IA para empresa de energia solar: propostas e pós-venda na prática

IA para empresa de energia solar: propostas e pós-venda na prática

Uma empresa de energia solar usa IA com mais segurança quando a aplica em três pontos: qualificar os leads que chegam pelo WhatsApp, organizar os dados que alimentam a proposta e acompanhar o cliente depois da instalação. O dimensionamento do sistema, a escolha de equipamentos e a responsabilidade técnica continuam com o engenheiro ou com o software de projeto da empresa. A IA reduz trabalho repetitivo e perda de informação, mas não decide o que só um profissional habilitado pode assinar.

Principais pontos

• A IA ajuda mais no que cerca o projeto técnico: triagem do lead, coleta de documentos, resumo de proposta e acompanhamento do pós-venda.
• Dimensionamento, potência, geração estimada e retorno financeiro devem vir do software e do responsável técnico, nunca de texto gerado por modelo.
• Dados de conta de luz, endereço e documentos pessoais exigem finalidade clara, acesso restrito e atenção à LGPD.
• O melhor primeiro passo é um piloto em um único fluxo, com registro de cada decisão e passagem fácil para uma pessoa.
• O pós-instalação costuma ser a área mais negligenciada, e é onde um acompanhamento organizado mais protege a reputação da empresa.

Onde a IA ajuda e onde não deve entrar?

O processo de uma integradora de energia solar tem etapas bem diferentes entre si. Algumas são de conversa e organização de informação, outras são de engenharia. A IA generativa funciona bem nas primeiras e deve ficar longe de decidir as segundas.

Pontos onde ela costuma ajudar:

• Conversar com o lead e coletar as informações básicas para o comercial.
• Ler uma conta de luz enviada em foto ou PDF e transformar os campos em dados estruturados, com conferência humana.
• Resumir o histórico do cliente para o vendedor antes de uma ligação ou visita.
• Montar a lista de documentos pendentes para a etapa de aprovação junto à distribuidora e lembrar o cliente de enviá-los.
• Redigir o texto da proposta a partir de números já calculados pelo software de projeto, sem alterar esses números.
• Triar dúvidas e chamados depois da instalação e encaminhar o que for técnico.

Pontos onde ela não deve decidir sozinha:

• Dimensionar o sistema, escolher módulos e inversores ou estimar geração.
• Afirmar prazo de retorno, economia na conta ou condições de financiamento.
• Interpretar regra da distribuidora ou da regulação como se fosse parecer técnico.
• Diagnosticar falha em inversor ou instalação sem passar por um técnico.

Essa separação é a base do restante do artigo. Quem a mantém evita o erro mais caro do setor: um número bonito na proposta que ninguém consegue sustentar depois.

Como qualificar leads de energia solar sem virar formulário?

O lead de energia solar costuma chegar com pouca informação e muita expectativa. Perguntam se vale a pena, quanto custa e em quanto tempo se paga. O agente de IA não deve responder a essas perguntas com promessas. Deve explicar o que a empresa faz, coletar o necessário para um orçamento sério e marcar o próximo passo com uma pessoa.

Uma conversa de qualificação razoável coleta, em tom natural e aos poucos:

• Tipo de imóvel: residência, comércio, indústria ou propriedade rural.
• Se a pessoa é proprietária ou inquilina, e se há alguém que decide junto.
• Cidade e distribuidora de energia, quando o cliente souber.
• Foto ou PDF da conta de luz mais recente, com aviso claro sobre o uso desse documento.
• Interesse em pagamento à vista, financiamento ou ainda não definido.
• Urgência: quer decidir agora, está pesquisando ou comparando propostas.

O texto do agente deve evitar o tom de interrogatório. Em vez de despejar todas as perguntas, ele alterna explicação curta e pergunta única. Quem quiser aprofundar esse desenho encontra um guia detalhado em como qualificar leads no WhatsApp com IA sem virar formulário.

O resultado esperado não é uma nota mágica de lead. É uma ficha organizada que o vendedor lê em poucos segundos: o que o cliente disse, o que falta e qual é a próxima ação sugerida. Se o lead pedir preço ou economia, a resposta correta é que isso depende de uma análise da conta de luz e do local, feita pela equipe técnica.

Como organizar os dados da proposta sem inventar dimensionamento?

O gargalo de muitas empresas não está em calcular, e sim em juntar informação espalhada: foto da conta no WhatsApp, medidas em áudio, endereço digitado em três lugares, observações do vendedor em caderno. A IA é útil para consolidar esse material em um único registro.

