Esta IA elimina a perda de receita por faltas.

As equipes de vendas se concentram em agendar mais chamadas, mas uma métrica mais silenciosa drena receita: os não comparecimentos. Cada compromisso perdido não apenas desperdiça 30 minutos na agenda de um vendedor; também consome os investimentos em anúncios, os testes de páginas de destino e os ajustes no funil que trouxeram aquele lead para a agenda em primeiro lugar.

Para agências que gastam de $50 a $300 para adquirir uma única ligação agendada, uma taxa de não comparecimento de 20 a 40% pode eliminar dezenas de milhares de dólares por mês. Essa perda se acumula quando esses leads caem em um limbo de CRM, nunca sendo etiquetados, nunca seguidos e nunca retargetados com uma oferta mais inteligente ou um slot de segunda chance.

Por trás de cada não comparecimento, há uma pilha de custos irrecuperáveis: gastos com mídia, abordagem de SDR e o tempo que sua equipe de operações gastou configurando funis e automações. Quando um vendedor se depara com mais uma sala vazia no Zoom, a moral erode; eles começam a assumir que “os leads são ruins” em vez de “nosso sistema está com falhas”, e essa mentalidade silenciosamente prejudica o desempenho nas ligações que realmente acontecem.

Os CRMs prometem clareza, mas em um pipeline de agência de alta velocidade, a marcação manual se torna ficção. Os fechadores deveriam saltar de uma ligação perdida para o CRM, escolher a tag de “não compareceu” correta em um menu suspenso, talvez adicionar uma nota e acionar o fluxo de trabalho adequado. Sob pressão, eles não o fazem. Eles passam para a próxima chamada, e os dados apodrecem.

Esse gargalo humano cria conjuntos de dados sujos que prejudicam tudo que é construído sobre eles: cálculos de taxa de vitória, otimização de anúncios, até mesmo perguntas básicas como “Qual é a nossa taxa de exibição real?” se tornam suposições. Tags perdidas significam automações perdidas—nenhum SMS de acompanhamento, nenhuma sequência de “remarcar”, nenhum alerta no Slack para um gerente que poderia salvar o negócio.

Pergunte à maioria dos "especialistas" em operações de vendas sobre como resolver isso e você ouvirá uma resposta familiar: automatizar completamente a detecção de faltas é “quase impossível” porque alguém precisa julgar o que aconteceu. O lead cancelou em cima da hora? Ele entrou atrasado? O vendedor não compareceu? A suposição incorpora trabalho manual ao sistema para sempre.

Portanto, as agências aceitam faltas como perda ambiental, outro "custo de fazer negócios", assim como as taxas de processamento de pagamentos. Mas quando você amplia a visão para centenas ou milhares de consultas por mês, isso não é ruído de fundo - é um vazamento de receita persistente e em grande parte não resolvido, escondido à vista de todos.

A automação impossível geralmente naufraga nas rochas do comportamento humano caótico. Jannis Moore decidiu ignorar isso e transformar um assistente de IA em um árbitro imparcial para cada chamada agendada, usando fireflies como uma fonte confiável de quem realmente compareceu. Chega de depender dos fechadores para lembrar de uma tag suspensa; a presença está na transcrição, não na memória de alguém.

Em um nível alto, o fluxo de trabalho parece enganosamente simples. fireflies participa de cada reunião programada, grava o áudio e gera uma transcrição. A partir daí, n8n captura um webhook de “reunião processada”, envia os dados brutos através do OpenAI e, em seguida, fornece um veredicto limpo para o GoHighLevel, que atualiza o contato, a oportunidade e os gatilhos de automação.

Pense nisso como uma linha de montagem de quatro nós para detecção de faltas: - fireflies grava e transcreve a chamada - n8n orquestra o fluxo de dados e o tratamento de erros - OpenAI analisa a presença, casos extremos e intenções - GoHighLevel marca o contato e inicia os acompanhamentos

Moore afirma que esta pilha atinge 100% de precisão na marcação de ausências em milhares de compromissos, incluindo entradas tardias, ausências no lado dos mais próximos e cancelamentos de última hora. Esse número desafia diretamente a suposição padrão da indústria de que “alguém precisa verificar o CRM” após cada chamada. Aqui, a única pessoa envolvida é aquela que ou participa da reunião ou não.

