma etapa de confirmação no seu cliente de IA, sob as configurações de permissão desse cliente. Edições salvas: outras edições, como alterações em um segmento ou em um modelo de mensagem, são aplicadas ao salvar, então podem atingir uma jornada que já está ativa. Momento do envio: a personalização é opcional por etapa de e-mail (Light, Medium ou Deep) e reescreve cada e-mail para o destinatário, a partir do perfil, das notas e dos e-mails anteriores, sem revisão mensagem a mensagem; se a IA falhar, o envio aguarda por padrão. As chamadas de ferramentas MCP ficam registradas no log de auditoria.
Duas dessas respostas, sobre edições salvas e momento do envio, são menos arrumadas do que uma apresentação comercial faria parecer. Fomos nós que escrevemos as verificações, então pese nossas respostas sabendo disso. Para comparar o fromHello com uma ferramenta que você conhece, veja fromHello vs. Customer.io ou fromHello vs. HubSpot.