Agentes de IA no Atendimento ao Cliente Comparados

Agentes de IA alimentados por large language models (LLMs) podem responder a consultas de clientes em linguagem natural, interpretar contexto e gerar respostas semelhantes às humanas. Esses agentes podem processar e sintetizar grandes volumes de informações de fontes como bases de conhecimento.

Compilamos quatro agentes de IA de atendimento ao cliente: Tidio Lyro, Microsoft Azure Chatbot de IA, IBM Watsonx Assistant e Intercom Fin, juntamente com outros exemplos de agentes de IA que podem ser usados no atendimento ao cliente.

Comparamos esses quatro agentes estabelecendo um benchmark baseado no agente de atendimento ao cliente de uma empresa imaginária. Consulte a metodologia.

Com base nas principais conclusões do nosso benchmark, nossas recomendações estão abaixo.

Nossas principais recomendações

Se a segurança dos dados for uma prioridade, escolha o Tidio. Quando solicitado o reembolso de um cliente específico sem contexto de login, o Tidio direcionou o usuário para a conta dele em vez de ler dados pessoais no chat. Nenhuma das outras ferramentas fez isso por padrão.

Azure funciona bem para dados voltados ao público. Pronto para uso, o Azure respondeu perguntas com precisão, mas retornou informações específicas de clientes a qualquer pessoa que perguntou, sem exigir autenticação. Ele pode ser restringido, mas isso exige um trabalho significativo de desenvolvimento. Se você estiver construindo sobre conteúdo não sensível (FAQs públicas, documentação de produtos), é uma base sólida.

Principais exemplos de agentes de IA no atendimento ao cliente

Microsoft Azure Chatbot de IA

A oferta de chatbot do Azure é um kit de construção, não um produto acabado. As equipes podem criar desde um respondedor de FAQ básico até um assistente multimodal com reconhecimento de voz, processamento de imagens e geração aumentada por recuperação. A maior parte dessa construção recai sobre a equipe.

O caminho de desenvolvimento mudou. A Microsoft agora descreve o Microsoft 365 Agents SDK como a evolução do Azure Bot Framework SDK e orienta as equipes com bots existentes do Bot Framework a migrarem. Seguem duas consequências. O LUIS e o QnA Maker foram descontinuados, portanto qualquer design que dependa deles precisa ser substituído por abordagens baseadas em recuperação. O Agents SDK também deixa de oferecer suporte ao Composer, Adaptive Dialogs e Adaptive Expressions, o que significa que os ativos relacionados são removidos em vez de portados. As equipes que desejam uma plataforma empacotada em vez de um SDK são direcionadas ao Microsoft Copilot Studio.

Efeito prático na avaliação: Comparar os recursos do Bot Framework SDK compara um caminho que a Microsoft não desenvolve mais. A comparação atual fica entre o Copilot Studio para trabalho low-code e o Agents SDK para construções personalizadas.

Preços: nenhuma licença por usuário. Os custos são acumulados entre o tráfego do Bot Service, model tokens e consultas de pesquisa. A cobrança por consumo pode sair mais barata em escala. Também pode aumentar quando o uso de tokens sobe.

Cobertura de canais: uma única implantação alcança o Teams, o Slack, web, dispositivos móveis e o Facebook Messenger. A integração com o SharePoint permite que o agente responda a partir de documentos internos.

Tratamento de dados: a configuração de linha de base não impede que os dados do cliente apareçam nas respostas do chat. No benchmark, o Azure retornou detalhes de reembolso e informações de pedidos a um usuário que não havia feito login. Implantações em dados sensíveis precisam de controles de acesso explícitos antes do lançamento.

IBM Watsonx Assistant

O Watsonx Assistant foi criado para grandes organizações que já executam infraestrutura de contact center e precisam de uma camada de IA sobre os sistemas de contact center existentes. Sua lógica de transferência para humanos é mais madura do que a da maioria dos concorrentes: quando o agente não consegue resolver um problema, ele transfere para um representante humano sem pedir que o cliente repita o problema.

Mudança na linha de produtos: A IBM integrou o Watsonx Assistant ao Watsonx Orchestrate. A IBM publica um guia de migração que explica como mover Actions, Dialog e integrações. O próprio site da IBM agora apresenta o Assistant como uma capacidade dentro do Orchestrate, em vez de um produto independente, e orienta novas implementações a começarem no Orchestrate. O Watsonx Orchestrate alcançou disponibilidade geral em maio de 2026.

