Claude Haiku 5.5 chega ao Make: atendimento, documentos e CRM

Claude Haiku 5.5 no Make foi anunciado em 10 de outubro de 2026 como opção para classificação, extração e encaminhamento de informações em automações. A aplicação mais interessante para pequenos negócios é tratar uma entrada delimitada e devolver dados que o fluxo consegue validar. Isso não dispensa regras nem revisão de exceções. Leia o anúncio do Make.

O que chegou ao Make e quando o modelo foi lançado

São dois eventos distintos: a Anthropic lançou o Haiku 5.5 em 7 de outubro de 2026; o anúncio de integração no Make veio três dias depois. O identificador na plataforma da Anthropic é claude-haiku-5-5. A empresa posiciona o modelo para tarefas curtas e repetitivas, como classificação e resumos. Fonte da Anthropic.

Para o usuário do Make, a consequência é ter mais uma opção para avaliar em cenários existentes. A troca não exige redesenhar todo o atendimento, mas exige conferir as entradas, a saída esperada e o comportamento nos casos difíceis. Um modelo novo pode interpretar um pedido de modo diferente do anterior.

O anúncio não comprova compatibilidade automática com qualquer CRM ou provedor de WhatsApp. Cada integração ainda precisa de acesso autorizado, mapeamento de campos e tratamento de falhas. O modelo interpreta informação; os módulos e as regras do cenário determinam o que será gravado ou enviado.

Qual módulo usar para cada tarefa

O Make AI Toolkit reúne funções como categorização, extração de informações e resumo. Sua documentação distingue o provedor do Make das conexões próprias, disponíveis em planos pagos. Antes de montar um tutorial, confira a seleção de modelos e os campos oferecidos no módulo da sua conta. Documentação do AI Toolkit.

Se a decisão já é determinística, mantenha uma regra. Um formulário que possui o campo “departamento” não precisa de IA para copiar esse valor. Reserve o modelo para o trecho ambíguo: alguém escreveu um pedido livre, enviou uma descrição longa ou misturou assuntos na mesma mensagem.

Custos: API da Anthropic e créditos do Make são diferentes

Na API da Anthropic, a tabela do Haiku 5.5 informa os valores abaixo por um milhão de tokens. Eles não são uma tabela de conversão de créditos do Make nem o custo completo de uma automação. Consulte os preços de lançamento.

Com o provedor do Make, o consumo considera operações e tokens. Com conexão própria, há créditos pelas operações no Make e cobrança de tokens pelo fornecedor. A tabela de créditos consultada ainda não detalha uma conversão específica do Haiku 5.5; confira o módulo e o consumo antes de estimar o gasto. Como funcionam os créditos.

Para comparar alternativas, calcule o custo por solicitação concluída corretamente. Inclua tentativas repetidas, registros no CRM, notificações e revisão. Uma chamada mais barata perde parte da vantagem se o cenário repetir a execução várias vezes ou encaminhar muitos pedidos para correção manual.

Exemplo prático: do formulário à fila certa no CRM

Considere uma empresa que recebe pedidos de orçamento, suporte e parceria no mesmo formulário. O objetivo inicial é preparar o registro para o atendente. O exemplo abaixo descreve uma arquitetura sugerida, não uma automação já instalada ou medida.

1. Receber e limitar a entrada. Capture nome, contato e mensagem. Envie à classificação apenas os campos necessários.
2. Definir categorias. Por exemplo: orçamento, suporte, parceria e revisão. Explique como tratar pedidos com mais de um assunto.
3. Pedir uma saída delimitada. Categoria, resumo curto e campos ausentes. Não solicitar uma resposta comercial junto da classificação.
4. Validar a resposta. Rejeite categorias desconhecidas, saída malformada ou identificadores que não vieram do sistema.
5. Localizar o contato. Use uma identificação confiável antes de criar ou atualizar um cadastro.
6. Gravar e encaminhar. Registre a sugestão e escolha a fila pelas regras do cenário.
7. Tratar falhas. Se houver indisponibilidade ou dúvida, preserve o pedido original e encaminhe para revisão.

Uma mensagem como “quero um site, mas meu formulário atual parou” exige uma política: a equipe prefere abrir suporte, oportunidade comercial ou ambos? A IA não deve inventar essa decisão. Escreva a regra antes de testar e mantenha uma categoria de revisão para entradas que não se encaixam.

Em dados extraídos, “não informado” é melhor que preencher por suposição. Se não há número de pedido, o cenário não deve escolher o cadastro mais parecido e agir sobre ele. A saída do modelo orienta a próxima etapa; a validação confirma se há informação suficiente para executá-la.

Como testar antes de trocar o modelo em produção

Monte um conjunto de solicitações já encerradas, removendo dados desnecessários. Inclua pedidos objetivos, mensagens vagas, erros de digitação e casos com dois assuntos. Defina com a equipe a categoria esperada e se o caso deveria exigir uma pessoa.

Execute o fluxo sem envio externo e sem alterações nos cadastros reais. Compare categoria, resumo e campos extraídos com a revisão humana. Além do tempo, registre erros de encaminhamento, repetições e consumo. Depois teste as falhas: resposta vazia, timeout, categoria inválida e contato duplicado.

A frase “confiança alta” produzida pela IA não funciona como probabilidade calibrada. Use evidências verificáveis: categoria conhecida, campos presentes, identificação encontrada e critérios de revisão. Para decidir entre respostas baseadas em documentos e execução de ações, veja nosso artigo sobre chatbot com base de conhecimento ou agente de IA.

Perguntas frequentes sobre Claude Haiku 5.5 no Make

Preciso substituir todas as etapas por um agente?

Não. Comece pela tarefa em que linguagem livre dificulta uma regra simples. Preserve operações determinísticas, validações e aprovações fora da classificação.

O preço da API mostra quanto gastarei no Make?

Não. A conexão utilizada muda a cobrança. O total também depende de módulos, tokens, repetições e quantidade de solicitações. Verifique uma execução real de teste antes de projetar o mês.

Posso liberar respostas automáticas ao cliente logo no primeiro teste?

Prefira primeiro sugestões para a equipe. Quando a classificação estiver confiável para o seu conjunto de entradas, avalie separadamente a redação, as políticas comerciais e a autorização de envio.

Quando avaliar a novidade no seu negócio

Equipe com triagem repetitiva: avalie categorias e encaminhamento. Operação documental: teste extração com campos ausentes e documentos difíceis. Atendimento com decisões comerciais: mantenha aprovação e regras explícitas. Baixo volume e processo confuso: organize o fluxo antes de escolher o modelo.

O ponto de partida é uma tarefa delimitada, uma saída validável e um responsável pelas exceções. Assim, a novidade pode ser avaliada pelo que resolve na operação, em vez de pela expectativa criada pelo lançamento.