Timbro Trading: case BGCOM em Logística
Todos os cases

Case · Logística

Timbro Trading

Atendimento bilíngue no WhatsApp para uma trading de comércio exterior: 30 fluxos de robô em 14 unidades de negócio, qualificação pelo volume da operação e dois agentes de IA, em português e em inglês.

Visitar site oficial
30
Fluxos bilíngues no WhatsApp
82,6%
Retenção do robô (era 60,8%)
55%
Atendimentos com assunto registrado (eram 18%)

Desafio

O ponto de partida.

A Timbro Trading é uma trading de comércio exterior com sede em São Paulo e operações em oito países, atuando em agro, metais e minérios, fármacos, combustíveis, sourcing e outras frentes. O WhatsApp recebe contatos do Brasil e do exterior, em português e em inglês, de quem quer exportar minério a quem precisa importar insumo. O desafio era separar operação em escala de curiosidade e entregar cada conversa ao time certo, sem que o comercial fizesse a triagem à mão.

Estratégia

Como a BGCOM atuou.

  • Robô no RD Station Conversas com 30 fluxos: escolha de idioma na entrada e um fluxo por unidade de negócio, em português e em inglês, para as 14 unidades da Timbro
  • Qualificação pelo volume da operação: cada produto pergunta volume, tipo e destino; operação em escala é marcada como lead qualificado e segue para a fila humana com telefone e e-mail, e volume fora do perfil é encerrado sem ocupar o time
  • Dois agentes de IA, um em português e outro em inglês, respondendo só a partir das bases da Timbro (FAQ, documentação técnica e apresentação institucional), no tom de voz do brandbook
  • Direcionamento por área: a IA identifica o assunto entre 23 áreas da empresa e indica o responsável ao contato antes de passar para o atendimento humano
  • Distribuição automática de atendimento revisada e raio-x mensal do WhatsApp, com dados extraídos direto da API do RD Conversas

A história do projeto

Como foi, passo a passo.

Um WhatsApp que recebe o mundo inteiro

A Timbro Trading é uma trading de comércio exterior com sede em São Paulo, operações em seis estados brasileiros e presença em outros países. Compra e vende commodities em escala: açúcar, grãos, algodão, metais, minérios, combustíveis, fármacos, alimentos, além de sourcing e marca própria. São 14 unidades de negócio, cada uma com produtos, volumes e responsáveis diferentes.

O WhatsApp da empresa recebe de tudo e de todo lugar. Um produtor que quer exportar minério de ferro, uma indústria asiática que procura açúcar acima de milhares de toneladas, um importador que precisa de insumo químico, e também quem só quer saber o que a Timbro faz. Em português e em inglês, a qualquer hora. Triar isso à mão consumia o time comercial e deixava contato bom esperando no meio de contato curioso.

Primeiro passo: provar que o robô funcionava

O projeto começou com uma frase comum em atendimento automatizado: o robô não inicia. Antes de refazer qualquer coisa, abrimos o painel do RD Station Conversas e olhamos os dados. Em três dias o robô tinha feito 189 atendimentos com 99% de retenção, ou seja, estava saudando, qualificando e entregando a conversa para o setor comercial. O teste que parecia falhar era um artefato: o número usado para testar já tinha conversa aberta, e o robô só se apresenta em atendimento novo.

O que de fato faltava estava depois do robô. A distribuição automática de atendimentos estava desligada, então o lead qualificado chegava à fila e não caía com ninguém. Ligamos a distribuição sequencial, com redistribuição de quem não é atendido, e o envio apenas para atendentes online. No mesmo dia corrigimos um ramo em inglês, o de Metais, que apontava para o vazio. Medir antes de mexer evitou jogar fora um fluxo que já funcionava.

Mapa do atendimento no WhatsApp da Timbro: entrada com escolha de idioma, 14 unidades de negócio, qualificação, agente de IA e saída para a fila humana ou encerramento
O mapa do atendimento: escolha de idioma, unidade de negócio, qualificação por volume e destino, e a saída para quem está online.

30 fluxos: um por unidade de negócio, em português e em inglês

A estrutura tem duas raízes, uma em português e outra em inglês, e um fluxo para cada uma das 14 unidades de negócio em cada idioma. O WhatsApp limita a três botões por mensagem, por isso as escolhas acontecem em etapas curtas, e a pergunta muda conforme a unidade. Agro pergunta o produto, o volume e o destino. Metais pergunta a liga e a aplicação. Sourcing pergunta o item e o país.

A regra de qualificação é o volume da operação. Quem opera em escala é marcado como lead qualificado, deixa telefone e e-mail e segue para a fila humana. Quem está fora do perfil recebe um encerramento cordial e não ocupa o time comercial. O robô não vende, ele separa e entrega.

A IA aprendeu com o material da própria Timbro

Em julho entrou o agente de IA. A base de conhecimento foi montada com o que a Timbro já tinha: a apresentação institucional, a documentação técnica e um FAQ escrito a partir das dúvidas reais do WhatsApp. O agente trabalha em modo não flexível, quer dizer, responde só com o que está nas bases. Se a pergunta sai do que a Timbro faz, ele diz que vai encaminhar a um especialista em vez de inventar.

