Como SuperFrete Usa Agentes de IA para Crescer Sem Ampliar a Equipe
SuperFrete é uma das principais plataformas de shipping do Brasil para pequenos e médios varejistas. Permite que qualquer um que venda — desde lojas de e-commerce até vendedores de WhatsApp e redes sociais — gerenciar envios em um único lugar, com acesso a múltiplas transportadoras, taxas competitivas, infraestrutura de rastreamento e suporte logístico integrado. Com 130 mil clientes ativos por mês e mais de 1 milhão de envios processados mensalmente, escala é sua realidade diária.
Quando Lívia Rigueiral chegou como CPO, a empresa tinha 35 pessoas. Hoje tem 160. O crescimento foi rápido, mas uma questão estrutural começou a tirar o sono da liderança: o que acontece quando você quer alcançar um milhão de clientes e cem milhões de envios, mas crescer a equipe na mesma proporção significa mais hierarquia, mais overhead de gestão e mais diluição cultural?
“Não conseguimos crescer para um milhão de clientes se continuarmos crescendo a equipe no mesmo ritmo. Quanto mais a equipe cresce, mais a hierarquia cresce, mais gestão de pessoas cresce. É tudo muito difícil.”
A resposta da SuperFrete foi agentes de IA. Não como buzzword ou release de imprensa. Como sistemas reais de produção que processam transações reais, respondem clientes reais e capturam fraudes reais. Começaram com um agente antifraude em meados de 2025, depois expandiram para suporte ao cliente no final do ano. Os resultados mudaram como a empresa pensa sobre crescimento.
Por que começar com fraude
A liderança da SuperFrete tinha um princípio claro: automatize o que você já entende. Detecção de fraude havia sido manual por anos. O processo estava mapeado, a dor estava quantificada, e a equipe sabia exatamente onde quebrava.
“Antifraude tinha sido um buraco massivo em anos anteriores. Dissemos: se conseguirmos parar de nos preocupar com isso, podemos colocar nosso tempo, pensamento e inteligência em outras coisas.”
O problema: 7.5 dias de exposição
O processo existente dependia de relatórios de BI diários, revisão manual de analistas, ferramentas externas como ClearSale, e zero cobertura em finais de semana. Quando fraudadores encontravam uma nova vulnerabilidade, tinham uma janela livre até a equipe descobrir o padrão e implantar uma correção. Esse ciclo levava uma média de 7.5 dias.
Antes: Detecção de Fraude Manual
- Relatórios de BI atualizados uma vez por dia (atraso D+1)
- Revisão manual de analista: 2-3 min por pedido
- Sem cobertura em finais de semana ou feriados
- 7.5 dias em média para detectar novos padrões de fraude
- Equipe incapaz de analisar todas as transações em volume
Depois: Detecção Alimentada por IA
- Cada transação analisada em tempo real
- Detecção de novos padrões de fraude no mesmo dia
- Cobertura 24/7 sem pontos cegos
- Analista foca em estratégia, não coleta de dados
- ClearSale usada apenas para segundas opiniões de alto risco
“Quando o fraudador mudou de comportamento, nós mudamos também. Conseguimos prever, conseguimos prevenir muito mais fraude, e conseguimos recuperar fraude que sofremos, porque no momento que detectamos, paramos o fraudador de completá-la.”
Como o agente funciona
Novo pagamento dispara o workflow
Cada transação na plataforma dispara um webhook que inicia a análise automaticamente. Sem intervenção humana, sem atrasos de batch.
Scoring baseado em regras + análise LLM
Código determinístico verifica velocidade de pedidos, padrões de email, histórico de pagamento e fingerprints de dispositivo. Um LLM lida com casos extremos ambíguos. Essa abordagem híbrida mantém custos baixos e acurácia alta.
ClearSale como segunda opinião (não primária)
Apenas casos de alto risco vão para ClearSale para verificação. A IA faz o primeiro filtro usando dados próprios da SuperFrete, transformando ClearSale de decisor primário para checkpoint direcionado.
Alerta Slack → Revisão humana
Casos sinalizados chegam no Slack com o raciocínio do agente. O analista revisa apenas esses casos e fornece feedback que melhora continuamente a acurácia.
Os resultados
Além dos números, a equipe se transformou. O analista de fraude que anteriormente passava seus dias em coleta de dados se moveu para trabalho estratégico: identificar novos padrões e propor melhorias no sistema. Fraude parou de ser um tópico em reuniões de liderança. A equipe agora dedica sua energia ao crescimento, não controle de danos.
Agente 2: Suporte ao cliente sob pressão
O segundo agente não começou com um deck estratégico. Começou com uma crise.
SuperFrete tinha sido gradualmente lançando um agente de vendas de IA chamado Sofia, que convertia novos usuários em 35%, igualando o desempenho humano. O plano era eventualmente expandir Sofia para lidar com suporte ao cliente também. Eventualmente. Lentamente. Com testes cuidadosos.
Aí dezembro de 2025 aconteceu.
A crise
O volume de tickets de suporte já estava crescendo: 1.5x de setembro a novembro. Depois os Correios, o serviço postal nacional do Brasil, entraram em greve. Transportadoras privadas também começaram a atrasar pacotes. Volume de tickets triplicou. NPS caiu. A maioria dos detratores citou suporte como a razão. E SuperFrete estava prestes a entrar em férias coletivas em 19 de dezembro, com metade da equipe offline.
