Templates n8n para prospecção e atendimento B2B com IA
Construir um workflow do zero leva semanas. Adaptar um template leva dias. Este artigo descreve 3 templates de workflow n8n calibrados para a realidade B2B brasileira — com WhatsApp, RD Station e HubSpot — e o que você vai precisar ajustar antes de colocar em produção.
Por que templates prontos economizam semanas de trabalho
Construir um workflow n8n do zero não é difícil — mas é trabalhoso. Você precisa: entender os nós disponíveis, descobrir como autenticar cada integração, montar a lógica de tratamento de erros, testar casos de borda e afinar os prompts do LLM. Para alguém novo no n8n, isso leva 2–4 semanas até ter algo estável em produção.
Templates resolvem a parte estrutural. Você começa com os nós certos conectados da forma certa, o tratamento de erros já está esboçado, e as integrações principais já estão configuradas. Seu trabalho se reduz a: adaptar credenciais, ajustar o prompt do LLM para o seu contexto, e testar com dados reais. Esse processo leva 2–10 dias dependendo da complexidade.
O n8n tem uma biblioteca oficial de templates em n8n.io/workflows com mais de 1.000 workflows. Mas a maioria foi criada para contexto americano ou europeu — usa Twilio em vez de Z-API, Salesforce em vez de RD Station, HubSpot Enterprise em vez de plano básico. O que descrevo aqui são templates ajustados para a operação B2B brasileira.
Os 3 templates: visão geral
| Template | Trigger | Principais nós | Integrações | Config. estimada | Resultado esperado |
|---|---|---|---|---|---|
| 1. Prospecção LinkedIn→CRM | Webhook (extensão LinkedIn) ou planilha Google Sheets | HTTP Request, AI Agent, Set, CRM Node | LinkedIn Sales Navigator, Apollo.io ou CNPJ.ws, OpenAI, HubSpot/RD Station | 2–3 dias | Lead enriquecido com briefing de 3 parágrafos criado automaticamente no CRM |
| 2. Atendimento WhatsApp→RAG→CRM | Webhook WhatsApp (Z-API ou Evolution API) | AI Agent, Vector Store, Memory, CRM Node, Slack Alert | Z-API / Evolution API, pgvector ou Pinecone, OpenAI, HubSpot/RD Station | 5–10 dias | Atendimento automático 24h com escalada para humano quando necessário, histórico no CRM |
| 3. Follow-up e-mail automatizado | CRM webhook (oportunidade sem atividade por X dias) | CRM Node, AI Agent, Gmail/SendGrid, Wait, Set | HubSpot ou RD Station, OpenAI, Gmail ou SendGrid | 1–2 dias | Sequência de e-mails personalizados enviados automaticamente até resposta ou fechamento |
Template 1: Prospecção LinkedIn→CRM
Este workflow resolve um problema clássico do time comercial: você encontra um prospect interessante no LinkedIn, precisa pesquisar a empresa, escrever um briefing para o vendedor, criar o lead no CRM e associar as informações. Manualmente, isso leva 20–40 minutos por lead. Com o workflow, leva 60 segundos.
Fluxo do workflow
- Trigger: vendedor adiciona URL do perfil LinkedIn ou CNPJ numa planilha Google Sheets (acionada por novo registro) ou via webhook de uma extensão de browser
- Enriquecimento: nó HTTP Request chama a API do CNPJ.ws (gratuita) para dados da empresa: razão social, setor, faturamento estimado, endereço, situação cadastral
- Busca complementar: segundo nó HTTP Request consulta Apollo.io ou Hunter.io para dados de contato (e-mail profissional, cargo, telefone)
- Briefing com IA: nó AI Agent recebe todos os dados e gera briefing personalizado: resumo da empresa, prováveis dores, ângulo de abordagem sugerido, 2-3 perguntas de descoberta
- Criação no CRM: nó HubSpot ou RD Station cria o lead com todos os dados e o briefing anexado como nota
- Notificação: mensagem Slack para o vendedor com link direto para o lead no CRM
Customizações necessárias para o Brasil
O template base usa dados de empresas americanas. Para o Brasil, substitua a fonte de dados por CNPJ.ws ou ReceitaWS (ambas gratuitas para volume baixo). O prompt do LLM precisa mencionar contexto brasileiro: ciclo de vendas, CNPJ ativo há X anos como indicador de estabilidade, porte pela receita estimada.
Custo operacional estimado: R$ 0,05–0,15 por lead enriquecido (chamada de LLM). Para 200 leads/mês: R$ 10–30.
Template 2: Atendimento WhatsApp→RAG→CRM
Este é o template mais complexo — e o de maior retorno. Ele cria um atendente automático no WhatsApp que responde dúvidas usando a base de conhecimento da empresa (manuais, FAQs, catálogo de produtos, políticas), registra todo o histórico no CRM e escala para humano quando não sabe ou quando o cliente pede.