Nos bastidores, a OpenAI faz mais do que um simples sim/não. Ela analisa quem falou, por quanto tempo e se a conversa realmente aconteceu, em seguida, codifica esse julgamento em um pacote estruturado para o GoHighLevel. n8n impõe essas regras de forma consistente, toda vez, sem ficar cansada, distraída ou esquecer de clicar em “salvar”.

Isso inverte o fluxo de trabalho padrão de reativo para proativo. Em vez de os representantes de vendas limparem registros após o ocorrido, o sistema registra a realidade no CRM em tempo real e permite que os humanos reagem a essa verdade. Campanhas de recuperação de ausências, sequências de reativação e relatórios de desempenho tornam-se saídas automáticas de dados que se gerenciam sozinhos.

Todo sistema de captura de faltas precisa de quatro órgãos principais. Fireflies.ai é o ouvido, unindo-se silenciosamente a cada chamada agendada, gravando áudio e gerando transcrições e metadados de presença para reuniões do Google Calendar, Outlook e Microsoft Office 365. Esse registro bruto da chamada se torna o único registro imparcial de quem realmente compareceu.

n8n atua como o cérebro. Ele escuta os webhooks do Fireflies, puxa a transcrição e os detalhes da reunião, e os processa através de um fluxo de trabalho ramificado que determina se este foi um show limpo, uma ausência ou um dos casos complicados (entrada tardia, apenas fechamento, apenas bot de IA). Como o n8n é baseado em nós, você pode ajustar visualmente a lógica sem escrever uma única linha de código.

OpenAI é o detetive sentado dentro desse fluxo de trabalho. Em vez de regras rígidas de if/else, o n8n envia a transcrição e os dados de presença do Fireflies para um LLM, que interpreta o contexto da conversa: “cliente nunca entrou,” “reescalonamento acordado,” “lead ignorado após 10 minutos.” Esse julgamento retorna como JSON estruturado que o n8n pode confiar e agir.

• 1*GoHighLevel* é as mãos. Uma vez que o n8n tenha um veredicto, ele aciona a API do GHL para:
• 2Adicione uma etiqueta de não comparecimento.
• 3Atualize a fase da oportunidade
• 4Deixe notas, tarefas ou acione fluxos de trabalho de acompanhamento.

Ferramentas opcionais completam o conjunto. Uma integração com o Slack transforma cada sucesso, falha ou revisão de caso extremo em uma notificação em tempo real para seu canal de vendas, assim sua equipe vê “Falta marcado para John Doe” ou “Erro de fluxo de trabalho na Acme Corp” em segundos. Você pode substituir o Slack por email ou Microsoft Teams se sua equipe estiver em outro lugar.

Comparado ao Zapier, o n8n se comporta como uma versão sem restrições da mesma ideia. O n8n auto-hospedado tem um custo fixo de servidor em vez de uma cobrança por zap ou por tarefa, e você pode executar ramificações complexas, loops e chamadas de API personalizadas sem camadas premium ou limites de aplicativos. Para uma agência de alto volume que lida com centenas ou milhares de consultas por mês, essa flexibilidade e perfil de custo são inegociáveis.

Nada disso exige habilidades de desenvolvedor. Fireflies, n8n, OpenAI e GoHighLevel oferecem planos de entrada generosos, gratuitos ou de baixo custo, e os modelos JSON de Jannis Moore abstraem 90% da configuração. Para detalhes de conexão entre GHL e n8n, guias como [Como Conectar o Go High Level Com o n8n [Passo a Passo]](https://websensepro.com/blog/how-to-connect-go-high-level-with-n8n-step-by-step/) te guiam até o último trecho.

Fireflies.ai se torna silenciosamente seu mais confiável fechador ao fazer uma coisa aparentemente simples: ingressar automaticamente em todas as chamadas agendadas. Conecte seu Google Calendar ou Outlook uma vez, informe ao fireflies quais calendários e tipos de reunião observar, e seu bot de anotações aparecerá na sala do Zoom, Meet ou Teams na hora certa, toda vez. Ninguém da sua equipe precisa lembrar de pressionar gravar ou convidar um bot novamente.

Após o término da chamada, a verdadeira mágica começa. Assim que fireflies termina de processar e transcrever a reunião, ele aciona um webhook para o seu endpoint n8n—este é o primeiro dominó de toda a cadeia de detecção de ausências. Esse único POST HTTP substitui a confusão de tags manuais, atualizações perdidas e a higiene do CRM de “farei isso depois”.

