Nesta terça-feira, 13 de outubro, a Salesforce anunciou a compra da Loops — uma startup de analytics agêntico cujo agente, o "Scout", faz análise causal e dispara alertas de KPI no Slack, no Teams e por e-mail. A jogada é turbinar o Tableau com a promessa de responder não só "o que" aconteceu, mas "por que o número mudou" e "quais os próximos passos", avançando a estratégia de agentic analytics (fechamento previsto para o início de novembro, FY27). É uma evolução real: sair da dashboard que mostra e chegar ao analista de IA que explica. Mas há uma letra miúda que decide se a promessa se cumpre: uma IA causal só é tão boa quanto o dado que ela enxerga. E agentic analytics no Salesforce só explica o "porquê" inteiro quando o dado integrado deixa ela ver a operação toda — não apenas a fatia que já está no Tableau.
1. O que a Salesforce comprou (Loops, Scout e o agentic analytics)
A Loops traz uma capacidade específica: em vez de apenas plotar métricas, o agente Scout investiga variações. Caiu a conversão? Ele cruza dimensões, testa hipóteses e aponta a causa provável, além de sugerir ações. Some isso ao Tableau — a camada de visualização da Salesforce — e o movimento fica claro: a Salesforce quer que o dado deixe de ser um painel que você interpreta e vire um analista que te procura, com alertas proativos onde o time trabalha (Slack, Teams, e-mail).
É a mesma direção que vimos em outros anúncios recentes da empresa: tirar o dado da tela isolada e entregá-lo como contexto, em linguagem natural, no fluxo de trabalho. A aquisição da Loops é a peça de "inteligência causal" dessa visão.
2. A promessa: da dashboard que mostra "o quê" ao agente que explica "o porquê"
Por décadas, BI entregou o "o quê": gráficos, tabelas, variações. Interpretar o "porquê" sempre foi trabalho humano — e lento. A promessa do agentic analytics é automatizar justamente esse salto. Em tese, o gestor pergunta "por que a receita caiu na região Sul?" e recebe um diagnóstico em segundos, com a cadeia causal e a recomendação.
Quando funciona, é transformador: decisões mais rápidas, menos dependência de um time de dados sobrecarregado, detecção precoce de problemas. O risco não está na capacidade do agente de raciocinar sobre dados — está no escopo do dado que chega até ele.
3. O limite silencioso: a IA só enxerga o que está integrado
Aqui está o ponto que o anúncio não resolve. Um analista de IA plugado apenas no que já vive no Tableau explica metade da história. A conversão de um e-commerce não cai por um motivo que mora só no marketing. Ela cai porque o frete subiu, porque um SKU ficou sem estoque, porque o checkout quebrou num gateway, porque o suporte está represando tickets de um problema recorrente. Esses sinais vivem no ERP, no e-commerce, na logística e no sistema de atendimento — fora do raio do Tableau, se não houver integração.
Quando o agente causal só vê o dado de marketing, ele produz um diagnóstico confiante e errado pela metade: aponta a causa que está no seu campo de visão, não a causa real. O gestor age no lugar errado. A promessa "a IA te diz o porquê" vira "a IA te diz o porquê do pedaço que alguém integrou". E há ainda a pergunta prática: e se você nem roda Tableau? A capacidade agêntica fica atrás da integração à plataforma — mais uma razão para a fundação de dado vir antes.
4. Dado confiável antes do analista de IA
A lição é mais barata do que uma aquisição bilionária: você provavelmente já tem as fontes. O que falta é trazê-las para o mesmo lugar, de forma confiável. Consolidar CRM, ERP, e-commerce e suporte num dado harmonizado e governado é o pré-requisito que faz qualquer analista de IA — Scout, Tableau ou outro — explicar o "porquê" inteiro.
Isso significa pipelines que levam cada fonte a um destino comum (um data warehouse ou data lake), chaves que reconciliam o mesmo cliente e o mesmo pedido entre sistemas, e atualização em tempo real para que a análise não esteja sempre olhando para ontem. Sem essa camada, você compra inteligência e a alimenta com visão parcial. Com ela, a mesma inteligência passa a enxergar a operação toda.
5. Como a CCX prepara o dado para o agentic analytics
É nesse gap que a CCX atua, e em duas frentes complementares. A frente de Data & BI consolida as fontes antes do analista de IA: pipelines, data warehouse e data lake com ferramentas modernas (BigQuery, Snowflake, Looker, Metabase, Power BI), entregando um dado confiável e harmonizado. É o que transforma "só o que está no Tableau" em "a operação inteira".
Sobre essa base, a frente de Integrações & APIs Enterprise traz CRM, ERP, e-commerce e suporte para o mesmo lugar — via REST, GraphQL e arquitetura event-driven (Kafka/RabbitMQ) — para que o diagnóstico causal cruze marketing, pedido, frete e ticket, e não apenas um deles. E, para quem é do ecossistema Salesforce, a CCX implementa o Salesforce Data Cloud como camada de unificação e ativação de dado. Com 200+ projetos entregues e 60% de redução média de custos reportada por clientes, o princípio é direto: antes de contratar o analista de IA, garanta que ele vai enxergar a história inteira.
6. Perguntas frequentes
Preciso ter Tableau para aproveitar isso? A capacidade da Loops está sendo integrada ao Tableau, então o acesso pleno tende a vir por ali. Mas a lição vale para qualquer ferramenta de analytics: o valor do diagnóstico depende da integração do dado por baixo. Consolidar as fontes beneficia você use Tableau, Looker, Power BI ou outro.
Salesforce Data Cloud resolve a integração sozinho? O Data Cloud é uma peça forte de unificação e ativação de dado dentro do ecossistema Salesforce, mas raramente a operação inteira vive só no Salesforce. Trazer ERP, e-commerce e suporte — muitas vezes de fora do ecossistema — ainda exige um trabalho de integração que alimenta o Data Cloud com a realidade completa.
Quanto tempo leva para integrar as fontes? Depende de quantos sistemas, de quão limpos estão os cadastros e de qual latência o negócio exige. Um diagnóstico inicial mapeia as fontes críticas e prioriza as que mais pesam no "porquê" — normalmente pedido, frete e suporte — para entregar valor por etapas, sem um big bang.
Por que o diagnóstico de IA sai "pela metade"? Porque a análise causal só correlaciona o que está no seu campo de visão. Se a causa real está num sistema não integrado, o agente aponta a melhor explicação possível dentro do dado que tem — que pode não ser a verdadeira. Integrar fecha esse ponto cego.
Antes de contratar analytics agêntico, consolide as fontes. A CCX integra CRM, ERP, e-commerce e suporte num dado confiável para a IA explicar o "porquê" inteiro, não metade. Conheça Data & BI da CCX → (integrações em /br/solucoes; Data Cloud em /br/salesforce-data-cloud).