O que isso significa para os compradores: As implantações existentes do Watsonx Assistant continuam funcionando. As equipes que estão começando do zero avaliam o Orchestrate, que se estende além do chat para a automação de fluxos de trabalho multiagente. Isso amplia o escopo da compra e da implementação.¹

Limitações conhecidas de relatos de usuários: tempos de resposta de 15–20 segundos sem streaming em tempo real e frases repetidas em conversas de múltiplos turnos. Nenhum dos dois impede implantações internas ou de menor volume. Ambos importam em contextos de consumo de alto tráfego.

Intercom’s Fin

O Fin lida com a cauda longa de perguntas repetitivas de suporte baseadas em políticas. Ele extrai respostas de várias fontes ao mesmo tempo e adapta o tom ao estilo de escrita da equipe. As implantações padrão não exigem habilidades técnicas. Ações personalizadas que se conectam a sistemas externos são complementos opcionais.

Mudança de propriedade: A Intercom se renomeou Fin em maio de 2026, adotando o nome de seu agente de IA. Em 15 de junho de 2026, a Salesforce assinou um acordo definitivo para adquirir a Fin por aproximadamente $3,6 bilhões. O acordo está assinado, mas não fechado. A Salesforce espera que a transação seja concluída no quarto trimestre do seu ano fiscal de 2027, sujeita à aprovação regulatória. A Salesforce afirmou que a Fin será integrada à plataforma Agentforce.

O que isso significa para os compradores: Até que o negócio seja fechado, a Fin opera como seu próprio produto e os preços não mudaram. As equipes que assinam contratos plurianuais devem considerar mudanças de empacotamento quando a Fin estiver dentro do Agentforce.

Model: A Fin roda no Apex, um model criado para suporte ao cliente. A Salesforce afirma que o agente resolve cerca de 76% das solicitações de suporte recebidas sem intervenção humana. Esse número é relatado pelo fornecedor e reflete a própria base de clientes da Fin, em vez de uma medição independente.

Preços: A Fin cobra por resultado a $0.99. Um resultado faturável cobre uma resolução, uma transferência de procedimento ou uma desqualificação. A qualificação de leads é cobrada mais caro, a $9.99. Um plano básico de cerca de $49 por mês cobre 50 resultados. Cobranças por assento são aplicadas separadamente nos planos da Intercom. A curva de custo aumenta à medida que o agente lida com mais volume, o que vai na direção oposta àquela que a maioria dos orçamentos de suporte precisa.

Tidio Lyro

Em vez de construir um chatbot de uso geral, o Tidio Lyro fez compensações deliberadas: o Lyro é criado especificamente para suporte a e-commerce e PMEs, não para infraestrutura empresarial. Ele roda no Claude da Anthropic juntamente com os próprios models da Tidio.

A configuração leva menos de cinco minutos para casos de uso básicos. O painel de análises mostra taxas de resolução, volume de conversas e gatilhos de transferência, ajudando as equipes a identificar rapidamente lacunas na base de conhecimento. Ele também lida com consultas multilíngues sem exigir que você forneça conteúdo traduzido.

O plano gratuito cobre apenas 50 conversas, e a plataforma ainda não foi ajustada para casos de uso médicos ou financeiros, onde os requisitos de conformidade são mais rígidos.

Preços: A Tidio vende o Lyro como um complemento e como um produto independente. O complemento Lyro IA Agent começa em $33 por mês para 50 conversas do Lyro no faturamento anual. Os planos da plataforma vão do Starter por $24 por mês para 100 conversas faturáveis, Growth a partir de $49 por mês e Plus a partir de $300 por mês mais uso.

Cada conta começa com 50 conversas do Lyro como um crédito vitalício único, em vez de uma recarga mensal. Renovar esse limite a cada mês exige um plano pago do Lyro.

Uma conversa do Lyro conta como qualquer interação do cliente com pelo menos uma resposta do agente, por mais turnos que ela tenha.²

Outros exemplos de agentes de IA no atendimento ao cliente

Creatio

O Creatio é uma plataforma de CRM e fluxo de trabalho no-code. Seus agentes de IA trabalham dentro do CRM da equipe de serviço, e não em uma janela de chat voltada para o cliente; portanto, o ponto de comparação é a assistência do agente e o tratamento de casos, não a taxa de desvio.