O payload do webhook é denso. O n8n recebe um objeto JSON que geralmente inclui: - Título da reunião, carimbos de data/hora de início e fim, e duração - Lista de participantes com nomes, e-mails e horários de entrada/saída - Texto completo da transcrição, além de trechos de resumo e IDs internos

Esses campos fornecem à sua automação tanto contexto quanto evidência. Se a transcrição mostra apenas o anfitrião falando por 12 minutos e nenhuma fala do convidado, isso sugere fortemente uma ausência. Se os metadados dos participantes revelam que apenas um e-mail interno participou, seu fluxo de trabalho tem um segundo sinal independente.

O poder bruto sem precisão cria caos, porém. Você não quer que essa automação ative reuniões internas, entrevistas de contratação ou chamadas operacionais semanais. É por isso que listar especificamente nomes de compromissos—“Chamada de Descoberta”, “Sessão de Estratégia”, “Demonstração – Novo Lead”—dentro do n8n se torna imprescindível.

No início do fluxo de trabalho, o n8n verifica o título da reunião a partir da carga útil do fireflies em relação a uma lista elaborada de tipos de compromissos focados em vendas. Somente se o nome corresponder, o processo continua para análise da OpenAI e marcação no GoHighLevel. Tudo o que não corresponder é ignorado ou registrado, mantendo seu CRM limpo e seus métricas de ausência focadas em reuniões críticas para a receita.

Dentro do n8n, o motor de não-apresentação deixa de ser mágica e começa a parecer arquitetura de software. O fluxo de trabalho se divide em três grandes áreas: Getters (Coletores), Setters (Definidores) e Logic (Lógica). Cada grupo de nós tem uma função, e cada reunião que as luzes de vaga-lume finalizam passa pelo mesmo crivo.

Os getters são executados primeiro. O n8n recebe a carga do webhook do Fireflies, captura o e-mail do lead e começa a puxar registros correspondentes do GoHighLevel através de sua API. Um branch acessa o endpoint de Contatos, enquanto outro verifica os registros de Agendamentos, para que o fluxo de trabalho possa vincular uma transcrição específica a um horário reservado específico.

Como as contas do GHL geralmente lidam com vários calendários e pipelines, o modelo faz mais do que uma simples busca por e-mail. Ele faz uma referência cruzada a: - Contato por e-mail - Compromissos futuros ou recentes para esse contato - Metadados de localização ou pipeline

Se o n8n não conseguir encontrar uma correspondência clara um a um, o fluxo de trabalho sinaliza a chamada como um caso marginal e a direciona para uma pista de “Incerto” em vez de falhar silenciosamente.

Em seguida, vem a classificação de identidade. O fluxo de trabalho deve saber quem na chamada pertence à sua equipe interna e quem conta como um lead externo. Para isso, o n8n compara o e-mail de cada participante com duas listas de permissão pré-definidas: uma lista de e-mails da equipe exata e uma lista de domínios de empresas aprovados.

Se um participante corresponder a algo como sales@youragency.com ou qualquer endereço em @youragency.com, o n8n o rotula como interno. Todos os outros se tornam externos por padrão. Esta simples verificação de lista branca transforma dados de participantes desordenados do fireflies em um mapa limpo de “proximidade vs. lead” para cada reunião.

Uma vez que o n8n entende quem é quem, a seção Lógica assume o controle. Ela combina informações de presença, carimbos de tempo e metadados de fireflies (como a duração da reunião) para decidir qual dos quatro caminhos seguir: - Compareceu - Lead Não Compareceu - Closer Não Compareceu - Incerto

Mostrou incêndios quando pelo menos um participante interno e um externo se sobrepuseram por uma duração significativa, frequentemente >5–10 minutos. Gatilhos de Ausência do Lead ocorrem quando apenas e-mails internos aparecem, mesmo que o GHL mostre um compromisso agendado. A Ausência do Closer inverte isso: o lead participou, mas nenhum e-mail interno da lista branca apareceu. Qualquer coisa com dados conflitantes ou ausentes—reserva dupla, remarcações, participações parciais—cai na categoria Incerto, onde nós posteriores podem escalar para o Slack, registrar para revisão ou solicitar mais contexto do OpenAI.

Dentro do n8n, o Fireflies entrega dois artefatos cruciais ao OpenAI: a transcrição completa da reunião e uma lista estruturada de participantes. Um nó de Solicitação HTTP empacota essas informações em um payload JSON e as envia para um endpoint de completação de chat, juntamente com metadados como hora de início agendada, duração e o ID do registro do CRM do líder. O modelo nunca vê todo o seu CRM, apenas os dados mínimos necessários para avaliar o que realmente aconteceu na chamada.

