Entrada de dados no CRM com IA para Telegram: preencha campos e etiquetas com MCP

Toda equipe que toca vendas ou suporte pelo Telegram acaba esbarrando no mesmo problema. Você monta um CRM para Telegram, desenha um conjunto sensato de colunas — etapa, prioridade, tamanho do negócio, idioma, origem — e por umas duas semanas todo mundo preenche. Aí vem uma terça-feira corrida, caem quarenta conversas novas e ninguém atualiza mais nada. Seis meses depois você tem 1.400 conversas e um layout de colunas 80% vazio.

As colunas não são o problema. Ninguém quer abrir uma conversa, ler 200 mensagens para trás, deduzir que essa pessoa é um revendedor que fala turco e perguntou sobre preço por volume em abril, e então digitar isso em quatro campos diferentes. São quinze minutos de trabalho por conversa e não produz nada que o cliente veja. Então não é feito.

Só que a informação não está faltando. Está toda nas mensagens. Cada conversa já diz qual idioma a pessoa fala, mais ou menos onde ela está no seu funil, se é um comprador ou um caso de suporte e quão urgente é. Só que essa informação nunca foi legível por nada além de um humano com tempo sobrando.

É exatamente essa lacuna que o MCP fecha. Com o servidor MCP do Telegram da Entergram conectado, um agente de IA pode ler essas mensagens, decidir quais devem ser os valores, criar as colunas caso ainda não existam e gravar os valores de volta no seu CRM — para 1.400 conversas, de uma vez, enquanto você faz outra coisa.

Este artigo é sobre esse trabalho específico: usar um agente de IA como motor de entrada de dados para o seu CRM do Telegram. Não "conversar com a caixa de entrada" — realmente popular um esquema estruturado sobre o qual você poderá filtrar, relatar e transmitir depois.

O Model Context Protocol é o padrão que permite que clientes de IA chamem sistemas externos. A Entergram expõe um servidor MCP hospedado, e a superfície de ferramentas que ele publica é o que determina o que um agente realmente consegue fazer. Para este trabalho, quatro grupos importam:

• Conversas e descoberta — entergram_list_workspace_chats, entergram_get_workspace_chat. É a visão de CRM de uma conversa: valores atuais dos campos, tickets vinculados, notas internas.
• Mensagens — entergram_list_messages, entergram_send_message. São as evidências sobre as quais o agente raciocina e o canal pelo qual ele responde.
• Campos personalizados do CRM — entergram_list_custom_columns, entergram_create_custom_column, entergram_create_custom_column_option, entergram_patch_chat_custom_fields. Ler o esquema, estender o esquema, gravar valores.
• Notas internas e tickets — entergram_create_chat_comment, entergram_create_ticket. Onde o agente deixa seu raciocínio e onde ele escala.

O ponto importante é que create_custom_column exista. A maioria das integrações deixa a máquina apenas gravar em campos que outra pessoa desenhou. Aqui o agente também pode desenhar o campo — escolher o tipo (text, textarea, number, date, select, multiselect, checkbox), definir a lista de opções, dar uma cor a cada uma — e começar a preenchê-lo imediatamente. Isso muda o fluxo de "configure e depois automatize" para "descreva o resultado que quer e deixe a estrutura ser construída".

A configuração leva alguns minutos: copie a URL do seu servidor MCP em Configurações → Desenvolvedores → Conectores (API e MCP), cole no Claude, ChatGPT, Cursor, n8n ou no cliente que você usar, e autorize os escopos. A página de ajuda sobre conectores MCP e nosso guia para conectar qualquer cliente de IA cobrem os detalhes por plataforma. Tudo abaixo assume essa conexão ativa.

Comece pela que se paga imediatamente, principalmente se você vende para fora do país.

Você não faz ideia de qual idioma a maioria dos seus contatos prefere. Sua equipe escreve em inglês por padrão, recebe respostas curtas e lê isso como pouco interesse. Metade das vezes não é pouco interesse — é alguém digitando no terceiro idioma e sendo breve porque dá trabalho.

Aqui está o fluxo inteiro como prompt:

Crie uma nova coluna personalizada de conversa no meu espaço da Entergram chamada "Idioma", do tipo select, com estas opções: Inglês (en), Russo (ru), Espanhol (es), Turco (tr), Português (pt), Farsi (fa), Árabe (ar), Chinês (zh), Alemão (de), Francês (fr) e Misto/Indefinido (unclear). Dê a cada uma uma cor distinta.

Depois percorra todas as conversas do espaço de trabalho. Em cada uma, leia as últimas 100 mensagens, observe apenas o que o contato escreveu (ignore minhas próprias mensagens e qualquer saída de bot) e determine o idioma dominante em que ele escreve. Grave isso no campo Idioma. Se houver menos de cinco mensagens do contato, ou se ele escrever em dois idiomas de forma parecida, coloque unclear em vez de adivinhar.

