Memória de agentes de IA precisa acompanhar mudanças da conta

Por Marcelo Andrade
5 de novembro de 2026

Um agente pode recuperar uma conversa corretamente e, mesmo assim, responder com uma informação vencida. No atendimento B2B, lembrar o que o cliente disse não basta: é preciso identificar o que continua válido. Essa diferença importa quando uma conta muda de unidade, altera seu processo de atendimento ou corrige uma orientação registrada anteriormente.

A Salesforce informa que uma mudança nas regras do Agentforce Memory aumentou a recuperação de fatos explícitos em 1,8 vez e de fatos que mudam ao longo do tempo em 2,2 vezes, comparada à política anterior. Os resultados vêm de uma avaliação da própria empresa no sistema em funcionamento, descrita na atualização do Agentforce Memory.

Para líderes de customer success e operações de receita, o anúncio oferece um caminho de avaliação, não uma comprovação de retenção ou expansão. A questão prática é verificar se o agente incorpora correções e preserva contexto entre contatos, inclusive quando precisa passar o atendimento a uma pessoa.

O que o framework efetivamente mede

O framework gera conversas longas, distribuídas por várias sessões, com fatos inseridos em momentos determinados. Depois, faz perguntas cuja resposta depende dessas informações. As conversas vêm do ConvoMem, benchmark público que a Salesforce afirma ter lançado em 2025.

A avaliação percorre o caminho entre a informação comunicada pelo cliente e seu uso posterior pelo agente. Isso amplia o teste para além de localizar um trecho de conversa: permite investigar falhas no registro e no aproveitamento da memória. A empresa atribui a melhora a uma política que retém mais informações e trata atualizações como correções, sem trocar a arquitetura subjacente.

Os multiplicadores exigem cuidado. A publicação não apresenta taxas absolutas, tamanho da avaliação ou intervalos de incerteza. Portanto, não permite calcular quantos erros restaram nem estimar o desempenho numa carteira brasileira. Também não demonstra redução de churn, aumento de receita ou melhoria equivalente em todas as tarefas de atendimento.

Recuperar conversas não é manter a conta atualizada

Considere um exemplo hipotético: em março, uma empresa informa que sua operação está em Campinas. Em junho, comunica a mudança para Sorocaba. Em julho, pergunta qual unidade receberá uma visita técnica. Um mecanismo de busca pode encontrar as duas mensagens. O desafio é reconhecer qual endereço vale para aquela solicitação.

Há uma segunda dificuldade: a atualização pode valer apenas para parte da conta. A filial mudou, mas a matriz permaneceu no mesmo local. Apagar toda referência a Campinas seria tão inadequado quanto ignorar Sorocaba. A memória precisa preservar escopo e vigência, não apenas dar preferência automática à última mensagem.

No Brasil, o IMTV — Índice de Maturidade Tecnológica em Vendas B2B, da Ibramerc, de 2026, mostra um contexto relevante: 83% das empresas respondentes utilizam CRM, mas 50% não têm integração entre ERP e CRM. O pilar Dados marcou 44 pontos, enquanto IA ficou em 31, na escala de 0 a 100. Para esta discussão, o contraste reforça a necessidade de avaliar a circulação e a qualidade da informação, não somente a presença de ferramentas.

Quatro abordagens para preservar contexto

As abordagens abaixo são alternativas de desenho operacional, não uma descrição da arquitetura interna do Agentforce. Elas podem coexistir. Cada uma resolve uma parte do problema e cria exigências próprias de controle.

• Histórico recuperável: busca mensagens anteriores quando surge uma pergunta. Preserva evidências, mas exige resolver conflitos entre registros antigos e novos.
• Resumo persistente: condensa interações para uso futuro. Facilita a retomada, mas pode perder exceções ou perpetuar um erro do resumo anterior.
• Memória estruturada: mantém fatos em campos ou registros, com origem, data e escopo. Facilita correções, mas depende de regras para interpretar mudanças e autorizar gravações.
• Consulta ao sistema de referência: busca o estado atual no CRM ou em outro sistema responsável pelo dado. Depende de integração, atualização e disponibilidade desse sistema.