“Era quase um cenário de contingência. Volume massivo de tickets, Correios em greve atrasando um monte de pacotes, e estávamos prestes a entrar em férias coletivas. Disse para o time de engineering: temos que resolver isso, temos que colocá-la live e só ir. Do jeito que as coisas estão, não pode piorar.”
Sofia foi para modo de suporte ao cliente completo. Primeiro, focada apenas em consultas de atraso de envio (o tópico de maior volume). Depois, conforme os resultados provavam funcionar, abriu para todas as categorias de suporte. Em fevereiro de 2026, Sofia estava lidando com 100% das conversas recebidas como primeira respondente em todos os tópicos.
Como Sofia funciona
Sofia é um agente conversacional que opera tanto em WhatsApp quanto em chat na plataforma, integrada com HubSpot. Cada mensagem dispara um workflow que coleta histórico de conversa e dados do cliente, depois gera uma resposta usando uma base de conhecimento, ferramentas operacionais (rastreamento, tickets, queries de banco de dados) e guardrails comportamentais estritos. Quando não consegue resolver algo, escala para um humano com contexto completo já reunido.
Uma escolha de design chave: a equipe da SuperFrete edita os prompts e base de conhecimento de Sofia diretamente, sem envolvimento de engineering. Quando Correios entrou em greve, simplesmente atualizaram suas instruções para lidar com questões de atraso. Essa autonomia operacional é o que torna o sistema sustentável.
A lição dos guardrails
Implantar sob pressão veio com uma lição dura. Sofia começou a prometer reembolsos e compensação financeira para clientes. Para uma empresa de logística processando mais de um milhão de envios por mês, essa é uma responsabilidade séria.
A solução foi elegante: um LLM mais barato em segundo lugar funciona como guardrail, revisando cada mensagem antes de ser enviada ao cliente. Verifica promessas financeiras (reembolsos, chargebacks, compensação) e as bloqueia. O custo de rodar esse guardrail em 5.000 mensagens: $0.30.
Agentes de IA vão cometer erros. A questão é se sua arquitetura deixa você capturar e corrigi-los rapidamente. O guardrail da SuperFrete foi construído e implantado em horas após descobrir o problema. O sistema melhorou permanentemente por causa de uma falha do mundo real.
Os resultados
Quando Sofia estava lidando com conversas de vendas, sua taxa de conversão igualava humanos em 35%. Mas algo inesperado aconteceu: a taxa de conversão dos agentes humanos saltou de 35% para 48%. Porque Sofia pré-qualificava leads e lidava com as questões rotineiras, humanos tinham mais tempo por cliente. A IA não só igualou o desempenho humano. Fez o desempenho humano melhorar.
“Ninguém pensa que é IA. Todo mundo pensa que é humana. E preciso que meus clientes continuem pensando isso, porque eles realmente gostam dela.”
O que SuperFrete aprendeu sobre adoção de IA
A experiência de SuperFrete revela um padrão que se aplica além de logística. Há alguns princípios que moldaram seu sucesso.
Comece com o que você sabe
SuperFrete escolheu antifraude porque já entendia o processo profundamente. IA funciona melhor quando o problema está bem-mapeado e a equipe consegue avaliar resultados. Não comece com seu problema mais ambíguo.
Meça impacto, não automação
Todo projeto tinha um duplo mandato: reduzir trabalho manual E melhorar resultados. O agente antifraude não só substituiu analistas, detectou 70% mais fraude. Sofia não só respondeu mais rápido, melhorou as taxas de conversão humanas.
Dê ownership para a equipe
A equipe de SuperFrete edita prompts e bases de conhecimento diretamente. Quando novas transportadoras entram ou políticas mudam, eles atualizam a IA eles mesmos. Isso torna o sistema sustentável, não dependente de engineering externo.
Aceite que não será perfeito
Sofia prometeu reembolsos que não deveria ter. O agente antifraude teve falsos positivos. Ambos melhoraram através de iteração rápida. Começar imperfeito e melhorar venceu esperar pela perfeição.
“Não era sobre reduzir o número de pessoas. Só queremos crescer muito mais do que crescemos a equipe. E uma vez que começaram a ver as oportunidades, o medo foi embora.”
O que vem próximo
Ambos os agentes foram construídos na plataforma deco, que forneceu o engine de workflow, integrações MCP, AI gateway, e a interface que deixa a equipe de SuperFrete gerenciar prompts e bases de conhecimento sem envolvimento de engineering. SuperFrete começou desde então a construir agentes adicionais na plataforma de forma independente. O próximo é um agente de auditoria que analisará os dados produzidos por ambos os agentes existentes, emergindo padrões e oportunidades que a equipe não teria tempo de encontrar manualmente.
“A questão não é se implementar IA. É como. Escolha a coisa que vai ter o maior impacto, descubra que riscos você está disposto a tomar, e só comece. Porque enquanto estamos apenas ouvindo histórias de outras pessoas em vez de vivê-las nós mesmos, não vamos entender a verdadeira escala do que é possível.”
Construindo agentes de IA para sua operação?
Estamos mostrando demos ao vivo e discutindo padrões de implementação reais na VTEX Day 2026. Venha conversar conosco sobre seu caso de uso.
.jpg){kind=small}