Antes de gravar qualquer coisa, mostre-me as primeiras 20 conversas com o valor proposto e uma justificativa de uma linha. Eu confirmo e então você faz o resto.

O que o agente faz, passo a passo:

1. Chama entergram_list_custom_columns para verificar se já existe uma coluna Idioma — para que uma segunda execução não crie duplicata.
2. Chama entergram_create_custom_column com type: "select" e o array de opções, cada entrada com label, um value estável e uma color em hexadecimal.
3. Chama entergram_list_workspace_chats para enumerar as conversas, usando items[].telegramId como id canônico da conversa.
4. Para cada conversa, chama entergram_list_messages e puxa o histórico recente.
5. Decide o valor e chama entergram_patch_chat_custom_fields com { language: "tr" }.

Algumas coisas separam uma coluna genuinamente útil de outra em que você deixa de confiar:

Filtre suas próprias mensagens. Se o agente ler a thread inteira incluindo o seu lado, uma equipe de suporte que escreve em inglês vai enviesar todos os resultados para o inglês. A instrução "observe apenas o que o contato escreveu" faz um trabalho de verdade.

Separe alfabeto de idioma. Cirílico não é automaticamente russo — pode ser ucraniano, búlgaro ou sérvio. A escrita árabe não é automaticamente árabe — farsi e urdu também a usam. Diga isso explicitamente no prompt se você vende nesses mercados, e o agente vai ler o vocabulário em vez de reconhecer o alfabeto.

Dê a ele uma saída de emergência. A opção unclear é o que impede a coluna de encher de absurdos ditos com confiança. Um campo 90% preenchido e correto vale mais que um 100% preenchido e 15% errado, porque o segundo envenena silenciosamente cada transmissão que você construir em cima.

Adicione um campo de confiança se o risco for alto. Uma segunda coluna — Confiança do idioma, tipo number — permite ao agente registrar um 0–100 ao lado de cada decisão. Depois você filtra tudo abaixo de 70 e revisa você mesmo. Quarenta conversas em vez de 1.400.

Depois de existir, essa coluna não é enfeite. Ela decide quem recebe qual modelo de resposta, qual colega assume a conversa e — veja a seção abaixo — qual variante de transmissão o contato recebe.

Mesma mecânica, julgamento mais difícil. Esta é a coluna que seus vendedores deveriam manter e nunca mantiveram.

Crie uma coluna select "Etapa do funil" com as opções: Lead novo, Qualificando, Demo agendada, Proposta enviada, Negociação, Ganho, Perdido, Adormecido.

Em cada conversa, leia as últimas 100 mensagens e escolha a etapa que a conversa realmente sustenta. Use evidências, não intuição: "Proposta enviada" apenas se eu enviei preços ou um documento; "Demo agendada" apenas se houve uma chamada combinada com horário; "Ganho" apenas se há confirmação de pagamento ou de início; "Perdido" apenas se houve recusa explícita. Se a última mensagem do contato tiver mais de 45 dias e não houver desfecho claro, coloque Adormecido.

Para cada conversa que você etiquetar, deixe também uma nota interna citando a mensagem específica que justifica a etapa, com a data.

É essa última linha que torna tudo confiável. entergram_create_chat_comment grava uma nota que só sua equipe vê, nunca o cliente. Assim cada conversa etiquetada carrega sua própria trilha de auditoria — "Proposta enviada, conforme 12 de junho: 'aqui está o orçamento para 200 assentos'". Quando um vendedor discorda de uma etiqueta, ele vê em dois segundos por que o agente escolheu aquilo e corrige a etiqueta em vez de perder a fé na coluna inteira.

Variações úteis quando a versão básica já roda:

• Uma coluna de data Último contato relevante, preenchida com o timestamp da última mensagem não trivial — excluindo "ok", "obrigado", figurinhas e reações. Ordene por ela e você tem uma fila real de follow-up, não uma poluída por emojis de joinha.
• Uma coluna number Valor do negócio, preenchida com qualquer cifra que o contato realmente citou. Vazia quando nada foi discutido. De repente seu funil tem um número, extraído de conversas que ninguém registrou.
• Um textarea Bloqueio, uma frase sobre por que cada negócio não fechou. Leia essa coluna em vinte conversas e você aprenderá mais sobre seu funil do que em qualquer painel.

Se você faz prospecção em volume, combine isso com a abordagem do nosso guia de automação de vendas no Telegram — a coluna de etapa é o que torna o resto do funil endereçável.

Suporte precisa de um formato diferente do de vendas, e é aqui que o multiselect se justifica, porque uma conversa é muitas vezes uma dúvida de cobrança e um relato de bug.

