Por que uma passagem de ônibus não é como um produto de prateleira?
Uma tarefa que o time de marketing da ClickBus levava dez minutos para executar passou a ser feita em dois segundos por um agente de inteligência artificial, uma aceleração de 300 vezes. O dado foi apresentado por Fabiana Salgado, coordenadora de CRM da empresa, durante o Agentic Commerce Summit, no Rio de Janeiro, em 8 de outubro de 2026 [1].
A ferramenta foi criada para o Click Oferta, produto de passagens com desconto da companhia, e resolve um problema que até pouco tempo não tinha solução economicamente viável: personalizar campanhas para rotas com pouquíssimos interessados.
Diferente de um item identificado por um SKU fixo, uma passagem rodoviária muda de identidade a cada combinação de origem, destino, data e horário, e deixa de existir comercialmente assim que o ônibus parte [1]. Essa volatilidade torna a criação de ofertas uma corrida contra o tempo.
Para compor cada campanha, o agente da ClickBus cruza 13 variáveis, entre elas:
A isso somam-se as regras do Click Ofertas, que reserva um número limitado de assentos com preço especial em cada viagem, por exemplo oito lugares em um ônibus de 40 poltronas [1]. É essa combinação de variáveis comerciais e de estoque que torna a criação manual de campanhas em escala praticamente inviável para qualquer operação de marketing tradicional.
- origem e destino;
- data e horário;
- rodoviárias de embarque e desembarque;
- preço original e preço com desconto;
- vigência da oferta e lote promocional [1].
Como o agente organiza o caos de 6,8 mil destinos
O agente de IA resolve essa complexidade transformando cada combinação de viagem em um produto identificável pelos sistemas de venda, como se fosse um SKU. A operação da ClickBus considera cerca de 6,8 mil destinos e perfis de consumidores variados, o que a empresa chama internamente de cauda longa de rotas e públicos [1].
No trecho Curitiba-São Paulo, por exemplo, a ferramenta processa 56 ofertas disponíveis e prepara as comunicações correspondentes para cada uma [1]. Em um dos exemplos citados por Salgado, havia uma campanha destinada a apenas 12 pessoas, um público pequeno demais para justificar a mobilização manual de uma equipe antes da automação [1].
Além de organizar os dados, o agente:
A ferramenta também corrige um problema recorrente de qualidade de dados: uma mesma cidade pode aparecer com até 12 grafias diferentes no sistema, o que antes dificultava a segmentação [1].
- redige os textos da campanha;
- elabora testes A/B entre desconto percentual e desconto em valor absoluto;
- aprende a cada ciclo com os resultados anteriores;
- decide se destaca o percentual de desconto ou o preço final, como em uma chamada de "a partir de R$ 39,90" [1].
A personalização multiplica a conversão, mas custava caro demais para escalar
Uma oferta contextualizada, direcionada ao trecho exato que o cliente pesquisou, vende dez vezes mais do que uma mensagem massiva e genérica, segundo a ClickBus [1]. Esse efeito cresce ainda mais nas pontas da cauda longa, onde a conversão chega a ser 2,5 vezes superior [1].
“O problema é o custo. Quantas pessoas você vai ter, quanto de dinheiro você vai gastar?”
O obstáculo nunca foi reconhecer o valor da personalização, e sim pagar por ela em escala. É o que resume a própria coordenadora de CRM da empresa.
Rotas de menor valor recebem uma comunicação adaptada à percepção do cliente. Em um trecho como São Paulo-Campinas, por exemplo, um desconto de cinco reais soa pequeno em valor absoluto, então o agente prioriza comunicar o percentual [1].
Quais guardrails evitam que a automação amplifique erros?
O agente opera com regras fixas para reduzir o risco de informação incorreta, porque a ClickBus constatou que a inteligência artificial não substitui o julgamento humano nessa etapa. Se um desconto de até 25% não vale para todas as rotas de um lote, a comunicação não pode sugerir que o percentual se aplica a todas elas [1].
