> ## Documentation Index
> Fetch the complete documentation index at: https://docs.crmspark.com.br/llms.txt
> Use this file to discover all available pages before exploring further.

# Agente autônomo

> Como o Spark IA Agente responde sozinho no WhatsApp, Instagram e Telegram: SLA, pipeline, handoff, ferramentas, memórias e regras.

O Spark IA Agente é o modo em que a inteligência artificial atua sozinha nas conversas — enviando mensagens ao cliente, seguindo um roteiro que você define e usando ferramentas para organizar o CRM (etiquetas, funil, atribuição, encerramento). Ele é o “funcionário digital” que complementa o time: responde quando faz sentido, e sabe quando parar para deixar um humano assumir.

Se ainda está dando os primeiros passos no painel (funil, canais), veja [Começar a usar o Spark CRM](/guia/comecar-spark-crm).

Quer um passo a passo em linguagem acessível para montar um agente forte para atendimento? Veja o [Guia: agente de atendimento ao cliente](/guia/agente-atendimento-ao-cliente).

Este artigo descreve o que está disponível hoje no produto. Vale separar mentalmente duas telas de configuração:

| Onde                                                                       | O que você ajusta                                                                                                                                                                                                           |
| -------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| [Plataforma → Agente](https://crmspark.com.br/dash/agent)                  | Liga/desliga o agente autônomo, quando ele pode falar (SLA), perfil de atuação, instruções longas, pipeline em etapas e handoff por palavras-chave.                                                                         |
| [Configurações → Spark IA](https://crmspark.com.br/dash/settings/spark-ia) | Sugestões de resposta (IA ajuda *você* enquanto digita), memórias (fatos sobre a empresa) e regras (instruções numeradas em ordem). Memórias e regras entram no mesmo cérebro do agente autônomo quando ele gera respostas. |

## O que o agente faz na prática

* Só entra em ação depois de mensagens do cliente (lead). Mensagens internas não disparam o fluxo automático do agente da mesma forma.
* Respeita um “tempo de espera” inteligente: se o cliente mandar várias mensagens seguidas, o sistema agrupa a intenção e só enfileira a resposta depois de cerca de um minuto sem mensagem nova — assim o agente não dispara uma resposta para cada “oi” em sequência.
* Áudios: se o cliente mandar áudio sem transcrição ainda, o agente espera a transcrição (ou o resultado do pipeline de áudio) antes de responder com contexto completo.
* Mídia sem texto (imagem/vídeo/arquivo sem legenda): o modelo recebe uma nota interna explicando que não enxerga o arquivo; se o cliente já descreveu o problema em texto ou áudio no mesmo fio, o agente deve seguir o que foi dito, sem insistir que “não viu a imagem” sem necessidade.
* Quando o agente assume a conversa, automações que disparariam na mesma mensagem ficam em segundo plano — evitando respostas duplicadas ou conflitantes.

## Quando o agente pode responder (SLA)

Na tela [Agente](https://crmspark.com.br/dash/agent), você escolhe em que situações a IA pode enviar mensagem automática:

1. Sempre — responde assim que o intervalo de agrupamento passar (útil para cobertura 24h ou primeiros contatos).
2. Após aguardar — só entra se ninguém do time (nem outro agente) tiver enviado mensagem ao cliente nos últimos X minutos. Ideal para dar prioridade a humanos e usar a IA como rede de segurança.
3. Fora do horário comercial — só age quando o relógio da organização está fora dos intervalos configurados em [Horário de atendimento](/conceitos/horario-de-atendimento). Se não houver horário configurado, esse modo não considera “fora do expediente” (fica como se o agente não pudesse usar essa lógica até existir calendário).

O SLA é verificado de novo na hora de gerar a resposta, não só no primeiro sinal — assim, se alguém do time falar no meio, o agente pode deixar de atuar naquele ciclo.

## Ativar ou pausar o agente

O interruptor principal define se o agente pode operar na organização. Desligado, nenhuma resposta autônoma é enviada.

Além disso, existem barreiras por conversa:

* Handoff manual no chat — no cabeçalho da conversa há um controle do Spark IA. Você pode passar o atendimento para humano (o agente para de responder naquele chat) e, quando quiser, devolver o controle ao agente — sem mudar as configurações globais.
* Palavras de handoff automático — na tela [Agente](https://crmspark.com.br/dash/agent), você pode listar termos (trechos de texto) que, se aparecerem na mensagem do cliente, pausam o agente naquele chat e entregam para o time. Útil para casos sensíveis: “advogado”, “processo”, “Procon”, etc.

O agente também pode chamar a ferramenta de handoff durante o diálogo quando perceber que precisa de julgamento humano — com motivo e, opcionalmente, uma última mensagem educada ao cliente.

