Qualificação de leads de estudantes com um agente de IA

O que um agente de IA faz ao qualificar um candidato

Um agente de IA qualifica um candidato fazendo a ele, no próprio chat, as perguntas que um consultor de admissões faria: qual curso, qual escolaridade anterior, para qual semestre e como pretende pagar a mensalidade. Ele registra as respostas, calcula uma prioridade e entrega ao time uma ficha legível. Não aprova nem reprova ninguém.

O objetivo é concreto: saber para quem o time liga primeiro e com qual contexto. As dúvidas chegam à noite, no fim de semana, perto da divulgação das notas do ENEM, dos prazos do vestibular e na véspera de um evento de portas abertas. Muitas chegam pelo WhatsApp. Sem triagem, todas esperam na mesma fila.

Este artigo percorre os critérios a coletar, um scoring que o time consiga auditar, as regras de repasse a uma pessoa e as salvaguardas no Brasil. Para os fundamentos, leia nosso guia do chatbot de IA para recrutamento de estudantes. Nota de método: não havia dados pagos de volume de busca nem de dificuldade. O texto se apoia em pesquisa pública e fontes oficiais, e não traz números de desempenho.

Critérios a coletar: adequação, intenção, viabilidade, contato

Use os critérios que seus consultores já perguntam por telefone e mantenha só os que mudam a próxima ação do time.

Três regras evitam desvios. Cada pergunta precisa apoiar uma decisão. Perguntas opcionais continuam opcionais. Nunca se usam critérios sensíveis ou discriminatórios, como origem, saúde ou religião, para priorizar.

O contexto brasileiro condiciona as perguntas

Os candidatos perguntam sobre a nota do ENEM, o SISU, o vestibular próprio, o ProUni e o FIES, além da mensalidade e dos descontos. O ENEM é aplicado pelo INEP, e o agente deve remeter à fonte oficial para regras e prazos, sem estimar elegibilidade individual a bolsas ou financiamento. Para a regularidade dos cursos, o MEC é a referência pública, e o agente só deve citar o reconhecimento e o conceito que a instituição publica. Ele nunca promete vaga nem prevê se um candidato será aprovado.

Um scoring em dois eixos que o time pode auditar

Um score útil tem dois eixos legíveis, adequação e intenção, em vez de um número opaco. Para cada ficha, o time precisa saber explicar por que aquela pessoa está no topo da lista.

O exemplo é ilustrativo e deve ser calibrado com seus próprios dados. Os pesos não são referências de mercado.

A soma coloca a pessoa em um nível de ação, nunca em uma decisão de admissão.

• Prioritário: ligação rápida de um consultor, com o resumo da conversa.
• Acompanhar: sequência informativa e convite para um evento ou webinar.
• Nutrir: interesse de longo prazo, conteúdos úteis e lembrete planejado.
• Fora da oferta: resposta útil e encaminhamento para uma opção mais adequada.

Defina as regras antes do lançamento

Se o score se afasta da realidade, corrija-o. Peça aos consultores que apontem as fichas mal classificadas, leia as conversas toda semana no início e ajuste os pesos. Registre as mudanças de regras, porque um candidato, seu encarregado de dados ou a autoridade podem pedir. Nosso guia de lead scoring no recrutamento estudantil detalha a calibração no CRM.

O repasse ao time: quando, como e com o quê

O repasse segue gatilhos explícitos, e o consultor recebe uma ficha que consegue usar sem reler todo o chat.

Gatilhos

Repassa-se de imediato em três casos: a pessoa pede para falar com alguém, relata uma situação sensível ou uma reclamação, ou o agente não tem resposta confiável. Repassa-se com prioridade quando o score atinge o nível mais alto ou há pedido de ligação.

Conteúdo da ficha

1. Nome e contatos que a pessoa decidiu informar.
2. Curso, nível, semestre e modalidade.
3. O score e os sinais que o explicam.
4. Resumo da conversa e perguntas sem resposta.
5. Consentimento obtido, seu canal e sua data.

Um prazo de retorno por nível, definido pela sua instituição, completa o esquema. Veja nosso guia de roteamento de leads e SLA.

A Skolbot funciona nesse esquema. O agente web responde com base no conteúdo da própria instituição, qualifica o candidato, envia a conversa e a qualificação ao CRM e o time humano assume. O acompanhamento por WhatsApp ou telefone pode partir da ficha do CRM. As conexões específicas com o seu CRM são confirmadas em uma demonstração.

Salvaguardas no Brasil: LGPD, CDC e IA

Qualificar candidatos significa tratar dados pessoais e, às vezes, criar perfis. Quatro pontos exigem decisão por escrito antes do lançamento. Isto é informação geral: consulte seu assessor jurídico.

Bases legais e transparência. A Lei Geral de Proteção de Dados (LGPD, Lei 13.709/2018) exige uma base legal para cada tratamento, informação clara ao titular, prazo de retenção e regras para operadores. A ANPD é a autoridade nacional e publica orientações. Peça ao seu encarregado (DPO) que revise o dispositivo e avalie a necessidade de um relatório de impacto. Se menores de idade puderem usar o chat, o tratamento de dados de crianças e adolescentes exige atenção reforçada ao melhor interesse do titular.

Mensagens comerciais e consumo. Um chat não equivale a consentimento para receber publicidade. Registre a que a pessoa aderiu, por qual canal e quando, identifique a instituição em cada mensagem e facilite o cancelamento. O Código de Defesa do Consumidor se aplica à oferta de serviços educacionais, então o agente só deve afirmar o que suas páginas publicam sobre preços, descontos e reconhecimento do curso.

Decisões automatizadas. O artigo 20 da LGPD garante ao titular o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses, incluindo as destinadas a definir seu perfil. Daí o princípio de projeto: o score ordena a lista de ligações, uma pessoa decide tudo o que toque a admissão e ninguém é descartado sem revisão humana.

Transparência sobre a IA. Diga na primeira mensagem que a pessoa fala com um agente de IA e ofereça um caminho até um humano. Confirme com seu assessor a situação regulatória da IA no país, que está em evolução. Se você também capta na União Europeia, o Regulamento europeu de IA classifica como de alto risco os sistemas que determinam o acesso ou a admissão em educação.

Quanto à infraestrutura, a plataforma da Skolbot aplica, no servidor, residência de dados na União Europeia. A LGPD admite transferências internacionais sob condições, e seu encarregado deve avaliá-las. A avaliação que você mantiver continua sendo sua.

Medir sem se enganar

Meça resultados que sua área de admissões já acompanha, não volumes de conversas: o tempo até a primeira ligação após uma dúvida noturna, a proporção de fichas repassadas com curso e semestre preenchidos, a presença nas visitas agendadas e a frequência com que os consultores corrigem o score. Estabeleça sua própria linha de base antes do lançamento. A taxa de conversão de outra instituição diz pouco sobre o seu funil, e aqui não publicamos nenhum número sem fonte verificada.

Por onde começar

Comece por um só percurso, por exemplo pós-graduação ou a modalidade EAD, com três a cinco perguntas de qualificação. Carregue as páginas de cursos, mensalidades e prazos, teste o agente diante dos seus consultores e corrija o conteúdo antes de abrir ao público.

Depois amplie. Nosso guia para escolher um agente de IA de recrutamento estudantil oferece uma grade de avaliação, e os agentes de IA para recrutar estudantes no ensino superior cobrem todo o funil.