Proaction usa Codex para criar demos de frotas e diz poupar 75 horas

Protótipos em HTML usam dados reais do cliente e dispensam programadores

Antes de adotar a ferramenta, Colin Knudsen, cofundador e diretor de operações da Proaction, dependia de conversas e apresentações em slides para explicar as funções do sistema comercial. Cada transportadora opera de modo particular, mas programar protótipos personalizados consumiria cerca de dez horas de trabalho técnico que a equipe não tinha disponível. Knudsen agora abastece o Codex com gravações do Granola, mensagens de correio e planilhas dos clientes para estruturar ambientes de demonstração em HTML. O executivo finaliza o protótipo rapidamente.

A Proaction produz de quatro a seis protótipos mensais nesse formato, poupando de 40 a 60 horas de esforço de engenharia a cada mês. Durante a apresentação comercial, os compradores enxergam seus próprios veículos na tela e sugerem alterações nos fluxos operacionais em tempo real. Knudsen calcula que essa abordagem elevou entre 50% e 60% as negociações que avançam da conversa inicial para a proposta técnica. O código visual vira referência direta.

O protótipo aprovado serve como referência visual para os programadores da Proaction, o que diminui o atrito e as dúvidas na entrega da plataforma contratada. Com o Codex, a empresa também estruturou um portal onde clientes exploram fluxos operacionais e funcionários comerciais convertem conversas em requisitos técnicos precisos. Knudsen ainda conectou a ferramenta ao Slack, Gmail, Linear, GitHub e HubSpot para reunir o histórico de cada comprador e disparar automações de vendas. A rotina reúne vinte tarefas diárias.

Startup adota agentes de voz e testa modelos em tarefas operacionais

O executivo calcula que unificar essas ações poupa entre 25 e 33 horas mensais ao evitar transferências manuais de dados entre múltiplos aplicativos. O comunicado, contudo, funciona como peça promocional da OpenAI e se apoia exclusivamente nas estimativas informadas pelo fundador da Proaction, sem auditoria técnica independente. Em operações de campo, a empresa emprega o modelo ChatGPT-5.6 Sol para analisar fotografias e identificar peças avariadas em relatórios de problemas veiculares. A vistoria ocorre em poucos minutos.

Para executar tarefas operacionais, a companhia desenvolve uma camada de execução gerenciada com suporte aos modelos GPT-Live-1 e GPT-6 Astra. Essa arquitetura orienta agentes autônomos que realizam chamadas telefônicas por voz, analisam documentos de trânsito e respondem mensagens para coordenar cobranças de pedágio e agendamentos mecânicos. Um desses agentes, batizado de Marty, conversa diretamente com motoristas por áudio para diagnosticar falhas mecânicas e encaminhar os reparos necessários. A tecnologia ainda passa por testes.