## Perfil de atuação

Hoje o produto destaca o perfil Atendimento (suporte) — foco em resolver dúvidas, pedir contexto e conduzir passo a passo. O perfil Vendas aparece na interface como em breve: ainda não é o modo ativo de operação, mas o time pode preparar o terreno nas instruções até a especialização comercial ficar disponível.

## Instruções personalizadas

Você pode escrever um bloco longo (até o limite exibido na tela) com tom de voz, limites (“nunca prometa desconto acima de X”), público-alvo e o que for estratégico para a marca. Isso entra na identidade do modelo junto com o nome da empresa e o canal (WhatsApp, Instagram, Telegram).

## Pipeline de atendimento

O pipeline é uma sequência de etapas (até dez), cada uma com título e instruções próprias. O agente sabe em qual etapa está naquela conversa e recebe no prompt só o texto da etapa atual.

* Você pode reordenar as etapas arrastando — a ordem importa.
* Há um roteiro sugerido de suporte na própria tela para acelerar a primeira configuração.
* Quando os objetivos da etapa estão claros, o modelo pode usar a ação `advance_pipeline` para avançar e carregar a próxima etapa. Dados coletados podem ser guardados no contexto da conversa para não perder o fio.

Pense no pipeline como o script do agente: em vez de um único bloco gigante, você fatia o atendimento em fases (saudação → diagnóstico → resolução → encerramento).

## Ferramentas que o agente pode usar

O Spark IA não só “escreve”: ele pode executar ações no CRM, sempre dentro do que existe na sua organização:

| Ação                          | Para que serve                                                              |
| ----------------------------- | --------------------------------------------------------------------------- |
| Adicionar / remover etiquetas | Organizar o chat sem depender do operador.                                  |
| Atribuir a um usuário         | Encaminhar a conversa para um operador específico.                          |
| Mover no funil                | Posicionar o lead em uma etapa de funil concreta.                           |
| Avançar pipeline              | Ir para a próxima etapa do roteiro interno.                                 |
| Encerrar atendimento          | Marcar o chat como concluído quando o cliente confirmou que está resolvido. |
| Handoff                       | Transferir para humano com motivo e mensagem opcional ao cliente.           |

As listas de etiquetas, pessoas e etapas de funil vêm do que já existe no tenant — o agente não “inventa” IDs.

## Como as mensagens chegam ao cliente

O sistema foi desenhado para mensagens instantâneas (WhatsApp, Instagram, Telegram), não para e-mail ou artigos longos:

* Sem markdown no texto ao cliente: nada de negrito, títulos ou listas com traço — o cliente vê mensagem de chat de verdade.
* Mensagens curtas: no máximo duas frases por “balão” na maior parte dos casos.
* Se precisar de mais conteúdo no mesmo turno, o modelo pode enviar até três balões seguidos, usando um separador interno — você não configura isso à mão; é comportamento do motor.

Há também regras de honestidade (se perguntarem se é humano, a IA deve ser transparente), segurança (recusar conteúdo ilegal ou inadequado) e idioma (responder em português salvo o cliente usar outro idioma).

## Memórias e regras — [Configurações → Spark IA](https://crmspark.com.br/dash/settings/spark-ia)

* Memórias — fatos estáveis: políticas, tabelas de preço resumidas, horários de loja, como funciona a troca. Cada memória tem título e texto; você pode ativar ou desativar sem apagar. Memórias ativas são injetadas no contexto do agente como “Conhecimento da empresa”.
* Regras — instruções que valem sempre, numeradas na ordem que você definir (arraste para mudar a prioridade). Entram como “Regras de atendimento”.

Sugestões de resposta é um interruptor separado: quando ligado, a IA sugere texto enquanto o humano digita no chat — acelera o atendimento manual, mas não substitui o agente autônomo.

## Relação com horário de atendimento

* No modo fora do horário comercial, o agente usa o mesmo calendário da organização.
* Mesmo que você use outros recursos (auto-resposta fora do horário), o agente autônomo segue a política de SLA que você escolheu — vale alinhar expectativa: “IA só fora do expediente” vs “IA sempre, humano quando possível”.

## Boas práticas

* Comece com SLA “após aguardar” alguns minutos para não competir com atendentes online.
* Use o pipeline para padronizar qualidade; não coloque tudo numa única etapa gigante.
* Regras para o que é inegociável; memórias para o que é informação.
* Teste palavras de handoff com frases reais que clientes usam — ajuste para reduzir falsos positivos.
* Revise periodicamente instruções personalizadas quando produto ou política mudarem.

Para o copiloto com contexto da conversa (aba Spark IA ao lado de Mensagens), veja [Assistente no chat](/spark-ia/assistente-no-chat).

Para o contexto geral de conversas e CRM, veja também [CRM baseado em mensagens](/visao-geral/crm-mensagens) e [Horário de atendimento](/conceitos/horario-de-atendimento).