Make com IA: Automação Visual de Agentes para Negócios em 2026

Make em 2026: muito além de automações simples

O Make (anteriormente Integromat) nasceu como ferramenta de automação: "quando X acontece em app A, faça Y no app B". Em 2024 e 2025, a plataforma passou por uma transformação profunda para se tornar uma plataforma de orquestração de IA.

A diferença do Make para outros players: ele conecta IA com 1.800+ aplicativos prontos — Shopify, ActiveCampaign, Airtable, Slack, WhatsApp Business, Stripe, Pipedrive, Typeform e centenas de outros — sem uma linha de código.

Site oficial: make.com | Acadêmia Make: academy.make.com
Afiliado: Experimente o Make gratuitamente com 1.000 operações/mês → make.com/pt

Estrutura de um cenário Make com IA

O Make usa o conceito de Cenários — equivalente aos workflows do n8n ou aos flows do Zapier. Cada cenário tem:

[Trigger] → [Módulo 1] → [Módulo IA] → [Router] → [App 1]
→ [App 2]

Módulos de IA disponíveis no Make

OpenAI (GPT-4o, GPT-4 Turbo):

• Create a Completion (text generation)
• Create a Chat Completion (conversação)
• Create an Image (DALL-E 3)
• Create an Embedding (vetores)
• Transcribe a Recording (Whisper)

Anthropic (Claude 3.5):

• Create a Message

Google (Gemini Pro, Gemini 1.5):

• Generate Content
• Generate Content with Vision (multimodal)

Outros:

• Cohere: Generate Text, Classify
• HuggingFace: Text Generation, Classification
• Replicate: qualquer modelo do Hub

Cenário 1: Agente de suporte por WhatsApp

Um agente que responde automaticamente mensagens de clientes no WhatsApp usando GPT-4o com base nos seus dados de produto.

Trigger: WhatsApp Business - Watch Messages
│
HTTP: Buscar FAQ/Documentação (sua API)
│
OpenAI: Create a Chat Completion
├─ System: "Você é um suporte especializado em [produto].
│ Responda com base nos dados fornecidos.
│ Se não souber, ofereça transferência para humano."
└─ User: "{{mensagem do cliente}}\n\nContexto:\n{{documentação recuperada}}"
│
Router (condição: resposta contém "humano")
├─ SIM → Slack: Notificar equipe de suporte
│ WhatsApp: Enviar mensagem + transferência
└─ NÃO → WhatsApp: Enviar resposta gerada
Airtable: Registrar ticket + resposta

Configuração passo a passo

1. Trigger: WhatsApp Business

• Conecte sua conta Meta Business
• Selecione o número do WhatsApp Business
• Defina: "Watch for new messages"

2. HTTP Request: busca contextual

URL: https://api.suaempresa.com/faq?q={{1.text}}
Method: GET
Headers: Authorization: Bearer {{token}}

3. OpenAI: Chat Completion

Model: gpt-4o
Messages:
- Role: system
Content: Você é Carlos, suporte da [Empresa]. Responda em português.
Base de conhecimento: {{2.faq_content}}
Limite: 200 palavras. Tom: profissional e empático.
- Role: user
Content: {{1.text}}
Max tokens: 300
Temperature: 0.3

4. Router com condição

Filtro: {{3.choices[].message.content}} CONTAINS "humano"

Cenário 2: Pipeline de qualificação de leads com IA

Leads chegam pelo seu site e são automaticamente qualificados, enriquecidos e distribuídos.

Trigger: Typeform - Watch Responses
│
[Parallel branches]
├─ HTTP: Clearbit API (enriquecimento de empresa)
└─ HTTP: Hunter.io (verificação de e-mail)
│
OpenAI: Chat Completion (Qualificação)
└─ Prompt: "Avalie o fit deste lead com nosso ICP..."
│
Router (score ≥ 7 vs < 7)
├─ Score alto → HubSpot: Criar deal "SQL"
│ Gmail: Enviar e-mail personalizado
│ Slack: Alertar vendedor
└─ Score baixo → HubSpot: Criar contato "MQL"
ActiveCampaign: Adicionar à sequência de nutrição

O prompt de qualificação

Analise este lead e retorne apenas um JSON válido:

Lead:
- Nome: {{nome}}
- Empresa: {{empresa}}
- Cargo: {{cargo}}
- Email: {{email}}
- Pergunta/Mensagem: {{mensagem}}

Dados da empresa (Clearbit): {{clearbit_data}}

Nosso ICP: empresas 20-500 funcionários, setor B2B SaaS ou serviços,
Brasil, decisor (CEO, CTO, Head de Marketing/Vendas/Ops).