Um fluxo seguro tem quatro camadas:

• Extração: o modelo lê a conta de luz e preenche campos como titular, distribuidora, classe de consumo, histórico de consumo e endereço da unidade.
• Validação: uma pessoa confere os campos extraídos, principalmente os que alimentam o cálculo. Campo duvidoso fica marcado, nunca preenchido por suposição.
• Cálculo: o software de projeto, ou o engenheiro, produz dimensionamento, geração estimada e demais números técnicos.
• Redação: o modelo recebe os números prontos e monta o texto da proposta, o resumo executivo e a lista de premissas, sem recalcular nada.

A regra de ouro é que o modelo nunca é a fonte de um número técnico. Ele transporta e organiza. Para reforçar isso, vale dar ao agente ferramentas de leitura que consultam o sistema da empresa e proibir que ele escreva valores que não vieram dali. Técnicas de validação de saída, como as descritas em guardrails para agentes de IA, ajudam a barrar uma proposta que cite um valor ausente do cálculo oficial.

Checklist rápido antes de enviar qualquer proposta redigida com apoio de IA:

• Todos os números técnicos coincidem com o relatório do software de projeto?
• As premissas (sombreamento, orientação, tarifa considerada) aparecem escritas?
• Há alguma promessa de economia ou retorno que não esteja documentada?
• Um responsável técnico revisou o documento?
• Os dados pessoais do cliente aparecem apenas onde são necessários?

Se o CRM da empresa já guarda os leads, o resumo e os campos validados podem ser gravados nele. O artigo sobre integrar IA ao CRM com API, webhooks ou MCP compara os caminhos de integração e os riscos de cada um.

O que a IA pode fazer no pós-instalação?

Depois que o sistema entra em operação, muitas empresas tratam o cliente como venda encerrada. É nesse período que surgem as dúvidas que viram reclamação: a primeira fatura que não saiu como o cliente imaginava, o aplicativo do inversor que mostra um alerta, a pergunta sobre limpeza dos módulos, o pedido de documento para garantia.

Um agente de pós-venda bem limitado pode:

• Responder dúvidas frequentes com base em material aprovado pela empresa, como manual de uso, política de garantia e orientações de manutenção.
• Explicar ao cliente, em linguagem simples, como ler o aplicativo de monitoramento do fabricante, sem interpretar leituras específicas como diagnóstico.
• Abrir chamado com os dados certos: endereço, modelo do equipamento, descrição do problema, foto e horário em que o cliente notou.
• Classificar o chamado por tipo (dúvida de uso, suspeita de falha, questão de faturamento, pedido de documento) e encaminhar à equipe correta.
• Enviar lembretes combinados, como revisão preventiva ou limpeza, desde que o cliente tenha autorizado esse contato.
• Registrar tudo no histórico do cliente para que o técnico chegue sabendo o que já foi dito.

O que o agente não faz: afirmar que o sistema está gerando abaixo do esperado, prometer reparo, liberar garantia ou orientar o cliente a mexer em disjuntor ou inversor. Quando houver risco elétrico, a resposta deve ser objetiva: interromper o uso do que for seguro interromper e chamar a equipe técnica, com encaminhamento imediato a uma pessoa.

Para contatos ativos, como lembretes de revisão, convém conhecer as regras de consentimento e de modelos de mensagem. O texto sobre mensagens ativas no WhatsApp, templates e opt-in cobre esse ponto. Quem atua também com obras pode se inspirar em IA para construtoras no atendimento pós-obra, que enfrenta um problema parecido: cliente satisfeito com a entrega, mas exposto a um período longo de dúvidas e ajustes.

Como fica na prática? Um cenário ilustrativo

Cenário ilustrativo: uma integradora pequena recebe um lead pelo WhatsApp. A pessoa diz que quer reduzir a conta de luz da casa e envia a foto da fatura.

O agente cumprimenta, explica que a empresa faz uma análise técnica antes de qualquer proposta e pergunta se o imóvel é próprio. Lê a fatura, extrai os campos e confirma com o cliente apenas o que ficou ilegível. Pergunta sobre a forma de pagamento que o cliente tem em mente e se a decisão depende de mais alguém. Não cita economia nem prazo.

O vendedor recebe uma ficha com os dados extraídos, os campos que precisam de conferência e a sugestão de agendar uma conversa. Ele confere a fatura, aciona o responsável técnico e o software de projeto gera o dimensionamento. O texto da proposta é redigido com apoio do modelo a partir desses resultados, e o engenheiro revisa antes do envio.