Fluxo do workflow
- Trigger: webhook recebe mensagem do WhatsApp via Z-API ou Evolution API
- Identificação do cliente: busca no CRM pelo número de telefone — cliente existente ou lead novo?
- Busca na base (RAG): a mensagem é convertida em vetor e busca os 5 trechos mais relevantes da base de conhecimento (pgvector ou Pinecone)
- Geração de resposta: LLM recebe a pergunta + contexto RAG + histórico dos últimos 5 turnos + persona da empresa e gera resposta
- Validação de confiança: se o LLM não encontrou informação relevante (score de similaridade abaixo do limiar), aciona escalada para humano
- Envio da resposta: Z-API ou Evolution API envia a resposta no WhatsApp
- Log no CRM: toda a conversa é registrada como atividade no contato do CRM
Para detalhe completo desse padrão, incluindo configuração do banco vetorial e ajuste de limiares de confiança, veja n8n + RAG: atendimento inteligente com base documental.
Adaptações para WhatsApp no Brasil
Z-API e Evolution API são os provedores mais usados no Brasil para integrar WhatsApp Business sem a aprovação da Meta. Ambos funcionam com o n8n via webhook e HTTP Request. Para volumes acima de 2.000 mensagens/mês, a API Oficial da Meta (via parceiro como Gupshup ou Zenvia) é mais estável e menos sujeita a banimentos.
Template 3: Follow-up e-mail automatizado
Leads que não respondem não são leads mortos — são leads que precisam do momento certo. Este workflow identifica oportunidades paradas no CRM e dispara uma sequência de e-mails personalizados com IA até obter resposta ou o vendedor marcar como perdida.
Fluxo do workflow
- Trigger: cron diário → busca no CRM oportunidades com status "Em prospecção" sem atividade há mais de X dias (configurável: 3, 7, 14 dias)
- Contexto do lead: carrega histórico de interações, setor da empresa, cargo do contato, e-mails anteriores enviados
- Geração do e-mail: AI Agent cria e-mail personalizado considerando: posição na sequência (1º follow-up é mais suave, 3º é mais direto), contexto do lead, produto/serviço mais relevante para o setor
- Verificação anti-spam: nó de código verifica se o mesmo contato recebeu e-mail nas últimas 48h para evitar sobrecarga
- Envio: Gmail ou SendGrid envia o e-mail, registra no CRM como atividade
- Monitoramento de resposta: webhook detecta resposta ou abertura do e-mail → pausa a sequência e notifica o vendedor
Resultados típicos
Empresas que implantei esse template reportaram: taxa de resposta de follow-up aumentando de 8% para 18–25% (porque os e-mails são personalizados e o timing é consistente), e vendedores gastando 3–4 horas a menos por semana em tarefas de follow-up manual.
Limitações reais e o que você vai precisar customizar
Templates economizam tempo, mas não são plug-and-play. Aqui está o que invariavelmente precisa de ajuste:
Prompts do LLM
O prompt padrão de um template é genérico. Para funcionar bem, ele precisa da persona da sua empresa (tom de voz, segmento, diferenciais), exemplos de boas respostas reais do seu time e os casos de borda mais comuns. Esse ajuste leva de 2 horas a 2 dias, dependendo de quantos casos você quer cobrir.
Mapeamento de campos do CRM
Cada empresa organiza o CRM de um jeito. Os campos que o template escreve podem não existir no seu, ou ter nomes diferentes. Você vai precisar mapear os campos manualmente — processo mecânico mas que consome 1–3 horas.
Regras de negócio específicas
Exemplos: "não enviar follow-up para clientes de determinado setor", "escalar sempre para o vendedor sênior se o faturamento da empresa for acima de X", "não atender no WhatsApp fora do horário comercial". Essas regras não estão no template e precisam ser adicionadas como nós de condição.
Testes com dados reais
Reserve pelo menos 1 semana para testes com dados reais antes de colocar em produção. As surpresas aparecem nos casos de borda: mensagens com emoji, clientes que mandam áudio, e-mails com assinaturas HTML que quebram o parsing, CNPJs de MEI que a API retorna vazio.
Conclusão: templates como acelerador, não como atalho
Templates n8n são um excelente ponto de partida — mas tratá-los como solução final sem personalização resulta em workflows que funcionam 80% do tempo e quebram nos 20% que importam. Use-os como esqueleto: você não precisa construir os ossos, mas ainda precisa colocar a musculatura do seu contexto específico.
Os três templates deste artigo cobrem os casos de maior retorno que vejo em PMEs B2B brasileiras. Se quiser implementar qualquer um deles com suporte técnico, o diagnóstico inicial é gratuito — entre em contato.