O que aprendemos ao fazer nossos primeiros US$ 75 com um negócio gerido por IA.
Em julho, decidimos testar se um agente de IA poderia administrar uma empresa capaz de gerar receita real. Fornecemos ao Devin um cartão Ramp, um número de telefone e um endereço de e-mail, demos a ele o nome de BugBasher e instruímos que descobrisse o resto por conta própria.
A ideia: criar um serviço agêntico de dedetização. A cidade de Nova York publica os resultados de todas as inspeções sanitárias de restaurantes, incluindo violações relacionadas a pragas. O BugBasher entraria em contato com esses restaurantes, verificaria se desejavam um dedetizador e cobraria uma taxa pela indicação.
Quatro semanas e muitas ligações depois, ele havia faturado US$ 75. Pelo que podemos apurar, este é o primeiro caso publicamente documentado de um agente de IA realizando vendas B2B com sucesso a partir de um ponto zero absoluto.
Receita do BugBasher durante o experimento de quatro semanas.
Configuração
O BugBasher roda no Devin, o agente de codificação da Cognition, com a plataforma financeira agêntica da Ramp gerenciando seu dinheiro. Também fornecemos a ele um número de telefone e uma voz (através da Twilio e ElevenLabs), um endereço de e-mail (via AgentMail) e um link de pagamento Stripe.
Ele também tinha um repositório GitHub e um "cérebro" composto por arquivos de texto em um bucket de armazenamento, que servia como sua memória. Um canal privado no Slack permitia que ele nos enviasse atualizações e solicitasse revisões de código.
O loop de autoaperfeiçoamento
Para dar ao BugBasher a liberdade de iterar sobre seu próprio plano de negócios e responder a demandas externas, configuramos um sistema de heartbeat estilo OpenClaw. A cada 20 minutos, um heartbeat era executado na forma de uma automação do Devin.
As sessões automatizadas verificavam o saldo telefônico, a caixa de entrada e a atividade no Stripe para identificar bloqueios. Outras sessões programadas faziam ligações para restaurantes, revisavam transcrições e revisavam as instruções do agente de telefone com base nos resultados. Uma vez por dia, uma sessão de "ideias" revisava o desempenho geral do negócio e propunha novas melhorias para testar. Chamadas recebidas e pagamentos também disparavam novas sessões do Devin, permitindo que o BugBasher respondesse sem esperar pelo próximo heartbeat.
Atividade do BugBasher ao longo de quatro semanas, colorida por tipo de sessão. Pontos laranja marcam sessões iniciadas manualmente por nós.
Cada heartbeat iniciava um novo Devin, com um novo sandbox, e baixava o "cérebro" de um bucket de armazenamento para o sistema de arquivos local do agente. Dentro do bucket estavam habilidades do agente, transcrições de chamadas e quaisquer outros logs que o agente decidisse salvar. Isso facilitava que múltiplos agentes concorrentes atualizassem o mesmo cérebro e aprendessem com seu próprio progresso.
1bugbasher-brain-main/2├── AGENTS.md3├── memory.md4├── open-decisions.md5├── do-not-call.csv6├── (... other MD and CSV files)7│8├── transcripts/9│ └── 2026-08-07 … 2026-09-08/ (25 day folders, 14,742 .json)10├── results/11│ ├── 2026-08-25-123b4fb1-partner-webform-shots/12│ ├── 2026-08-28-cf20a49e-desk2-lead-sheets/13│ └── (...)14├── runs/15│ ├── dial-slots/16│ └── <date>-<session>-<role>.md (411 files)17├── skills/18│ ├── README.md19│ ├── roles/20│ │ ├── calling/21│ │ ├── heartbeat/22│ │ ├── idea-engine/23│ │ ├── morning-brief/24│ │ └── (...)25│ ├── brain-maintenance/26│ ├── call-qa/27│ ├── (..)28├── call-qa/29├── context/30│ ├── meetings/31│ └── (18 .md)32├── archive/33│ ├── memory-2026-08.md34│ ├── memory-2026-09.md35│ ├── strategy-2026-08.md36│ ├── strategy-2026-09.md37│ └── open-decisions-closed.md38├── webcrafter/39│ └── (...)40├── partner-prospects/41│ └── (...)42├── dashboard/43│ ├── expenses.csv44│ ├── metrics.csv45│ ├── revenue.csv46│ └── summary.json47├── delivery/48│ └── runs/49├── handoff/50└── inbound-callbacks/
Os arquivos compartilhados permitiam que novas sessões retomassem trabalhos anteriores e revisassem sua abordagem sem que precisássemos direcionar cada passo.
Durante a automação de revisão diária, o Devin analisava todos os logs anteriores e tentava aprender com seus erros. A maioria desses aprendizados vinha na forma de atualizações de habilidades que melhorariam a próxima rodada de chamadas de saída ou alimentariam insights mais amplos em sessões futuras. O BugBasher podia atualizar seus prompts e instruções salvas sozinho, mas mudanças em seu código ainda exigiam nossa aprovação.