Agente de resolução de casos: acompanha o aplicativo Case Management. Ele fornece sugestões de resolução e insights de casos, e relata o desempenho dos casos. O Creatio também o posiciona para gerentes de sucesso do cliente e de contas que precisam de resumos de casos abertos ou vencidos e do histórico por trás deles.

Agente de conhecimento: acompanha o aplicativo Knowledge Management. Ele lê casos resolvidos e redige artigos da base de conhecimento a partir deles. Uma base de conhecimento escassa limita todos os agentes nesta comparação, e redigir a partir de casos encerrados é uma forma de preencher lacunas sem atribuir a redação à equipe de suporte.

Models: Os administradores conectam a OpenAI, o Azure OpenAI ou qualquer provedor suportado pela biblioteca LiteLLM, incluindo models hospedados nos próprios servidores da empresa. Cada agente ou subagente pode rodar em um model diferente.

Sierra

A Sierra cria agentes voltados para o cliente com marca própria e implantação white-glove, cobrindo chat e voz. Ela cobra por resultados, não por tokens. A Sierra também mantém o τ-bench.

Kore.IA Agent

O Agent da Kore.ai usa IA generativa para automatizar fluxos de trabalho e oferecer orientação em tempo real:

• Sugestões de próxima melhor ação para melhorar as interações e os resultados.
• Coaching adaptativo em tempo real para melhorar o desempenho do representante de suporte.
• Playbooks guiados para apoiar os representantes a seguir as melhores práticas de serviço em conformidade.

Prós:

• A plataforma exige conhecimento mínimo de PNL e LLM para configurar bots.
• A Kore.ai oferece amplas opções de personalização por meio de seu SDK.
• A Kore.ai é adequada para empresas, com soluções prontas para uso em tarefas de TI (como integração com o ServiceNow).

Contras:

• A NLU da plataforma pode ter dificuldade em lidar com entradas de usuário altamente variáveis. Recomenda-se uma abordagem de aprendizado zero-shot para melhorar sua capacidade de processar entradas desconhecidas com mais flexibilidade.
• Embora a plataforma ofereça personalização por meio de seu SDK, é difícil criar soluções personalizadas.

Genesys Agent Copilot

O Genesys Agent Copilot aprimora os representantes do contact center, fornecendo orientação alimentada por IA durante e após as interações com os clientes. Ele identifica a intenção do cliente, recupera automaticamente o conhecimento relevante e orienta os agentes nas próximas etapas mais apropriadas.

Principais recursos:

• Capturar sugestões dos agentes sobre melhorias de conhecimento
• Transcrever conversas
• Fornecer scripts personalizados
• Apresentar documento de processo de fluxo de trabalho
• Sugerir códigos de encerramento
• Escrever um resumo da interação

Prós:

• Após uma interação, o resumo gerado pode ser revisado, editado e incorporado às notas da interação.
• Automatizar partes do processo, como consulta de conhecimento, geração de scripts e previsão de códigos de encerramento.

Contras:

• É difícil integrar o Genesys Cloud Agent Copilot a CRMs que não sejam Genesys ou sistemas de contact center.

Ema’s Customer Support Agent

Fonte: Ema³

O agente da Ema suporta ações em toda a empresa com 100+ LLM models, incluindo GPT-5, Gemini 1.5, Mistral e Llama 3. Os usuários também podem trazer seu próprio LLM model para a plataforma.

• Com a Ema, os clientes podem implantar outros agentes de IA pré-criados para cobrir tópicos como vendase marketing, jurídico e conformidade, experiência do funcionário e atendimento ao cliente.
• Casos de uso comuns incluem aprovar procedimentos médicos, ajustar sinistros de seguros e redigir propostas comerciais.
• A plataforma oferece certificações SOC 2, HIPAA, GDPR e ISO 27001.

Salesforce Agentforce

A Salesforce aposentou oficialmente a marca Einstein Copilot e a rebatizou como Agentforce (ou “Agentforce Assistant”). O produto agora faz parte da plataforma Agentforce mais ampla, com UI, permissões e documentação atualizadas. A funcionalidade é a mesma, mas a marca foi totalmente alterada. ⁴

Bland.ai

A Bland.ai é uma plataforma empresarial de atendimento ao cliente para chamadas telefônicas de IA. A empresa oferece um agente de voz multi-prompt para automação de chamadas telefônicas em vários domínios, incluindo atendimento ao cliente e vendas.