Para uma conta complexa, combinar mecanismos pode ser mais adequado do que escolher apenas um. O histórico explica uma decisão; o resumo orienta a retomada; o registro estruturado identifica o estado vigente. Antes de atribuir tudo ao modelo, vale revisar documentação, integrações e transferência no suporte B2B.

Conhecimento de produto e memória da conta são distintos

Uma base de conhecimento responde como configurar um produto. A memória da conta registra o que aquele cliente usa, quais decisões tomou e quais restrições comunicou. Misturar essas camadas dificulta o diagnóstico: uma resposta pode falhar por documentação contraditória, não por esquecimento.

Em seu relato sobre preparação de conhecimento para agentes com Data 360, a Salesforce recomenda avaliar cobertura, lacunas e contradições antes da indexação. A empresa relata um teste com 195 pares de consulta e documento. A avaliação automática sinalizou oito falhas, cerca de 4%; após revisão humana, a taxa considerada real ficou próxima de 1%.

Esse teste trata de recuperação de conteúdo, não de memória da conta. Sua contribuição é mostrar por que o indicador automático precisa de interpretação. Na avaliação de memória, o mesmo cuidado significa verificar se o agente usou uma informação válida para o contexto, e não apenas se repetiu o registro esperado pelo avaliador.

O que medir num piloto de customer success

O piloto deve reproduzir sequências de contatos, não apenas perguntas isoladas. Uma bateria pode começar com um dado inicial, introduzir uma correção em outra sessão e testar seu uso depois. Inclua mudanças por filial, informações contraditórias e situações em que a resposta correta é pedir confirmação.

Quatro indicadores ajudam a transformar a discussão em critérios verificáveis:

• Uso de informação desatualizada: respostas ou ações baseadas em fatos substituídos, divididas pelos testes que exigiam o estado atual.
• Incorporação de correções: atualizações válidas aplicadas corretamente em interações posteriores, divididas pelas correções testadas.
• Repetição evitável de perguntas: solicitações de informação já disponível e autorizada para uso. Separe reconfirmações necessárias de falhas de contexto.
• Qualidade da transferência humana: atendimentos transferidos com histórico relevante, correções e pendências corretos, divididos pelas transferências avaliadas.

Registre também gravidade, tempo de resposta e custo por atendimento. Uma correção de preferência não tem o mesmo risco de uma alteração que afeta compromisso contratual. Como discutido na necessidade de definir critérios antes de adotar agentes em marketing e vendas, o aceite precisa anteceder a contratação ou ampliação do uso.

Atualizar a memória não significa autorizar qualquer mudança

Uma mensagem do cliente não deve, por si só, alterar qualquer registro corporativo. O desenho precisa distinguir lembrar uma preferência de modificar uma condição comercial. Para cada tipo de informação, defina quem pode atualizar, qual sistema prevalece e quando a confirmação humana é obrigatória.

Também é necessário testar separação entre contas e permissões de acesso. Uma memória precisa pode continuar insegura se entregar contexto ao usuário errado. Os testes de atualização devem caminhar com os de isolamento de contratos e dados entre clientes, inclusive em buscas e resumos.

O próximo passo para CS é montar uma bateria validada por pessoas, comparar configurações sob os mesmos cenários e acompanhar reaberturas e transferências após a implantação. O anúncio da Salesforce sustenta uma conclusão limitada, mas útil: políticas de memória podem melhorar o aproveitamento do contexto sem reconstruir o sistema. Demonstrar efeito em retenção ou expansão exige outra avaliação, com resultados da própria operação.

Este conteúdo foi produzido com apoio de inteligência artificial e revisado pela equipe editorial da Live University.