Toda ferramenta de conversão com IA agora diz que roda sozinha. Estas são as três etapas que ficam com a sua equipe.
Por Luis Gomes, Fundador e líder de crescimento
Três fornecedores de software de conversão, três páginas iniciais no ar, junho de 2026. Mutiny: "Seu agente de IA para criar tudo o que o cliente vê." Evolv AI: "O motor de otimização que roda sozinho." Kameleoon: "Monte experimentos em minutos conversando com a IA." São três produtos diferentes: um gerador de peças, um otimizador de UX e uma plataforma de experimentação. O discurso é um só.
Há um mês, quando este blog mapeou o setor pela última vez, ainda dava para classificar um fornecedor de conversão lendo a página inicial dele. As empresas guiadas por pesquisa falavam de pesquisa. Os fornecedores de automação falavam da própria ferramenta. Esse sinal sumiu. Se você vai escolher um software para aumentar a taxa de conversão da sua loja ou do seu produto este ano, ou está ouvindo propostas de um, este texto trata da pergunta que essas páginas pararam de responder. Trata também das três etapas que ficam com a sua equipe, qualquer que seja a ferramenta que você acabe comprando.
O argumento que este blog vem sustentando sobre conversão cabe numa linha. Os experimentos começam com pesquisa, e não com ajuste automático, e a unidade de trabalho é a intenção: o que o visitante está tentando fazer, antes de qualquer página em que ele tenha chegado. Se você não leu esses textos, essa linha basta. A pergunta que este texto acrescenta: quando toda ferramenta diz que faz o trabalho do início ao fim, quais partes você pode de fato entregar a ela?
A convergência do discurso
Para este texto, lemos dez páginas iniciais atuais do setor de conversão com IA: os fornecedores de personalização, as plataformas de experimentação e as empresas mais novas, nascidas com IA. A expectativa era descobrir que o campo da automação tinha aprendido a falar como pesquisador. Não é isso que a amostra mostra. Com uma exceção, os sites agora abrem com o que o sistema faz sozinho: percebe, decide, gera, distribui.
A Fibr AI é a versão mais completa: "Cada página percebe a intenção, toma decisões e se reorganiza em tempo real para quem chega." Quem faz isso são "agentes de IA [que] analisam as suas páginas, geram hipóteses automáticas, criam variantes e rodam experimentação contínua conduzida por IA." A Pathmonk personaliza "com base na intenção dos visitantes." A OptiMonk abre com "O criador de pop-ups com IA." O Webflow Optimize descreve uma IA que "aprende continuamente quais variações têm melhor desempenho para diferentes segmentos de visitantes, distribuindo o tráfego automaticamente." A exceção é o VWO, que ainda abre com o vocabulário sem glamour de uma plataforma de testes: análise de comportamento, teste A/B, gravação de sessões. E diz muito que seja o único site da amostra cujas afirmações sobre pesquisa vêm apoiadas em ferramentas de pesquisa que dá para apontar.
A convergência vai nas duas direções, e essa é a parte que pede mais atenção. A Made With Intent é a empresa britânica cujo fundador deu a este blog a melhor formulação que ele tem sobre pesquisa de conversão: desenhar experimentos em torno da intenção, e não das páginas. Ela agora descreve o próprio produto como um motor de decisão, que "decide quem recebe o quê, e quando". O produto faz isso "modelando mais de 800 sinais continuamente." E a Mutiny já não menciona intenção, públicos ou entendimento em nenhum ponto da página inicial. Falamos dela aqui quando ela encerrou o próprio produto SaaS em abril e se refez com foco em agentes. As empresas do lado da pesquisa foram para a linguagem da automação. As do lado da automação foram para a autonomia total. Todo mundo se encontrou no roda sozinho.
Nada disso é engano, e isso importa para a leitura. A autonomia é capacidade real. Montar e rodar testes ficou de fato mais rápido e mais barato, e já escrevemos sobre uma dessas reconstruções como uma boa jogada estratégica, e não como um recuo. Fornecedores vendem o que os compradores pedem, e os compradores de 2026 perguntam quanto o sistema faz sozinho. O problema é mais estreito: as palavras do site já não dizem onde termina a pesquisa e onde começa o embaralhamento de páginas. Toda página inicial responde quanto ele faz sozinho. A pergunta que decide se você vai ter ganho de conversão é outra.
A origem da hipótese
De onde vem a hipótese?
Em conversão, uma hipótese é um parágrafo simples que a sua equipe consegue escrever e o seu CFO consegue ler: estes visitantes estão tentando fazer isto, esta parte da página está falhando com eles, esta mudança deve resolver e, se estivermos certos, este número se mexe. Tudo o que a ferramenta faz depois (variantes, divisão de tráfego, cálculo de significância) executa esse parágrafo. Escreva um parágrafo preciso e uma ferramenta mediana vai encontrar o ganho. Pule esse passo e o melhor motor do mercado vai rodar testes rápidos em cima de palpites.
Volte à frase da Fibr, porque ela é a versão honesta do rumo da categoria: os agentes "geram hipóteses automáticas." O discurso não diz que a ferramenta executa o seu raciocínio mais rápido. Diz que a ferramenta faz o raciocínio. Um canto vizinho do mercado de IA vende a mesma retirada da pessoa, e já mostramos do que uma marca abre mão quando compra isso: ver o que acontece e poder parar. Na conversão, essa perda é mais silenciosa. Quando a ferramenta escreve as próprias hipóteses, a sua equipe para de acumular a única coisa que os testes deveriam comprar: conhecimento sobre os seus clientes que sobrevive à ferramenta. E quando a mesma ferramenta também escreve o texto da variante, ela dá nota ao próprio palpite e o transforma num vencedor que você põe no ar. É o mesmo sumiço, uma camada abaixo.