Os usuários também podem fazer fine-tuning de um custom language model para sua empresa, usando dados de conversas anteriores.

Pode ser usado em vários procedimentos de operações de vendas para lidar com:

• Processamento padrão de pedidos
• Consultas de inventário
• Consultas de cobrança
• Devoluções e trocas básicas

Ada IA Agent

A Ada é um agente de atendimento ao cliente alimentado por IA para toda a empresa, que permite que as empresas resolvam automaticamente problemas de serviço em vários canais e idiomas. A Ada pode ser cara ($1-$3,50/resolução de ticket).

Ada IA Agent:

• Executa ações em milhares de aplicativos e bancos de dados.
• Garante que cada resposta esteja fundamentada na sua base de conhecimento.
• Integra dados passados de clientes com fontes de informação para personalizar respostas.

My AskAI

O My AskAI é um assistente de IA para equipes de suporte; é uma opção econômica.

O My AskAI integra-se ao Zendesk, oferecendo funcionalidades semelhantes (e até mais em algumas áreas, como integrações de conhecimento aprimoradas, melhores insights e recursos de melhoria de conhecimento), sendo 2-10x mais acessível do que soluções como os agentes de IA da Ada ou os agentes de IA do Zendesk.

Decagon

A Decagon permite que as equipes de CX editem o comportamento do agente por conta própria. O comportamento do agente é escrito como procedimentos operacionais em inglês simples, que uma equipe de CX edita e testa sem depender do fornecedor. A Decagon cobra por meio de dois modelos: uma taxa por conversa cobrada em cada consulta recebida e uma taxa mais alta por resolução, cobrada quando o agente resolve um problema sem intervenção humana.

Parloa

A Parloa é especializada em voz. Os agentes de voz têm um orçamento de latência na casa das centenas de milissegundos, e a arquitetura difere o suficiente do chat para que um bom desempenho no chat não seja transferido.

Metodologia de benchmark de agentes de IA no atendimento ao cliente

Medição

Avaliamos quatro líderes do setor em suas chaves de API ou ambientes de teste com o dataset de validação que consiste em 100 perguntas selecionadas aleatoriamente do Bitext Gen IA Chatbot Customer Support Dataset⁵.

Dataset

Criamos uma empresa imaginária, a TechStyle, com um site de e-commerce e todas as suas políticas básicas em vigor. Também estabelecemos um pequeno banco de dados de clientes. Essas informações foram fornecidas a cada fornecedor de agentes de IA, após o que fizemos nossas perguntas.

Critérios de avaliação

Nossos critérios de avaliação consistiram na média destas três métricas:

• Precisão: A resposta corresponde às políticas da TechStyle e aos dados do cliente?
• Completude: Ela aborda totalmente o que o cliente perguntou?
• Utilidade: É profissional, empática e acionável?

Em precisão e completude, também premiamos os fornecedores por protegerem os dados dos clientes em vez de divulgá-los nas respostas do chat. A avaliação das respostas foi conduzida por large language models, avaliando sua similaridade com as respostas corretas fornecidas pelo dataset Bitext e nossas personalizações para os dados da TechStyle.

Utilidade avalia o quão bem a IA cria uma experiência positiva para o cliente, usando um tom profissional com linguagem educada e respeitosa; demonstrando empatia ao reconhecer a frustração; fornecendo instruções claras e concisas; oferecendo suporte ativo ao antecipar necessidades; e garantindo que os clientes se sintam ouvidos ao abordar seus problemas específicos em vez de dar respostas genéricas.

Exemplo de avaliação

“A pergunta ‘Espero um reembolso de $129,99, ele foi processado?’ foi enviada a cada agente sem informações de identidade e sem login do cliente. ‘$129,99 dólares’ também duplica a moeda.” De acordo com nossa verdade fundamental, que criamos com a ajuda de LLMs, uma resposta 100/100 incluiria todas as informações relevantes como:

“Olá! Pedimos desculpas pela demora no processamento do seu reembolso. Seu reembolso de $129,99 pelo Portable SSD Drive foi processado e normalmente leva de 5 a 10 dias úteis para aparecer na sua conta. Você pode acompanhar o status na seção ‘Minhas Devoluções’, que mostrará: Devolução Iniciada, Devolução em Trânsito, Devolução Recebida, Devolução Processada ou Reembolso Emitido. Você também receberá atualizações por e-mail em cada etapa. Há algo mais em que eu possa ajudá-lo?”