A engenharia de prompts faz o trabalho pesado. A mensagem do sistema apresenta o modelo como um rígido auditor de presença, não como um escritor criativo, e explica os casos limítrofes em linguagem simples. O prompt do usuário então injeta a transcrição bruta e a lista de participantes, solicitando um veredicto compacto em JSON: `no_show_status`, `who_no_showed`, `confidence_score` e `reason`.

Para evitar falsos positivos, o prompt descreve vários modos de falha comuns. Por exemplo, ele explica que um representante de vendas inativo sozinho por 5 minutos, repetindo "Você está aí?" no vazio, deve ser considerado como uma falta de comparecimento do lead. Por outro lado, uma conversa de 25 minutos sobre preços, objeções e próximos passos deve sempre ser registrada como uma consulta concluída, mesmo que a transcrição esteja confusa ou cheia de falas desnecessárias.

O modelo aprende a buscar sinais de conversa em duas vias em vez de apenas contar palavras. Ele verifica a alternância de falantes, padrões de perguntas e respostas, linguagem de negociação (“orçamento”, “cronograma”, “contrato”) e frases de fechamento (“Vou enviar a proposta”, “Vamos agendar um acompanhamento”). Se ele vê apenas um monólogo do fechador além de mensagens do sistema como “Aguardando outros entrarem”, ele sinaliza o lead como ausente com uma consistência próxima a 100%.

Correspondência do participante ao responsável pela reserva requer uma camada adicional de lógica. O prompt inclui o nome da reserva, número de telefone e e-mail principal do GoHighLevel, e em seguida pede ao modelo que os compare com todos os participantes da reunião. Permite diferentes e-mails de entrada, apelidos e até mesmo pequenas diferenças de ortografia, mas exige pelo menos uma correspondência forte entre nome, e-mail ou telefone.

Essa verificação de identidade previne situações de etiquetagem incorreta, onde um assistente, colega ou membro aleatório da equipe interna participa em vez do verdadeiro tomador de decisão. Somente quando o modelo confirma que o contato agendado ou um procurador explicitamente autorizado compareceram, é que o n8n considera a reunião como "comparecimento" e ignora a automação de não comparecimento. Para mais detalhes sobre como Fireflies e n8n trocam esses dados, veja Saiba mais sobre a Integração n8n x Fireflies.

Casos extremos destroem automações ingênuas, então este conjunto os trata como cidadãos de primeira classe. Em vez de um binário “mostrou/não mostrou,” o fluxo de trabalho do n8n se ramifica em Não Compareceu - Lead, Não Compareceu - Fechador e Incerteza, cada um alimentado por dados reais de transcrições do Fireflies e pela lista bruta de participantes.

Considere um lead que entra 9 minutos atrasado em uma chamada de 30 minutos. O Fireflies ainda grava toda a sessão, então o OpenAI vê o monólogo solo do vendedor no início, depois detecta a voz do lead, as perguntas e a confirmação por e-mail mais tarde na transcrição. O fluxo de trabalho o classifica como uma presença bem-sucedida, e não como uma ausência, e o GoHighLevel nunca rotula incorretamente o contato.

Agora inverta. O lead se junta a tempo, mas a internet do fechamento cai após 3 minutos. O Fireflies captura o silêncio constrangedor, "Olá, tem alguém aí?" do lead, e então a reunião termina. A IA marca isso como uma Falta do Fechador, envia essa etiqueta para o GoHighLevel e anexa uma nota resumindo o que aconteceu.

Esse caminho de No-Show do Fechador é mais importante do que sentimentos feridos. Para a gestão, ele revela problemas internos de confiabilidade que silenciosamente desgastam as taxas de fechamento e a confiança na marca. Um padrão de 3 a 5 no-shows de fechadores por semana pode explicar dezenas de milhares em perdas no pipeline muito antes que alguém note um “problema de conversão” em um painel.

Nem toda chamada se encaixa perfeitamente em um rótulo. Gravações curtas e embaralhadas, vozes sobrepostas ou um calendário caótico podem confundir até mesmo um modelo robusto. Quando a confiança da OpenAI cai abaixo de um limite ou contradiz os dados do participante, o fluxo de trabalho direciona a chamada para um caminho Incerteza.