Após a instalação, o cliente escreve dizendo que o aplicativo mostra um alerta. O agente pede uma captura de tela, registra o modelo do equipamento, abre o chamado como suspeita de falha e avisa que um técnico vai retornar. Não tenta explicar o alerta. O técnico recebe o chamado completo e decide a visita.

Nesse cenário, a IA fez a conversa, a extração e o registro. Todas as decisões técnicas e comerciais ficaram com pessoas.

Quais cuidados de dados, LGPD e segurança valem aqui?

O negócio de energia solar manipula dados pessoais com frequência: nome, CPF, endereço, histórico de consumo, fotos do imóvel e, às vezes, documentos para financiamento. Isso pede decisões explícitas antes de ligar qualquer agente.

• Finalidade: defina por que cada dado é coletado. Conta de luz serve para o orçamento; não para outro uso sem base adequada.
• Minimização: peça apenas o que a etapa exige. Documentos de financiamento podem ficar fora do agente e seguir um canal próprio.
• Acesso: o agente lê o que precisa e escreve apenas em campos definidos. Evite dar permissão ampla ao CRM ou ao sistema de projetos.
• Retenção: decida por quanto tempo fotos e faturas ficam guardadas e quem pode excluí-las.
• Contrato: verifique a posição do fornecedor de IA como operador e o que ele faz com os dados.
• Entrada não confiável: o conteúdo de um PDF ou de uma mensagem pode conter instruções maliciosas. O agente deve tratar texto de terceiros como dado, não como ordem.

Para o quadro geral, o texto sobre LGPD e inteligência artificial organiza as obrigações mais comuns. Sobre riscos específicos de aplicações com modelos de linguagem, como injeção de instrução e excesso de permissão, a lista do OWASP é uma referência primária útil, e o framework de gestão de risco do NIST ajuda a estruturar a revisão.

Como começar: mapear, limitar, pilotar e transferir

O método que aplicamos em projetos assim segue quatro movimentos, sem pressupor resultado.

• Mapear: descreva o caminho real do lead até o pós-venda, com quem faz o quê, em que ferramenta e onde a informação se perde. Registre uma linha de base simples, como o tempo entre o primeiro contato e o retorno do vendedor.
• Limitar: escolha um fluxo, defina quais dados o agente vê, quais ações pode executar e quando passa para uma pessoa. Tudo que envolva cálculo técnico, preço ou garantia fica fora.
• Pilotar: rode esse fluxo com casos reais, com registro de cada conversa e de cada decisão, e uma métrica de sucesso combinada antes de começar.
• Transferir: entregue documentação, acessos e rotina de revisão, e então decida com a equipe se expande, ajusta ou encerra.

Um bom primeiro fluxo para uma integradora costuma ser a triagem de leads com leitura da conta de luz, porque tem entrada clara e saída fácil de conferir. O pós-instalação entra em seguida, quando já existe um histórico confiável de clientes e equipamentos.

Se a empresa ainda não tem o processo mapeado, vale começar por aí. Automatizar um fluxo confuso apenas acelera a confusão.

Perguntas frequentes

A IA pode dimensionar o sistema solar para o cliente? Não deve. O dimensionamento depende de dados do local, de premissas técnicas e de responsabilidade profissional, e precisa vir do software de projeto e do responsável técnico. A IA pode organizar as informações de entrada e redigir o texto a partir dos resultados já validados.

Posso usar a conta de luz do cliente em um agente de IA? Pode, desde que haja finalidade clara, aviso ao cliente, acesso restrito e política de retenção. A conta traz nome, endereço e padrão de consumo, que são dados pessoais. Verifique também como o fornecedor do modelo trata esses dados no contrato.

O agente de IA pode prometer economia ou prazo de retorno? Não. Esses números dependem de análise individual e de premissas que a equipe precisa documentar. O agente deve explicar que a estimativa vem depois da avaliação técnica e encaminhar o lead a uma pessoa.

Por onde começar se a empresa é pequena? Comece por um fluxo único, como a triagem de leads com leitura de fatura e ficha para o vendedor, com revisão humana e registro das conversas. Defina antes uma métrica simples e um critério para decidir se o piloto continua. Só depois avance para propostas e pós-venda.

Fontes

• NIST: AI Risk Management Framework
• OWASP: Top 10 for LLM Applications
• ANPD: Autoridade Nacional de Proteção de Dados
• Anthropic: Building effective agents