Esse conhecimento tem forma. Não é uma sensação que a equipe desenvolve. São três arquivos que o trabalho produz ou deixa de produzir.
As três etapas internas
O ciclo de pesquisa não muda de forma porque as ferramentas ficaram mais autônomas. O que muda é a fronteira: quais etapas a ferramenta agora assume de verdade e quais nunca foram dela.
O fluxo clássico. Comprar a plataforma, conectar o site, deixar rodar. O painel mostra ganhos. Dezoito meses depois você troca de fornecedor (por preço, por uma migração de plataforma, por um trimestre ruim) e descobre o que a assinatura cobria de fato: os aprendizados viviam dentro do modelo do fornecedor. A sua equipe não sabe dizer quais problemas dos visitantes foram encontrados, o que foi tentado contra eles ou o que já foi descartado. A ferramenta seguinte começa do zero, de novo, com o seu orçamento.
A versão AI-native. Três etapas ficam com a sua equipe. Cada uma termina num arquivo que é seu.
Etapa um: monte o mapa de intenções com a sua equipe, a partir das palavras dos seus clientes. Uma vez por sprint, agrupe o que os clientes de fato dizem (o texto livre dos formulários, os chamados de suporte, as gravações de sessão, as respostas de pesquisa) numa lista ordenada do que eles tentam fazer e de onde travam. A IA é muito boa em agrupar. A sua equipe escolhe o gargalo que vale atacar. O resultado é um mapa que o sprint seguinte herda. Qualquer ferramenta pode lê-lo. Nenhuma ferramenta deveria ser dona dele.
Etapa dois: escreva a hipótese antes de dividir qualquer tráfego. É aquele parágrafo simples, declarado antes: quem, o que está falhando, o que muda, que número se mexe. A IA pode fazer o rascunho do parágrafo, e a nossa costuma fazer. O que não dá para delegar é a aprovação: alguém da sua equipe lê, concorda que o gargalo é real e assina antes de o teste rodar. Essa é a diferença entre esta etapa e as "hipóteses automáticas" da ferramenta. Não importa quem digitou. Importa se alguém que trabalha para você foi dono da hipótese em algum momento. É também a etapa que absorve o único trabalho de avaliação de fornecedor de que você precisa: quando uma ferramenta diz que roda sozinha, pergunte de onde vêm as hipóteses dela. "A IA gera" é uma resposta honesta e útil. Ela diz que você está comprando a execução e o raciocínio, e o raciocínio é a parte que você não consegue auditar depois.
Etapa três: faça a revisão do teste e escreva o resultado de volta nos seus arquivos. Quando o teste é encerrado, o resultado edita o mapa de intenções: hipótese confirmada, hipótese descartada ou um novo ponto de travamento. São vinte minutos com a equipe no fim de um ciclo de testes. É esta etapa que dá efeito composto ao conjunto. E é o arquivo que deixa barata a troca de ferramenta, porque o aprendizado fica na sua pasta, e não no modelo do fornecedor.
A ferramenta, qualquer uma das dez, entra entre a etapa dois e a etapa três: monta as variantes, roda a divisão de tráfego e aponta anomalias. Essa camada fica de fato melhor com IA, e entregá-la à ferramenta é a decisão certa. É a única camada que o discurso do "roda sozinho" está vendendo de verdade.
O ganho. Uma equipe que mantém as três etapas tem um efeito composto que sobrevive à troca de fornecedores. Toda ferramenta que ela conectar começa pelo mapa, e não do zero. E toda afirmação de painel é checada contra arquivos que a própria equipe escreveu.
Onde falha. Há dois modos de falha. O primeiro é recusar as ferramentas de vez e tratar a linguagem de autonomia como motivo de eliminação. A camada de execução ficou de fato mais rápida e mais barata, e uma equipe que monta variantes à mão em 2026 paga preço de artesão por trabalho de commodity. O segundo é manter as etapas como teatro: um mapa de intenções que ninguém atualiza é um fichário esquecido na prateleira. O ciclo só tem efeito composto se a revisão editar o mapa de fato.
Nota de implantação. No nosso trabalho com cada marca, as três etapas viram três arquivos de trabalho na pasta de conversão da implantação da marca: o briefing de pesquisa de intenção, o modelo de hipótese e a revisão que edita o briefing. Nada novo entra por causa deste texto, porque essa é a estrutura desde que codificamos o ciclo. O que este texto explica é por que esses três arquivos ficam no repositório da própria marca, e não na conta de um fornecedor. Eles são a parte do trabalho de conversão que uma marca nunca deveria alugar.
A disciplina de pesquisa
Quando toda página inicial de uma categoria faz a mesma promessa, a promessa deixa de ajudar na escolha. É o efeito natural da convergência de vocabulário, e a categoria de conversão completou esse movimento este ano. O que não mudou é a origem dos ganhos. A pesquisa que encontra o gargalo real, o parágrafo declarado antes que dá a direção do teste, a revisão que guarda o aprendizado: esse trabalho continua existindo em todo projeto com efeito composto, apareça ele ou não na página inicial de alguém.
Rode as três etapas com a sua equipe por um sprint (mapa, parágrafo, revisão) em volta da ferramenta que você já paga. Se os ganhos da ferramenta se sustentarem diante de uma hipótese que a sua equipe escreveu, você comprou bem. De um jeito ou de outro, você vai saber em um sprint. E queremos muito saber o que você encontrar, principalmente o que o fornecedor respondeu quando você perguntou de onde vêm as hipóteses.
E se você ainda está decidindo se uma ferramenta pode ajudar, comece um nível acima: quais problemas de CRO a IA resolve de fato, e os dois que ela não resolve.