Antes de falar de métricas, vale entender a mecânica da mudança, porque toda decisão de mensuração depende de entender o que está sendo medido.
O comportamento descrito na introdução não é um caso isolado. Em março de 2025, cerca de 18% de todas as buscas no Google já geravam um resumo de IA, segundo o mesmo levantamento do Pew Research Center, e 58% dos usuários haviam feito pelo menos uma busca desse tipo naquele mês. O usuário também encerra a sessão de pesquisa sem nenhum clique adicional em 26% dos casos com resumo de IA, contra 16% nas buscas tradicionais: a resposta satisfaz a pergunta, e a visita ao site deixa de ser necessária.
A projeção da Gartner reforça a tendência estrutural: a analista prevê que o volume de buscas em mecanismos tradicionais caia 25% até 2026, com parte relevante desse volume absorvida por chatbots e agentes de IA que respondem diretamente, sem direcionar para um site.
Nada disso significa que a busca morreu. Significa que a busca mudou de forma, e que o funil desenhado com base em sessões, cliques e páginas visitadas está medindo cada vez menos da jornada real do comprador.
O que muda agora é a lógica de arquitetura. Em vez de conectar sistemas depois de comprados, os grandes players de GTM estão construindo (ou compilando via aquisição) uma camada de contexto que já nasce integrada: os mesmos dados de um lead, como histórico de interações, sinais de intenção, dados filmográficos e uso de produto, ficam disponíveis simultaneamente para o vendedor, para o time de marketing, para o CS e para agentes de IA que agem sobre esses dados sem precisar de um humano copiando informação de um sistema para outro.
Esse movimento tem nome dentro da própria indústria: GTM Engineering. A Clay, uma das plataformas que popularizou o termo, define o conceito como a construção de sistemas automatizados que substituem tarefas manuais de prospecção e qualificação, hoje usado por mais de 500 mil times de GTM, segundo a própria empresa. Não é mais sobre "usar ferramentas de vendas". É sobre orquestrar dados e automação como infraestrutura de receita.
HubSpot: do CRM de entrada ao Agent Hub construído sobre dados unificados
A HubSpot é o exemplo mais direto desse movimento para quem já usa a plataforma como base de operação comercial. O que a empresa chama de Agent Hub (antes conhecido como Breeze Agents) é descrito pela própria HubSpot como "o lar para cada agente de IA que sua empresa executa, entre marketing, vendas e atendimento ao cliente, construído nos dados do seu CRM". A frase importa mais do que parece: o diferencial não é o agente de IA em si, é o fato de ele operar sobre o mesmo dado que já está no CRM, sem exigir uma configuração ou base paralela.
Na prática, a HubSpot organiza essa camada em torno de quatro agentes especializados, cada um resolvendo uma etapa distinta do funil:
O modelo de precificação também é um sinal do quanto essa camada está sendo tratada como infraestrutura, não como feature: a HubSpot cobra por resultado gerado (créditos por resolução de atendimento, por lead prospectado, por resposta de dados), não por licença de usuário. É a mesma lógica de "pague pelo que a camada de contexto produz" que aparece, com variações, em praticamente todos os players deste artigo.
Os números de adoção reforçam que isso não é um piloto isolado: mais de 18 mil empresas já usam o Agentforce, e a Salesforce foi reconhecida como líder no Gartner Magic Quadrant 2026 para plataformas de IA conversacional. A diferença estrutural em relação à HubSpot está no público: o Agentforce é pensado para operações mais complexas, com múltiplos sistemas internos conectados via MuleSoft e Flows, o que significa que a camada de contexto, nesse caso, precisa abraçar um ecossistema de TI corporativo bem mais amplo.
A Clay se define como infraestrutura para buscar qualquer dado, rodar workflows com agentes de IA e executar plays de GTM. Ela conecta um marketplace com mais de 200 fornecedores de dados a agentes próprios (os "Claygents") que pesquisam e qualificam contas automaticamente, atualizando milhões de registros em tempo real. Os resultados divulgados por clientes dão a medida do apetite do mercado por esse tipo de camada: a Intercom reporta crescimento de 140% no pipeline de outbound, a Rippling dobrou o número de demos geradas por cold e-mail, e a Verkada triplicou sua taxa de resposta.
