A Proaction, startup de software para gestão de frotas na América do Norte, reportou um aumento de 60% nas vendas e economias superiores a 75 horas mensais com o uso de Codex, GPT‑Live‑1 e GPT‑6 Astra, segundo divulgação da OpenAI em 25 de setembro de 2026.
Automatização de demos personalizadas
A Proaction atua em um segmento onde cada cliente demanda demonstrações sob medida, refletindo a diversidade operacional de frotas que vão de carros a máquinas de construção. Antes, a equipe dependia de engenheiros para criar essas demos, o que limitava o volume e a velocidade de resposta. Com a adoção do Codex, o cofundador Colin Knudsen passou a gerar de quatro a seis demonstrações interativas por mês, cada uma construída em 30 a 45 minutos, sem envolver engenharia. O tempo poupado, estimado entre 40 e 60 horas mensais, permitiu à equipe focar em vendas e desenvolvimento do produto.
A dinâmica mudou: após uma chamada de vendas, Colin direciona o Codex a registros de voz, e-mails e planilhas do prospect. O sistema gera um ambiente HTML personalizado, simulando o produto da Proaction com dados reais do cliente. O resultado é uma experiência mais concreta para o prospect, que pode interagir com seus próprios veículos e fluxos de trabalho durante a demo. Segundo Knudsen, a taxa de conversão de contatos iniciais para desenvolvimento de solução aumentou entre 50% e 60% após a adoção dessa abordagem.
Integração e automação no fluxo do time
Além das demos, a Proaction usou Codex para centralizar tarefas que antes exigiam alternância entre múltiplas ferramentas. Plugins integrando Granola, Gmail, Slack, Linear, GitHub e HubSpot permitiram consolidar contexto de clientes, gerar follow-ups, criar issues e atualizar oportunidades em um único ambiente. O cofundador estima que Codex economiza de 25 a 33 horas de trabalho por mês em rotinas de vendas, suporte e gestão de produto.
A startup também criou um centro de soluções para clientes, onde eles podem explorar fluxos personalizados e revisar materiais de vendas. Isso reduz retrabalho e facilita a transição de demandas para o time de engenharia, que recebe instruções mais claras e visuais.
Agentes autônomos com GPT-Live-1 e GPT-6 Astra
A Proaction avança com agentes baseados em GPT‑Live‑1 e GPT‑6 Astra, capazes de executar tarefas como ligações, análise de documentos e imagens, e interação por chat. Um exemplo citado é o agente Marty, que coordena manutenção de veículos: dialoga com motoristas, aciona oficinas, agenda serviços e intermedia aprovações de orçamento. A equipe humana intervém apenas quando necessário.
Segundo Danny O’Halloran, Head de Produto, o uso de GPT‑6 Astra tornou os fluxos de automação mais eficientes, reduzindo o tempo de execução das tarefas em comparação com versões anteriores do modelo. ChatGPT‑5.6 Sol também é utilizado para identificar danos em imagens enviadas por clientes.
Por que importa
O caso da Proaction ilustra o impacto prático de modelos generativos em startups de software B2B. A automação de demos personalizadas e a delegação de tarefas operacionais a agentes de IA não só aceleraram a conversão de vendas como liberaram engenheiros para desenvolvimento de produto. Para empresas brasileiras que vendem soluções complexas e customizadas, o uso combinado de LLMs e automação contextual pode ser um diferencial competitivo — especialmente em mercados onde a personalização e a resposta rápida são decisivas para fechar negócios.