Outras regras determinam que a ferramenta informe quando o estoque de assentos com desconto é limitado e que envie no máximo uma mensagem por pessoa [1]. Para a empresa, dados mal estruturados e a ausência de regras claras são os dois fatores que mais ampliam o risco de erro quando se decide automatizar uma operação de marketing em escala [1].
| Tarefa | Processo manual | Com agente de IA |
|---|---|---|
| Criar oferta personalizada para um trecho | 10 minutos [1] | 2 segundos [1] |
| Montar jornada de push completa, da segmentação ao disparo | 2 semanas [2] | 48 minutos [2] |
O mesmo padrão se repete em outra frente de CRM da empresa
A aceleração por agentes de IA não ficou restrita ao Click Oferta. Em outra iniciativa, a ClickBus criou cerca de 1.500 campanhas de push no aplicativo em 48 minutos, com uma jornada conduzida integralmente por agentes de IA, da segmentação ao disparo, um trabalho que levaria duas semanas se feito manualmente [2].
O caso, apresentado por Michelle Xavier, diretora de Marketing & Growth da ClickBus, também foi citado em uma mesa sobre inteligência artificial e experiência do cliente, confirmando o ganho de tempo de duas semanas para 48 minutos [3].
Essa frente usa a plataforma de CRM Insider One e passou a identificar, em tempo real, quem pesquisou um trecho e não comprou, oferecendo a melhor opção disponível considerando alterações de preço feitas pelas viações parceiras [2]. Os primeiros resultados apareceram na taxa de abertura das mensagens, com pouco efeito inicial na conversão. Depois de ajustes nos agentes, a conversão chegou a triplicar [2].
A iniciativa nasceu da migração da operação de CRM para a nova plataforma em novembro de 2025, dez dias antes da Black Friday. Com mais autonomia para o time, a participação do CRM nas vendas da data passou de 9% para 17% [2].
O próximo horizonte é deixar o agente vender sozinho?
Para a ClickBus, a automação de campanhas é apenas o primeiro degrau de um movimento maior, que a empresa chama de venda agêntica: agentes de IA passam a executar diretamente as tarefas de identificar, montar e oferecer produtos aos consumidores, sem que um humano acione cada etapa [1].
“Essa estrutura vai levar a gente para a venda agêntica. Alguém tem que montar essa base e as empresas precisam se perguntar quem vai fazer esse papel.”
O tema dominou o primeiro Agentic Commerce Summit do Brasil, realizado em 8 de outubro de 2026 no Rio de Janeiro, onde Salgado apresentou o case [1].
Na avaliação da executiva, a corrida agora é por velocidade de montagem de oferta, não apenas por personalização, porque quem monta a oferta primeiro ganha a atenção do consumidor antes do concorrente [1].
O que isso significa para quem vende online no Brasil
O case da ClickBus mostra um padrão replicável fora do setor rodoviário: operações com catálogos complexos, estoque que expira e margens apertadas em nichos de baixo volume ganham mais com agentes de IA aplicados à execução de marketing do que com mais investimento em mídia.
O Brasil já concentra cerca de US$ 4,2 bilhões dos investimentos previstos em inteligência artificial na América Latina para 2026, mais de 40% do total regional, segundo dados publicados pela Shopify [4]. O dado sugere que operações como a da ClickBus deixarão de ser exceção.
A lição prática que a ClickBus deixa para outras equipes de marketing e CRM é dividida em três etapas.
- 1Mapear as variáveis que tornam cada oferta única antes de automatizar, porque sem essa estrutura o agente não tem o que organizar.
- 2Testar a automação primeiro na ponta de maior volume, medir o efeito na abertura e na conversão separadamente, e só então ajustar os agentes.
- 3Definir guardrails explícitos antes de escalar, porque regras de negócio mal definidas ampliam erros na mesma velocidade em que ampliam vendas.
Fontes
- [1]Mobile Time, ClickBus: agente de IA cria campanhas para marketing 300 vezes mais rápido que o time humano — mobiletime.com.br
- [2]Mundo do Marketing, ClickBus cria cerca de 1.500 campanhas em 48 minutos com jornada conduzida por agentes de IA — mundodomarketing.com.br
- [3]Consumidor Moderno, IA na experiência do cliente: do pedido à solução — consumidormoderno.com.br
- [4]Shopify, Estatísticas de inteligência artificial: tendências e dados (2026) — shopify.com