A partir daí, o n8n envia um alerta para o Slack em um canal dedicado #no-show-review com um link direto para a gravação do Fireflies, a transcrição e o contato do GoHighLevel. Um gerente de vendas leva de 30 a 60 segundos para tomar uma decisão, então o sistema retoma a automação completa naquele contato.

Lidar com essas incertezas transforma a configuração de um script frágil em um processo de negócios resiliente. Em vez de quebrar com entradas estranhas, o fluxo de trabalho degrada de forma elegante, pede ajuda quando necessário e mantém seus dados de faltas — e a recuperação de receita — confiáveis em grande escala.

Fechar o ciclo começa com os nós finais setter dentro do n8n, onde tudo que o fluxo de trabalho aprendeu sobre uma chamada se transforma em atualizações concretas no CRM. Depois que o OpenAI retorna seu veredicto—apareceu, não apareceu ou resultado em situação limítrofe—o n8n direciona esse resultado para nós de Solicitação HTTP dedicados conectados à API GoHighLevel. Cada nó atinge um endpoint específico como `/contacts/{id}/tags` ou `/contacts/upsert`, utilizando o ID do contato e o ID da localização que os nós getter anteriores já resolveram.

Esses nós de configuração fazem um trabalho com consistência implacável: aplicar a tag correta ao contato certo toda vez. Se o detetive de IA diz que o lead compareceu, o n8n dispara uma requisição PATCH autenticada para adicionar uma tag como “Status - Compareceu”. Se a transcrição revela uma vaga não preenchida—apenas o fechador e as "fireflies" na sala—o fluxo de trabalho muda para “Status - Não Compareceu” ou até mesmo uma etiqueta mais granulação como “Não Compareceu - Lead” vs “Não Compareceu - Fechador.”

Uma vez que essa tag é registrada no GoHighLevel, a automação a jusante se ativa instantaneamente. Os usuários do GHL podem configurar gatilhos como "Tag de Contato Adicionada" para iniciar todo um ecossistema de follow-up sem precisar tocar no teclado. Uma tag "Status - Não Compareceu" pode desencadear: - Uma campanha de re-agendamento em 5 etapas com SMS e e-mail - Um lembrete de correio de voz sem toque 2 horas depois - Uma tarefa de fechamento para tentar uma chamada de resgate manual

Para os participantes, uma etiqueta "Status - Compareceu" pode inserir contatos em uma sequência de nutrição pós-chamada, em um pipeline de propostas ou em um quadro de revisão de "leads quentes". Agências que realizam dezenas ou centenas de chamadas por semana de repente conseguem segmentação em tempo real sem precisar pedir aos fechadores que atualizem os menus suspensos às 21h, após maratonas intermináveis de Zoom.

Dados limpos, precisos e em tempo real transformam o GoHighLevel de um registro passivo em um plano de controle ativo para receita. Chega de status desatualizados, tags ausentes ou leads misteriosos que saíram do funil porque alguém esqueceu de clicar em “não compareceu.” A integração n8n-GHL garante que cada resultado de reunião se torne um dado estruturado, o que significa que cada chamada perdida se transforma em uma oportunidade mensurável e recuperável, em vez de um churn silencioso.

A recuperação de receita de faltas é o ato de abertura, não o espetáculos completo. Uma vez que fireflies, n8n, OpenAI e GoHighLevel se comuniquem de forma confiável, você terá um pipeline de dados de voz reutilizável que pode monitorar, avaliar e reagir a cada interação com o cliente em tempo real.

Comece com o sentimento. Envie a transcrição completa do fireflies e os metadados dos participantes para o OpenAI uma segunda vez, nesta rodada com um prompt ajustado para análise de sentimento e intenção de compra. Faça com que o n8n converta a saída do modelo em tags padronizadas no GoHighLevel: “Quente” para intenção explícita e objeções baixas, “Morno” para sinais mistos, “Frio” para conversas apenas sobre preço ou respostas defensivas.

Esses mesmos sinais podem impulsionar a automação ramificada. Uma tag “Quente” pode acionar: - Uma tarefa de acompanhamento próximo no mesmo dia - Um estágio de pipeline de maior intenção - Um SMS com um link direto para pagamento ou reserva

“Frio” pode ser direcionado silenciosamente para uma sequência de emails de longo prazo enquanto sua equipe se concentra em ligações que realmente fecharão esta semana.