Crie uma coluna multiselect "Tipo de ocorrência" com as opções: Cobrança, Bug, Onboarding, Pedido de funcionalidade, Integração, Acesso à conta, Denúncia de abuso. Crie uma coluna checkbox "Precisa de humano". Crie uma coluna select "Sentimento" com as opções: Satisfeito, Neutro, Frustrado, Irritado.

Para cada conversa com atividade do contato nos últimos 14 dias, leia as mensagens recentes e preencha os três campos. Marque "Precisa de humano" quando o contato tiver feito uma pergunta que nunca foi respondida, ou quando o sentimento for Frustrado ou Irritado.

Depois, para tudo que estiver com "Precisa de humano" marcado e sentimento Irritado, abra um ticket de prioridade alta, dê a ele um título de uma linha resumindo o problema e vincule-o à conversa.

Valores de multiselect são enviados como arrays de valores de opção — ["billing", "bug"] —, não como rótulos, e é por isso que o agente deve sempre ler o esquema antes de gravar. Campos checkbox aceitam booleanos reais. Campos de data aceitam strings ISO 8601. Se algum estiver errado, a gravação é rejeitada em vez de silenciosamente deformada, que é justamente o comportamento desejado.

O que sobra no fim é uma fila de suporte ordenada por algo melhor que a hora de chegada. Filtre por Precisa de humano = verdadeiro, ordene por sentimento e você estará trabalhando a lista na ordem que de fato reduz o churn. Combine com um quadro Kanban de tickets e as escalações abertas pelo agente aparecem na mesma raia em que sua equipe já trabalha.

Os dois acima são os óbvios. Estes costumam surpreender.

Horário ativo. Uma coluna number, Hora ativa, preenchida com a hora do dia (em UTC) em que o contato mais costuma enviar mensagens, calculada a partir dos timestamps das últimas 100 mensagens. Não custa nada a mais para o agente — ele já tem os timestamps — e diz a você quando a pessoa está de fato na mesa. Escrever para um comprador em Dubai às 07:00 UTC e para um em São Paulo às 19:00 UTC significa uma taxa de resposta sensivelmente maior com zero esforço extra.

Padrão de resposta. Uma coluna select — Responde rápido, Responde em um dia, Responde em dias, Raramente responde — derivada da mediana do intervalo entre a sua mensagem e a resposta dele. É o campo que diz se o silêncio significa alguma coisa. Um contato que sempre leva quatro dias não está esfriando; alguém que responde na mesma hora e sumiu há uma semana, sim.

Empresa e cargo. Colunas de texto, preenchidas com o que a pessoa disse sobre si mesma na conversa — a assinatura, a apresentação, aquela mensagem do primeiro mês dizendo "somos uma exchange de 40 pessoas em Singapura". Está lá no histórico e ninguém nunca copiou para um campo.

Origem da indicação. Uma coluna select, preenchida com o que o contato contou sobre como chegou até você — uma comunidade, um parceiro, um canal específico. Rode isso no espaço de trabalho inteiro e você tem um relatório de atribuição para um canal que nunca teve um.

Sinalizadores de conformidade. Um checkbox Pediu para não receber marketing, marcado sempre que alguém pediu para não ser contatado com promoções. Rode isso uma vez em todo o seu histórico e você terá construído uma lista de supressão a partir de mensagens que sua equipe lembra pela metade. Antes da próxima campanha, esse único campo já paga o exercício inteiro.

Nada disso exige recursos novos de produto. É tudo coluna mais uma passada de leitura — e é precisamente isso que faz valer a pena conectar o MCP.

Agora o retorno. As colunas acima não são um fim em si; elas existem para que você possa agir sobre grupos em vez de indivíduos.

Depois que Idioma, Etapa do funil e Último contato relevante estiverem preenchidos, um pedido assim se torna possível:

Encontre todas as conversas em que a Etapa do funil seja Adormecido, o Idioma seja Russo, "Pediu para não receber marketing" esteja desmarcado e o Último contato relevante tenha mais de 60 dias. Mostre-me a lista com nomes e a última coisa que disseram.

Escreva uma mensagem curta de reengajamento em russo — duas frases, sem emoji, mencionando que da última vez falamos sobre preços. Mostre o rascunho e a lista de destinatários. Não envie nada ainda.

Você revisa. Ajusta o texto. Então:

Envie, uma conversa por vez, a partir da conta de vendas, com uma pausa entre cada uma. Pule quem nos escreveu nas últimas 48 horas. Depois de enviar, mude a Etapa do funil para Qualificando e deixe uma nota interna registrando a data e a campanha.