Retorne:
{
"score": 1-10,
"fit_cargo": true/false,
"fit_empresa": true/false,
"fit_tamanho": true/false,
"razao": "explicação em 1 frase",
"proxima_acao": "string"
}

Gerenciamento de memória no Make

O Make não tem memória nativa de conversação como o n8n. A solução é usar um datastore:

Opção 1: Make Data Store (simples)

Cenário: Chatbot com histórico
│
Data Store: Get Record by key "{{userId}}"
└─ (retorna histórico de mensagens)
│
OpenAI: Chat Completion
└─ Messages: {{historico}} + nova mensagem
│
Data Store: Upsert Record
└─ key: {{userId}}
value: {{historico_atualizado}}

Opção 2: Airtable como memória (mais robusto)

Airtable: Search Records
└─ Filter: {user_id} = "{{userId}}"
└─ Sort: created_at DESC
└─ Limit: 10 (últimas 10 mensagens)
│
[Agrega mensagens em array para o OpenAI]
│
Airtable: Create Record (nova mensagem + resposta)

Opção 3: Redis via HTTP (produção)

Use o módulo HTTP para chamar um Redis compatível com REST (Upstash é gratuito para testes):

HTTP: GET https://seu-redis.upstash.io/get/session:{{userId}}
Headers: Authorization: Bearer {{redis_token}}

Make vs. Zapier vs. n8n — comparativo honesto 2026

Critério

Make

Zapier

n8n

Plano gratuito

1.000 ops/mês

100 tarefas/mês

Self-hosted ilimitado

Plano pago básico

~$9/mês (10k ops)

~$20/mês (750 tarefas)

$20/mês (cloud)

Integrações

1.800+

6.000+

600+

Interface

Visual (circles)

Mais simples

Técnica

Multi-step complexo

✅ Excelente

⚠️ Limitado

✅ Excelente

Loops e iteradores

✅ Nativo

❌ Plano pago

✅

Agentes IA nativos

⚠️ Via módulos

⚠️ Via módulos

✅ AI Agent node

Self-hosted

❌

❌

✅

Curva de aprendizado

Média

Baixa

Alta

Ideal para

Automações complexas sem código

Automações simples rápidas

Agentes + automações

Quando escolher Make:

• Você precisa de muitas integrações prontas (1.800+)
• Quer uma interface visual clara sem programar
• Precisa de iteradores, aggregators e routers complexos
• Volume de operações é previsível e não explode (use n8n self-hosted se explodir)

Quando não usar Make:

• Precisa de agentes com memória nativa e tools estruturadas (use n8n)
• O volume de execuções é muito alto (custo por operação sobe rápido)
• Precisa de self-hosted por compliance (use n8n)

Custo real: calculando o que você vai pagar

O Make cobra por operações — cada módulo executado é uma operação.

Cenário exemplo: Agente de suporte WhatsApp

• 500 mensagens/dia × 5 módulos = 2.500 operações/dia
• 75.000 operações/mês
• Plano necessário: Teams ($29/mês com 40k ops) + overage

Comparando com n8n cloud: $20/mês por usuário, execuções ilimitadas.

Comparando com n8n self-hosted: VPS de $5-10/mês na DigitalOcean, execuções ilimitadas.

Conclusão de custo: Make compensa até ~30k operações/mês. Acima disso, n8n self-hosted é muito mais barato.

Templates Make para IA (prontos para usar)

Acesse em make.com/pt/templates:

Template

Descrição

AI Email Responder

Responde e-mails automaticamente com GPT-4

Lead Qualification AI

Qualifica leads do HubSpot com IA

Social Media AI Creator

Cria posts adaptados por plataforma

Customer Support AI

Chatbot com escalada para humano

AI Document Extractor

Extrai dados estruturados de PDFs

Invoice Processor AI

Processa notas fiscais automaticamente

Recursos essenciais

• Make Academy (gratuito): academy.make.com — curso oficial completo
• Comunidade: community.make.com — templates e dúvidas
• Templates de IA: make.com/en/templates?categories=ai
• Blog oficial: make.com/en/blog
• Canal YouTube: @MakePlatform — tutoriais semanais

💡 Afiliado Tech Briefing: Crie sua conta Make com 1.000 operações gratuitas por mês → Começar gratuitamente

O Make é a plataforma de automação com IA mais equilibrada para negócios que não têm engenheiros: interface clara, integrações vastas e flexibilidade suficiente para cenários complexos. O ponto de atenção é o custo por operação — planeje bem o volume antes de escalar.