A 6sense captura o que chama de Signalverse, mais de um trilhão de sinais de comportamento de compra processados diariamente, combinando 13 anos de dados proprietários de intenção com dados de primeira parte (CRM, automação de marketing, produto) e sinais de terceiros, como mudanças de cargo e captações de investimento. O diferencial estratégico está em como essa inteligência é distribuída: via APIs e protocolo MCP, o mesmo contexto alimenta Salesloft, Gong, Salesforce e agentes de IA próprios simultaneamente, o que faz a 6sense se posicionar deliberadamente como a camada que outros sistemas consultam, não como mais um sistema isolado.
A Common Room ataca um problema específico da era GTM: decisões de compra B2B raramente envolvem uma pessoa só. A plataforma consolida sinais de produto, CRM e engajamento em uma visão única por conta (o que chama de Context360), apoiada em um diretório com mais de 400 milhões de contatos. Um case divulgado pela empresa, da Semgrep, reporta 74% mais pipeline em um trimestre depois de combinar sinais de uso de produto, visitas ao site e atividade em repositórios de código em uma única régua de pontuação.
Enquanto os players anteriores partem de dados estruturados, a Gong constrói sua camada de contexto a partir de interações (chamadas, e-mails, reuniões) organizadas no que chama de Revenue Graph, "uma rede viva dos dados de receita que captura e conecta automaticamente cada interação do negócio". Os resultados divulgados por clientes como Anthropic (10 horas semanais economizadas por vendedor) e Uber for Business (6.700 horas economizadas em preparação e atualização de CRM) mostram onde está o ganho real: não é ter mais dados, é parar de gastar tempo de vendedor alimentando sistemas manualmente.
Isso tem uma consequência direta para operações comerciais brasileiras de porte médio: a distância entre "ter um CRM" e "ter uma camada de contexto de GTM" está aumentando, não diminuindo. Uma empresa que já usa HubSpot, mas mantém a base de contatos sem padronização, sem tags por origem ou serviço, com marketing gerando volume que vendas não confia, não está numa posição de simplesmente "ativar" um agente de prospecção ou de dados. Antes de qualquer camada de IA funcionar, a base de dados precisa estar governada. Os resultados de 65% mais leads ou 26% de taxa de vitória mais alta que a HubSpot divulga pressupõem um CRM com histórico limpo e processos definidos por trás: a IA amplifica a qualidade da operação que já existe, para o bem ou para o mal.
É por isso que a conversa sobre GTM não pode começar pela ferramenta. Antes de decidir qual camada de IA adotar, a pergunta que qualquer Diretor Comercial, CRO ou Head de RevOps deveria responder é mais simples: hoje, se eu perguntar quantos leads viraram oportunidade este mês e por quê, alguém no time consegue responder com dados, ou só com uma estimativa?
Os dados de marketing, vendas e CS estão no mesmo lugar, com a mesma definição de lead, oportunidade e cliente? Se cada área tem sua própria planilha de controle, qualquer camada de IA vai automatizar a desorganização, só que mais rápido.
Existe histórico confiável de interações, e não apenas de transações? Sinais de intenção e contexto de conversa (como os que Gong, 6sense e Common Room exploram) só geram valor se houver disciplina de registro. Sem isso, a "inteligência" tem pouco para trabalhar.
Sua equipe confia no forecast que o CRM gera? Esse é, na prática, o teste mais direto de maturidade de RevOps, e o ponto onde a maioria das empresas em crescimento acelerado perde previsibilidade antes mesmo de perceber.
Qual a diferença entre GTM e RevOps? GTM descreve a estratégia de aquisição e crescimento (como e para quem vender); RevOps é a função e a arquitetura operacional, os processos, dados e governança, que faz essa estratégia funcionar de forma previsível dentro do CRM e das ferramentas conectadas a ele.
Adotar HubSpot, Salesforce ou uma ferramenta como Clay já resolve a integração de GTM? A ferramenta viabiliza a integração, mas não substitui governança de dados, processos comerciais definidos e disciplina de registro. Os resultados divulgados pelos próprios fornecedores citados neste artigo pressupõem uma base de CRM organizada por trás: a tecnologia amplifica a operação que já existe.
Como saber se minha empresa já deveria estar pensando nessa camada de contexto agora? Um bom indicador é se marketing, vendas e CS já usam sistemas diferentes (ou o mesmo sistema, mas sem padrão comum) para descrever o mesmo cliente, e se o forecast comercial depende de estimativa em vez de dado histórico confiável.
Se você quer entender onde sua operação está nesse mapa, vale uma troca de diagnóstico com nosso time, sem compromisso de venda, com foco em mapear o que está funcionando e onde a estrutura atual está deixando a receita na mesa.