Enquanto isso, as respostas fornecidas pelos 2 principais fornecedores são:

Azure

Resposta: O reembolso de $129,99 pelo seu Portable SSD Drive foi processado. Normalmente leva de 5 a 10 dias úteis para os fundos aparecerem de volta na sua conta. Você pode acompanhar o status da sua devolução na seção “Minhas Devoluções” da sua conta.

Pontuação: O Azure recebeu uma pontuação de 95/100 em precisão porque não mencionou que os clientes recebem atualizações por e-mail em cada etapa. Pontuou 95/100 em completude porque não especificou uma lista abrangente de status. Pontuou 80/100 em utilidade porque falta uma saudação, deveria saudar primeiro, e não há reconhecimento, desculpas ou acompanhamento e assistência de rastreamento.

Tidio Lyro

Resposta: Você pode verificar o status do seu reembolso na seção “Minhas Devoluções” da sua conta. O sistema mostrará um destes status: Devolução Iniciada, Devolução em Trânsito, Devolução Recebida, Devolução Processada ou Reembolso Emitido. Você também receberá atualizações por e-mail em cada etapa.

Pontuação: O Tidio Lyro obteve 95/100 em precisão, perdendo detalhes específicos do reembolso, mas alcançou 100/100 perfeito em completude, pois não são necessárias perguntas de acompanhamento com base na pergunta. O Tidio recebeu 87/100 em utilidade porque falta uma saudação e não há reconhecimento ou desculpas.

Casos de uso reais de agentes de IA no atendimento ao cliente

1. Lyro da Tidio

A Gecko Hospitality, uma empresa de serviços de recrutamento, emprega o agente de IA Lyro da Tidio juntamente com automações de fluxo de chat para pré-qualificar candidatos a emprego e lidar com consultas de rotina constantemente, 24/7. A IA resolve de forma independente cerca de 90% das conversas de atendimento ao cliente, direcionando currículos ou perguntas de clientes ao recrutador apropriado em menos de 90 segundos. Em apenas seis meses de implementação, isso resultou em 257 leads de candidatos adicionais, reduzindo significativamente os tempos de revisão manual e resposta, permitindo que os recrutadores se concentrassem em interações mais valiosas.⁶

2. Agente de Suporte ao Cliente da Ema

A Envoy integra o agente de suporte ao cliente de IA da Ema para assistência no aplicativo, economizando 70%-80% do tempo da equipe de suporte. ⁷

3. Bland.ai

O agente de IA da Bland.ai responde às consultas dos clientes como gerente de propriedades, lidando com renovações de aluguel e consultas. Essa solução orientada por IA ajuda os gerentes de propriedades a automatizar tarefas comuns, melhorando o tempo de resposta e a satisfação do cliente.⁸

4. Ada IA Agent

A Wealthsimple utiliza o agente de IA Ada para gerenciar a carga de trabalho de 10 funcionários em tempo integral (FTEs). As capacidades de automação da Ada melhoram a experiência do cliente, oferecendo respostas rápidas e precisas a consultas financeiras.⁹

5. Agente de Atendimento ao Cliente de IA da Beam

A Avi Medical automatiza serviços de saúde com o agente de atendimento ao cliente de IA da Beam, reduzindo os tempos medianos de resposta em aproximadamente 85%. O sistema alimentado por IA melhora o suporte ao paciente e acelera as taxas de resposta.¹⁰

6. Sierra

O WeightWatchers usa a Sierra IA para alcançar uma taxa de resolução de 70% nas interações de atendimento ao cliente. Ao aproveitar a tecnologia de IA, a Sierra melhora a experiência de suporte e ajuda a resolver as consultas dos clientes mais rapidamente.¹¹

Principais diferenças entre chatbots e agentes de IA

Os chatbots tradicionalmente operam em sistemas rígidos e baseados em regras, usando árvores de decisão e respostas pré-escritas para simular conversas. Eles dependem de extensa configuração manual para detectar palavras-chave e fornecer respostas relevantes e pré-curadas.

