A PatagonAI — uma startup que usa agentes de inteligência artificial para aumentar a conversão de vendas — acaba de levantar uma rodada para escalar sua solução, uma espécie de evolução dos chatbots tradicionais.
A captação, de R$ 15 milhões, foi liderada pelo Kfund, um fundo de venture capital europeu, e teve a participação de todos os investidores que já estavam no cap table: 17Sigma, ONEVC, Norte Ventures, Sam Darwish, o controlador da IHS Towers, e o family office Sun Moritz.
A PatagonAI foi fundada há dois anos na Argentina mas já opera em 12 países da América Latina, incluindo o Brasil, que já é seu segundo maior mercado em termos de receita, atrás apenas do Equador.
O fundador, David Grandes, é um argentino que já havia empreendido no Brasil antes. Ele foi um dos fundadores da ZAK, uma startup que chegou a captar com a Tiger Global e Monashees para replicar o modelo da americana Toast na América Latina.
A ZAK acabou não indo para frente e foi fechada recentemente. Antes, Grandes havia sido executivo da OLX e da Restorando em Buenos Aires.
A PatagonAI constrói agentes de AI que interagem com os leads gerados nas campanhas de marketing. Esses agentes conseguem conversar sobre qualquer assunto com os potenciais clientes, tirando as dúvidas iniciais e qualificando esses leads para uma reunião posterior com um vendedor (desta vez, humano).
À primeira vista, a solução ee parece com os tradicionais chatbots de empresas como a Blip — que, inclusive, tem incluído camadas de AI em suas soluções.
Mas Renato Kialka, o head de vendas e country manager da PatagonAI no Brasil, disse que há diferenças fundamentais.
“Um chatbot, mesmo quando tem AI por trás, é treinado como uma árvore de decisão. Quem cria o caminho da jornada do cliente é o fornecedor da solução e a empresa. Então, é uma solução mais engessada. Já com um agente de AI a conversa é 100% aberta: o cliente pode perguntar qualquer coisa, mandar áudio, que ele vai entender,” o executivo disse ao Brazil Journal.
Além disso, o agente de AI vai sendo treinado com todas as conversas que a empresa tem com seus clientes, melhorando suas respostas e interação com o tempo.
A PatagonAI já tem mais de 100 clientes, 30 deles no Brasil. A startup atende, por exemplo, a Pluxee (o novo nome da Sodexo) no Chile e no Brasil, e a Mitsubishi no Equador.
“No Brasil, entramos em abril. Então tem muitos clientes que estão no processo de implementação. Temos alguns bancos e unicórnios de tech que estão nesse processo, que demora de 3 a 6 meses,” disse Kialka.
Essa é a segunda rodada da PatagonAI, que antes havia captado R$ 5,3 milhões.
A rodada de hoje vai ser usada principalmente para o desenvolvimento de uma nova funcionalidade. A empresa quer criar um processo de onboarding automatizado, que vai lhe permitir entrar em clientes de menor porte.
Hoje a startup cobra um setup fee de R$ 10 mil, além de uma taxa mínima mensal, que acabam sendo um impeditivo para as PMEs. Com o ‘self onboarding’, esses custos não existirão.
“Para as grandes empresas, a gente vai continuar tendo um processo de venda consultiva, mas com o ‘self onboarding’ qualquer empresa pequena vai conseguir testar e implementar nossa solução,” disse Nicolás Cereijo, o chief of staff da companhia.
A PatagonAI cobra apenas com base no sucesso. A startup garante um aumento de 30% na conversão dos leads para leads qualificados, e só recebe uma taxa fixa pré-determinada quando essa conversão acontece. No Brasil, essa taxa é de R$ 50 por cada conversa com o agente de AI que leva a uma reunião com um vendedor humano.
Kialka disse que o custo da PatagonAI acaba ficando um pouco acima que o de empresas de chatbot como a Blip, “mas o retorno do investimento é maior.”
“E com o self onboarding tendemos a ser até mais baratos, porque não vai ter mais o custo de setup e a taxa mínima mensal,” disse ele.
Ele dá o exemplo da Mitsubishi no Equador, que conseguiu aumentar em 35% as vendas, com um orçamento de marketing 20% menor usando a solução da startup.
Em termos de receita, a PatagonAI ainda é pequena. A startup fez um ARR, a receita mensal anualizada, de US$ 1 milhão no mês passado, cerca de R$ 5,4 milhões no câmbio de hoje.