Isso é uma transmissão segmentada, ajustada ao idioma e ciente da lista de supressão, que ainda atualiza seu CRM como efeito colateral — construída com campos que não existiam uma hora antes. O guia de mensagens em massa cobre o mesmo trabalho pela interface da Entergram; o caminho via MCP é o que você quer quando o segmento é definido por algo que só uma passada de leitura poderia determinar.

Três regras importam aqui mais do que em qualquer outro ponto do artigo:

Sempre exija um ensaio a seco. "Mostre-me a lista e o rascunho, não envie" deveria estar em todo prompt de transmissão que você escrever. Enviar é a única ação que não dá para desfazer, e messages.write permite que um agente envie em seu nome.

Controle o ritmo. O antispam do próprio Telegram reage a rajadas. Uma mensagem por vez com intervalo não é teatro de cautela — é assim que a conta se mantém saudável. Nosso guia sobre enviar mensagens em massa no Telegram detalha os limites.

Escreva variantes por idioma, não traduções de uma mensagem em inglês. Agora você tem uma coluna Idioma. Use-a direito — uma mensagem russa escrita como russo rende mais que uma inglesa traduzida por máquina, e o agente é perfeitamente capaz de escrever a primeira se você pedir.

Algumas notas práticas para o primeiro preenchimento em massa.

Faça em lotes. Peça 50 conversas por vez em vez de 1.400 numa instrução só. O contexto do agente é finito, e uma execução em lotes que reporta progresso é uma que você pode parar, corrigir e retomar. "Faça as conversas 1–50, mostre uma tabela-resumo e espere" é uma instrução melhor que "faça tudo".

Ordene por valor. Faça primeiro as conversas ativas, não a ordem alfabética. Se a execução quebrar no meio, você quer que a metade útil esteja pronta.

Torne as reexecuções idempotentes. Diga ao agente para pular conversas em que o campo já está preenchido, a menos que você peça explicitamente uma atualização. Assim você pode rodar o mesmo prompt semanalmente para pegar conversas novas sem refazer trabalho.

Conceda apenas os escopos necessários. Para uma passada de ler e etiquetar, chats.read, messages.read e chat_custom_fields.write bastam. Deixe messages.write totalmente desligado até chegar à etapa de transmissão. Os escopos são a fronteira de segurança real — veja o que colegas e clientes conectados enxergam.

Mantenha um humano no circuito para qualquer coisa irreversível. Etiquetas são baratas de corrigir. Mensagens enviadas a 300 pessoas, não.

Uma IA consegue mesmo ler minhas conversas pessoais do Telegram?
Pelo servidor MCP da Entergram, sim — ele opera na sua conta conectada, não em um bot, então vê as mesmas DMs, grupos e canais que você. É esse o ponto: bots não conseguem ver as conversas onde o seu negócio de fato acontece. A distinção está em Telegram MCP vs. a Bot API.

Funciona com um bot do Telegram no lugar?
Não. A Bot API só consegue ler mensagens enviadas ao bot. Todo fluxo deste artigo depende de ler histórico real de conversas a partir de uma conta normal.

Quais clientes de IA suportam isso?
Qualquer cliente compatível com MCP — Claude, ChatGPT, Perplexity, Cursor, Cline, Windsurf, Zed, Goose, Raycast, além de n8n e Make. A configuração é uma URL e uma autorização OAuth; veja conectar o Claude ao Telegram MCP ou a lista completa de conectores.

O que acontece quando o agente etiqueta algo errado?
Você corrige o valor na tabela de conversas como qualquer outro campo. É por isso que o hábito da nota interna importa — você vê o raciocínio, identifica o padrão e ajusta o prompt em vez de abandonar a coluna.

Os campos criados via MCP aparecem na interface normal?
Sim. São colunas personalizadas comuns — filtráveis, ordenáveis, visíveis para a equipe, utilizáveis em analytics e na montagem de segmentos. O MCP é uma segunda porta para o mesmo esquema, não um sistema paralelo.

O erro é tentar desenhar um esquema perfeito de doze colunas no primeiro dia. Não faça isso. Pegue Idioma, rode no seu espaço de trabalho inteiro e veja como é filtrar a caixa de entrada por ele. Custa um prompt e um café, e fica imediatamente óbvio se os valores estão certos.

Depois adicione Etapa do funil. Depois as etiquetas de suporte. Depois as estranhas — hora ativa, padrão de resposta, origem da indicação — que nenhum CRM traz de fábrica porque nenhum CRM teria como saber que você ia querer.

O destravamento não é a IA escrever no seu banco de dados. É a conversa finalmente virar um objeto consultável: algo que você pode etiquetar, contar, segmentar e trabalhar, sem que ninguém precise ler 200 mensagens para trás só para lembrar quem era essa pessoa.

Conecte seu servidor MCP do Telegram e comece com uma coluna.