A Proaction, startup focada em software para gestão de frotas, relatou ganhos expressivos após integrar Codex, GPT‑Live‑1 e GPT‑6 Astra em seu fluxo de trabalho, segundo relato publicado pela OpenAI em 25 de setembro de 2026.
A empresa afirma que a automação de tarefas de pré-venda e suporte, antes manuais e dependentes de engenheiros, resultou em aumento de 60% nas vendas e uma economia mensal de até 60 horas de trabalho de engenharia.
Demos personalizadas, menos engenharia
A principal mudança veio na produção de demos customizadas para potenciais clientes. Antes, criar uma demonstração específica exigia envolvimento direto do time técnico e tomava até 10 horas de engenharia por demo. Com Codex, o próprio COO, sem background técnico, passou a criar entre quatro e seis demos interativas por mês, gastando de 30 a 45 minutos por demo.
Essas demonstrações usam dados reais dos clientes — extraídos de gravações, e-mails e planilhas compartilhadas — para gerar um ambiente HTML que simula o produto da Proaction com a frota do prospect. O resultado, segundo a empresa, é uma taxa 50–60% maior de conversão de contatos iniciais em oportunidades reais de venda.
Ao entregar aos engenheiros o protótipo visual já validado com o cliente, a Proaction também reduz retrabalho e dúvidas na implementação efetiva.
Automação integrada e ganho de produtividade
Além das demos, Codex centralizou tarefas antes dispersas em várias ferramentas. O COO relata que agora executa entre 15 e 20 tarefas diárias — de acompanhamento de vendas a criação de issues no Linear e atualização de oportunidades no HubSpot — sem sair do Codex, usando plugins para Gmail, Slack, Granola, GitHub e outros. Estima que o tempo poupado com essa automação gira entre 25 e 33 horas por mês para funções não técnicas.
Agentes de voz e execução com GPT‑Live‑1 e GPT‑6 Astra
A Proaction ampliou o uso de IA para além das vendas. Com GPT‑Live‑1 e GPT‑6 Astra, construiu agentes capazes de executar tarefas operacionais, como coordenação de manutenção de veículos, análise de imagens e documentos, e resposta a clientes via chat ou voz. Um desses agentes, Marty, gerencia desde a identificação do problema até o agendamento e pagamento do reparo, acionando humanos apenas quando necessário.
Segundo o Head de Produto, GPT‑6 Astra trouxe ganhos de eficiência em tarefas de automação, com execuções mais rápidas e sucintas em comparação aos modelos anteriores. O uso combinado de Codex e desses modelos acelerou a entrega de experiências customizadas para os clientes da Proaction.
Contexto e implicações
O caso da Proaction ilustra o impacto prático de integrar modelos generativos e plataformas de automação no dia a dia de startups B2B. A possibilidade de criar demos sob demanda, sem gargalo técnico, e de transformar conversas em fluxos de trabalho acionáveis, reconfigura o papel da equipe fundadora e libera engenheiros para tarefas de maior valor.
No contexto do mercado brasileiro, empresas de SaaS e setores com vendas consultivas podem se beneficiar de abordagens semelhantes, especialmente onde o ciclo de vendas depende de customização e demonstração rápida de valor ao cliente. O uso de agentes de voz para automação operacional, embora ainda incipiente no Brasil, tende a ganhar espaço conforme a oferta de modelos de linguagem multimodais se consolida.
A Proaction não revelou métricas detalhadas de custo, mas o relato sugere que os ganhos em eficiência e conversão justificaram o investimento em modelos como Codex e GPT‑6 Astra. Para startups, o recado é direto: a automação de tarefas de pré-venda e suporte com IA não é mais promessa — já se traduz em resultado concreto.