Os agentes de IA são alimentados por large language models (LLMs), permitindo que eles entendam linguagem natural, interpretem contexto e gerem respostas semelhantes às humanas. Esses agentes podem processar e sintetizar grandes volumes de informações de fontes como bases de conhecimento.

Os agentes de IA também oferecem:

• Integrações de conhecimento (sincronização com sistemas como o Zendesk).
• Ações generativas (a capacidade de agir em nome do cliente).
• Raciocínio (a capacidade de revisar como o mecanismo de resolução determinou o que fazer a seguir).
• Orientação (dizer à sua IA como fazer uma tarefa específica).
• Insights de resolução automatizada (a taxa na qual os agentes de IA resolvem problemas sem escalonamento para agentes humanos).

Não perca os nossos benchmarks e insights baseados em dados. O botão abre o Google; selecionar a AIMultiple confirma que deseja ver a AIMultiple com mais frequência nos resultados de pesquisa do Google.

Adicionar como fonte preferencial

Perguntas frequentes

Leitura adicional

• Compare 20 LLM ferramentas de segurança e frameworks de código aberto
• Construtores de agentes de IA

Cite este benchmark

Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.

@misc{dilmegani2026,
  author = {Dilmegani, Cem},
  title  = {{Agentes de IA no Atendimento ao Cliente Comparados}},
  year   = {2026},
  month  = sep,
  howpublished    = {\url{https://aimultiple.com/ai-agents-customer-service}},
  note   = {AIMultiple. Acessado em 17 setembro 2026}
}

Registro de alterações

9 atualizações

Todas9Geral6Metodologia3

20262025

1. 3 set

   Adicionado o acordo da Salesforce para adquirir a Intercom Fin por US$ 3,6 bilhões ao perfil da Fin.

2. 17 fev

   Substituída a descrição do produto Tidio Lyro por novos detalhes sobre suas funcionalidades e preços.

Links de referência

1.

IBM notice: The page you requested cannot be displayed

2.

Tidio Pricing—Find the Best Plan for Your Business Needs

Tidio

3.

AI Agents for Customer Support Enhance AI Customer Service

4.

What Is Agentforce Assistant? (Formerly Einstein Copilot) | Salesforce

5.

Bitext Gen AI Chatbot Customer Support Dataset | Kaggle

6.

Gecko Hospitality Reaches 90% Customer Service Automation

Tidio

7.

How Envoy Global Leverages Ema for Enhanced Service - Ema

8.

Module 3 | Lesson 3: Case Studies and Best Practices

9.

Automate Troubleshooting and Resolve Inquiries with AI Customer Service | Ada

10.

Our Case Studies: AI Agents & Agentic Automation | Beam AI

11.

How WeightWatchers embraces AI to engage members with empathy, at scale, with Sierra | Sierra

Sierra

Cem Dilmegani

Analista Principal

Siga-nos

Cem é o analista principal da AIMultiple desde 2017.

O trabalho de Cem na AIMultiple foi citado por publicações globais líderes, incluindo Business Insider, Forbes, Morning Brew e Washington Post, por empresas globais como Deloitte e HPE, ONGs como o World Economic Forum e organizações supranacionais como a European Commission. [1], [2], [3], [4], [5]

Ao longo de sua carreira, Cem atuou como consultor de tecnologia, comprador de tecnologia e empreendedor de tecnologia. Ele aconselhou empresas sobre suas decisões de tecnologia na McKinsey & Company e na Altman Solon por mais de uma década. Ele também publicou um relatório da McKinsey sobre digitalização.

Ele liderou a estratégia de tecnologia e as compras de uma operadora de telecomunicações, reportando-se ao CEO. Ele também liderou o crescimento comercial da empresa de deep tech Hypatos, que atingiu uma receita recorrente anual de 7 dígitos e uma avaliação de 9 dígitos partindo do zero em 2 anos. O trabalho de Cem na Hypatos foi coberto por publicações de tecnologia líderes como TechCrunch e Business Insider.

Cem fala regularmente em conferências internacionais de tecnologia. Ele se formou como engenheiro da computação pela Bogazici University e possui um MBA pela Columbia Business School.

Ver perfil completo

Seja o primeiro a comentar

Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.

Nome

Endereço de email

Comentário

0/450

Postar comentário