Próximo passo: resumos automatizados. Fireflies já produz transcrições estruturadas; n8n pode enviar essas transcrições para o OpenAI com instruções para gerar um resumo de 5 a 7 linhas, objeções em formato de lista e próximos passos claros. Envie esse texto diretamente para a linha do tempo de contatos do GoHighLevel como uma nota, para que qualquer pessoa que abrir o registro veja um histórico de reunião condensado em vez de apenas uma etiqueta vazia.

Ao fazer um zoom para fora, isso começa a parecer uma pilha primitiva de agentes de IA de voz. Você está capturando conversas brutas, processando-as através de modelos que classificam, resumem e decidem, e então executando ações dentro do seu CRM sem que humanos toquem no registro. Esse padrão se estende à QA de representantes de vendas, conformidade de scripts em indústrias regulamentadas, ou até mesmo previsão proativa de cancelamentos.

Para equipes que desejam expandir além das faltas, Integrações Fireflies | Automação de fluxo de trabalho com n8n demonstra como essa mesma arquitetura pode impulsionar sistemas de atendimento ao cliente cada vez mais autônomos.

Perdas de receita devido a faltas não são um erro de arredondamento; elas são um imposto acumulativo em todo o seu funil. Agências, coaches e equipes de vendas B2B rotineiramente perdem dezenas ou até centenas de milhares de dólares por ano porque ninguém marca de forma confiável as faltas, os acompanhamentos ficam parados e os gastos com anúncios continuam inserindo novos leads em um sistema com vazamentos.

Este fluxo transforma aquele dreno silencioso em um circuito fechado. O Fireflies.ai captura cada chamada agendada, o n8n orquestra a lógica, a OpenAI decide o que realmente aconteceu, e o GoHighLevel atualiza seu CRM com consistência em nível de máquina, 24 horas por dia, 7 dias por semana, sem a necessidade de intervenção do vendedor.

Seus próximos passos são brutalmente simples:

• 1Baixe o modelo gratuito de rastreamento de faltas em go.voiceaibootcamp.com/J1otZZ3 e importe-o para o n8n.
• 2Inscreva-se no Fireflies, n8n e obtenha uma chave de API do OpenAI; no uso típico, seu custo de IA por consulta analisada ficará na faixa de alguns centavos.
• 3Configure suas credenciais da API GoHighLevel dentro do n8n, defina suas listas de domínios internos para que sua própria equipe nunca conte como ausência e mapeie suas tags e fluxos do GHL.

A barreira de entrada permanece baixa por design: sem codificação, sem servidores personalizados necessários se você usar o n8n Cloud, e sem mudanças na forma como seus vendedores realizam as chamadas. Você integra isso ao seu Google Calendar existente ou à sua configuração do Microsoft Office 365 e às suas atualizações atuais do GoHighLevel.

O ROI, por outro lado, cresce de forma significativa. Recuperar até 5–10 negócios extras por mês de reservas não comparecidas pode adicionar entre $10.000 e $100.000 em receita anual para uma agência de médio porte ou negócio de coaching, com a automação custando uma fração mínima do valor de um cliente fechado.

Pare de normalizar vazamentos de receita como “apenas parte do jogo.” Conecte esta pilha, deixe a IA lidar com cada falta de comparecimento com 100% de consistência e realoque a atenção de sua equipe para o que realmente faz a diferença: fechar os negócios que seu sistema não abandona mais silenciosamente.

Quais ferramentas são necessárias para essa automação de ausência?

Você precisa de um calendário (Google/Outlook), Fireflies.ai para transcrição, n8n para automação de fluxo de trabalho, uma chave de API do OpenAI para análise e um CRM como o GoHighLevel para marcar contatos.

É necessário ter conhecimento de programação para configurar isso?

Não, este sistema é construído com n8n, uma ferramenta de automação sem código. O criador fornece um modelo gratuito, então você só precisa configurar as definições, não escrever código.

Como o sistema sabe quem não compareceu?

Ele analisa a transcrição da reunião do Fireflies com um modelo da OpenAI. Ao liberar os domínios de e-mail da sua empresa, ele pode distinguir os membros internos da equipe de leads externos e determinar quem participou.

Este sistema pode lidar com casos em que o representante de vendas não comparece?

Sim. O fluxo de trabalho é projetado com caminhos lógicos separados para identificar e marcar tanto os cenários de 'No-Show de Lead' quanto de 'No-Show de Fechador', proporcionando total visibilidade.