O BugBasher adicionou, removeu e reorganizou instruções conforme revisava os resultados das chamadas. Seu prompt cresceu de 252 para 2.793 palavras durante a execução.
Passamos as duas primeiras semanas construindo o BugBasher e supervisionando-o de perto. Parte do experimento era ver se ele conseguia continuar progredindo quando encontrasse um bloqueio, então, após essa configuração inicial, tentamos intervir o mínimo possível, fazendo check-ins aproximadamente uma vez por semana para aprovar mudanças críticas no código.
Encontrando restaurantes interessados
Para vender indicações, o BugBasher primeiro precisava encontrar restaurantes que quisessem um dedetizador. A maior parte de seu trabalho consistia em ligar para restaurantes com violações recentes de pragas e perguntar se gostariam de ser colocados em contato com um.
Resultados de 10.929 chamadas para restaurantes. As contagens representam chamadas, não restaurantes únicos.
Essas chamadas alimentavam a automação de revisão, onde o Devin examinava as transcrições e revisava as instruções do agente de telefone para chamadas subsequentes.
Idioma
O BugBasher às vezes alcançava pessoas que não entendiam sua abertura em inglês. Elas diziam "Hello? Huh? Wéi?", o que ele interpretava como uma conexão ruim — então desligava na cara delas. Em 11 de agosto, depois que um restaurante passou 45 segundos nessa situação, ele adicionou uma instrução ao seu prompt de chamada para perguntar: "Espanhol ou chinês seria mais fácil?"
Na maioria das chamadas não realizadas em inglês, isso foi suficiente para retomar conversas que haviam falhado anteriormente. Ao longo da execução, ele mudou de idioma em 39 chamadas, principalmente para espanhol ou chinês.
Prompt do sistema
O agente também começava às vezes a ler seu prompt do sistema em voz alta no meio das conversas.
O agente de telefone lendo suas instruções em voz alta durante uma chamada para um restaurante.
Ele também argumentava consigo mesmo em voz alta sobre o que fazer:
"Você ainda está aí? O usuário ficou silencioso por dois turnos. De acordo com as regras SPEECH GATE e THE ASK, se um turno mostrar que eles não estavam ouvindo, minha resposta inteira é o pedido. No entanto, a regra 'Silêncio continuou além de trinta segundos' afirma que, se o silêncio continuou além de trinta segundos sem resposta ao pedido, eu devo dizer 'Vou tentar novamente outra hora, obrigado!' e encerrar a chamada. Como o usuário ficou silencioso por dois turnos, é provável que mais de trinta segundos tenham passado. Mas antes de encerrar a chamada, devo perguntar 'Você ainda está aí?' conforme a regra. Esta é a primeira vez que estou perguntando isso."
Isso aconteceu em 197 chamadas. O BugBasher tentou adicionar "nunca diga seu raciocínio" ao prompt, deletar palavras específicas e alterar a formatação das chamadas de ferramentas. Nenhuma das correções funcionou. Em 24 de agosto, ele parou de fazer alterações na redação e escalou o problema para nós.
Desatolando-se
O BugBasher estava encontrando restaurantes interessados, mas ainda não tinha um dedetizador para enviar-lhes. Inicialmente, ele tratava a contratação de um como uma tarefa que exigia envolvimento humano. Após oito dias, ele observou:
"Contratar um dedetizador" tem sido o bloqueador nº 1 há 8 dias, enquanto todas as sessões trabalhavam a jusante dele, e nenhuma sessão produziu a entrada para essa decisão.
Outras solicitações também estavam esperando por nós. Ele não tinha permissão para ler respostas no Slack, e os bloqueadores humanos, como aprovações de gastos e revisões de código, estavam se acumulando. Suas atualizações no Slack para nós ficavam sem resposta.
Em 23 de agosto, o BugBasher identificou "throughput de aprovação humana" como seu principal bloqueador e começou a procurar outra maneira de nos alcançar.
Naquela manhã, ele começou a pesquisar todo o cérebro e todos os seus arquivos para encontrar detalhes de contato de qualquer humano. Quando isso não deu frutos, ele tentou listar os membros de seu canal no Slack na esperança de encontrar uma pessoa para contactar:
1slack conversations.members -> missing_scope2slack users.list -> missing_scope
No entanto, sem as permissões necessárias do Slack, ambos os comandos retornaram um erro. Um minuto depois, ele decidiu tentar algo diferente, desta vez listando os colaboradores em seu repositório Github:
1gh api repos/.../collaborators -> jzone3, birdhumming
Em seguida, ele executou git log para encontrar os autores dos commits anteriores, o que rendeu dois e-mails corporativos:
113:49:19 git log --format='%an %ae' | sort -u213:50:17 email sent to two work addresses -> 200
E acordamos com o seguinte e-mail:
Fizemos o merge dos nove PRs abertos dois dias depois.
Depois disso, ele comentou consigo mesmo:
A assimetria de custos é brutal: um minuto procurando versus um dia de pedidos sem resposta.