A finalidade do agente, que é o texto que define como ele se comporta, foi reescrita a partir do brandbook: confiante sem prepotência, próximo sem informalidade, objetivo sem superficialidade. Personalidade profissional e respostas curtas, do tamanho que o WhatsApp pede. Nos testes, perguntas como importar aço da China ou exportar café para a Europa voltaram com o conteúdo certo das bases e com as perguntas de qualificação: nome, empresa, unidade de negócio, mercado e volume.

Inglês de verdade: dois agentes, não uma regra no prompt

O cliente reportou um bug que não podia acontecer: um contato escreveu em inglês e a IA respondeu em português. Tentamos primeiro o caminho simples, uma regra forte de idioma na finalidade do agente. Não segurou. A plataforma caía para o português mesmo com a instrução.

A solução foi determinística. Criamos dois agentes, Timbro IA em português e Timbro AI em inglês, cada um com a finalidade escrita por inteiro no seu idioma e ligado ao seu caminho do fluxo. Quem escolhe English na entrada nunca encontra o agente em português. No teste, a pergunta I want to import sugar, who should I talk to? voltou em inglês, com o time responsável e o encaminhamento.

Conversa de WhatsApp em inglês com o agente de IA da Timbro, que identifica a área de açúcar e encaminha o contato
O agente em inglês responde só a partir das bases da Timbro e aponta a área responsável antes de passar para o atendimento humano.

Direcionamento por área: a IA diz com quem falar

Em agosto a Timbro trouxe o diretório de áreas e responsáveis: 23 áreas, com o assunto de cada uma. Ensinamos os dois agentes a identificar o assunto da conversa, informar ao contato o e-mail do responsável e encaminhar para o atendimento humano. A decisão de mostrar o contato ao lead foi do cliente, para encurtar o caminho de quem já sabe o que quer.

Esse bloco vale para os dois idiomas. Açúcar cai com o time de açúcar, minério com o de minérios, insumo químico com o de produtos químicos. Para o contato, a sensação é de falar com alguém que conhece a empresa por dentro.

Medição mensal direto da API

Todo mês a BGCOM extrai os dados do atendimento pela API do RD Station Conversas e monta o raio-x do WhatsApp: sessões do robô, retenção, mensagens enviadas e recebidas, contatos novos e tabulação dos encerramentos. Em agosto de 2026 foram 374 atendimentos do robô e 2.535 mensagens trocadas.

De agosto para setembro a retenção do robô subiu de 60,8% para 82,6%, e os encerramentos com assunto registrado foram de 18% para 55%. Esse segundo número é o que permite saber do que a Timbro é procurada, por unidade e por idioma, e é a base das próximas rodadas de treino dos agentes.

Painel com os resultados do atendimento da Timbro: retenção do robô de 60,8% para 82,6%, encerramentos com assunto de 18% para 55%, 374 atendimentos e 2.535 mensagens em agosto
Os números vêm da API do RD Station Conversas, não de estimativa.

O que fica

Aprendizados do projeto.

  • Medir antes de refazer. O robô que parecia morto fazia 189 atendimentos em três dias; o problema estava na distribuição, não no fluxo.
  • O robô é metade do trabalho. Sem distribuição automática e atendente online, o lead qualificado para na fila.
  • Idioma é arquitetura, não prompt. Um agente por idioma, cada um no seu caminho do fluxo, resolve o que a regra escrita não segura.
  • IA só com base própria. Modo não flexível e material da empresa evitam resposta inventada em um assunto onde errar custa caro.
  • Treinar é revisar. Os agentes não aprendem sozinhos; a melhoria vem da leitura das conversas e do ajuste da finalidade e das bases, todo mês.

Perguntas frequentes

O que perguntam sobre este case.

O robô de WhatsApp com IA substitui o atendimento humano?

Não. Na Timbro o robô separa operação de curiosidade, qualifica pelo volume e entrega a conversa ao time comercial com telefone, e-mail e assunto. A IA responde dúvidas a partir das bases da empresa e aponta a área responsável. O fechamento continua humano.

Como a IA responde só o que a empresa faz, sem inventar?

O agente roda em modo não flexível no RD Station Conversas: responde apenas com o conteúdo das bases de conhecimento (apresentação institucional, documentação técnica e FAQ). Fora disso, encaminha a um especialista.

Como garantir que a IA responda no idioma do cliente?

Com um agente por idioma. A regra de idioma escrita no prompt não segurou nos testes. Dois agentes, um em português e outro em inglês, cada um ligado ao seu caminho do fluxo, resolveram de forma determinística.

O que é qualificação por volume no WhatsApp?

Cada unidade de negócio pergunta o produto, o volume estimado e o destino. Operação em escala vira lead qualificado e vai para a fila humana. Volume fora do perfil é encerrado com educação, sem ocupar o time comercial.

Dá para fazer isso no RD Station Conversas?

Sim. O caso usa fluxos de robô, agentes de IA com bases de conhecimento, distribuição automática de atendimento e a API do RD Station Conversas para a medição mensal. A BGCOM é parceira RD Station desde 2015, hoje nível Diamante.

Quanto tempo leva para montar um atendimento assim?

A primeira versão do robô com idioma e unidades de negócio ficou pronta em semanas. Os agentes de IA, o direcionamento por área e a medição mensal entraram nos meses seguintes. É um projeto contínuo, revisado a cada raio-x.

Como o resultado é medido?

Pela API do RD Station Conversas, todo mês: sessões do robô, retenção, mensagens enviadas e recebidas, contatos novos e tabulação dos encerramentos. Os números do case vêm dessa extração, não de estimativa.