Encontrando um cliente
Com muitos leads para vender, o BugBasher também havia começado a procurar um dedetizador por conta própria. Para encontrar parceiros potenciais, o BugBasher extraiu o registro estadual de pesticidas, filtrou para 321 empresas de controle de pragas em NYC e enriqueceu 125 com detalhes de contato.
Ele primeiro tentou e-mail, telefone e preenchimento de formulários de contato no site. Depois de dois dias sem alcançar um humano, ele tomou a decisão de mudar o público-alvo. Começou a mirar nas mesas de contas comerciais de grandes cadeias regionais e nacionais, com o raciocínio de que empresas maiores teriam mais vendedores dedicados com "mesas atendidas por humanos que respondem."
Isso foi mais bem-sucedido em alcançar humanos, mas algumas chamadas terminaram com o BugBasher desligando no meio da frase, e sua oferta de leads gratuitos atraiu pouco interesse. Ele corrigiu o bug de desligamento e mudou seu pitch para começar com um restaurante específico que queria um orçamento:
"Tenho um restaurante na Clarkson Avenue, no Brooklyn, que quer um orçamento — para quem devo enviá-lo?"
A nova estratégia de pitch funcionou consideravelmente melhor: quando ele ligou para as mesmas mesas no dia seguinte, dez pessoas atenderam e quatro delas forneceram um endereço de e-mail pelo telefone para que o lead fosse enviado.
O BugBasher enviou os leads por e-mail sem cobrar antecipadamente. Seu plano era que o dedetizador pagasse US$ 75 após fechar o serviço. Nenhum dos destinatários respondeu.
Ele decidiu que precisava ser menos generoso e alterou a oferta para que os dedetizadores tivessem que pagar os US$ 75 antecipadamente através de um link Stripe e receber os detalhes de contato do restaurante depois.
Em 1º de setembro, ele enviou por e-mail esta nova oferta para 30 dedetizadores, incluindo os quatro que havia contactado anteriormente. Depois de uma hora, ninguém havia clicado no link Stripe, e ele concluiu que seu novo experimento também havia sido um fracasso.
Oito horas depois disso, um dos contatos anteriores pagou os US$ 75 através do link, sem nunca ter respondido ao e-mail. O BugBasher confirmou o pagamento com o Stripe e enviou a ele o nome, endereço e número de telefone do restaurante cerca de seis minutos depois.
Mais tarde, conversamos com o comprador, um gerente de uma empresa de controle de pragas, para perguntar sobre sua experiência com o BugBasher. Quando questionado sobre por que havia atendido o telefone, ele disse que simplesmente estava "de bom humor naquele dia" e que, devido a uma recente campanha de anúncios do Google que estava rodando, estava recebendo muitas ligações de "números aleatórios".
Quando questionado sobre suas opiniões sobre interagir com um agente de IA, ele respondeu com "Negócios são negócios". Ele também disse que estaria mais do que feliz em comprar do BugBasher novamente e perguntou se tínhamos mais leads para vender a ele. O BugBasher realmente tem mais leads que está segurando atualmente; no entanto, a ideia de refazer vendas para clientes passados parece não ter ocorrido a ele ainda. No geral, ele classificou sua experiência com o BugBasher em 8/10: apesar do lead não converter, ele ficou satisfeito com o inbound.
O que aprendemos
- O BugBasher foi notoriamente bom em subir colinas (hill-climbing) e notoriamente ruim em objetivos abertos. Dado um problema concreto com um resultado mensurável, ele foi implacável: reescreveu a regra de vazamento de prompt cinco vezes e avaliou cada versão contra as chamadas do dia seguinte, e quando quis nos alcançar, trabalhou seu caminho do Slack para o histórico do git até nossos e-mails corporativos em cerca de dois minutos. Dado "vá ganhar dinheiro", ele gastou quatro semanas, aproximadamente US$ 3.000 e milhares de chamadas telefônicas para ganhar US$ 75. Os agentes ainda lutam com planejamento de longo prazo e ambientes complexos.
- O mundo real é um ambiente de avaliação muito bom. As ideias iniciais do BugBasher eram bastante ruins; ele esperava que os dedetizadores respondessem a um e-mail oferecendo leads gratuitos, que recepcionistas estivessem interessadas em uma parceria e que leitores de um anúncio classificado clicassem em um link que parecia bastante suspeito. Os agentes parecem ter muito pouca intuição sobre como as pessoas realmente se comportam, e o BugBasher estava constantemente sendo surpreendido por elas. Apesar disso, no ciclo de tentar a ideia, olhar para os números, anotar por que falhou e tentar algo diferente, ele foi capaz de eventualmente chegar a uma estratégia funcional.
Levou muitas chamadas, loops e ideias falhas, mas o BugBasher foi finalmente capaz de realizar sua primeira venda. Se um agente de IA é verdadeiramente capaz de administrar um negócio viável e de longo prazo — e talvez até se tornar lucrativo — ainda é uma questão em aberto.
