O primeiro produto desenvolvido pela Mindsight surgiu como um teste de software para otimizar as contratações da Stone, fintech de meios de pagamentos que também nasceu como uma startup. Fundada em 2012, a Stone se aventurou em um mercado dominado por empresas já consolidadas, mas por meio do oferecimento de taxas mais baixas, aliadas à tecnologia inovadora e atendimento ao cliente superior ao das concorrentes, conseguiu alcançar um rápido crescimento. A partir de um plano de expansão realizado em 2016, a companhia cresceu sua equipe em 15 vezes e, em 2018, chegou à Bolsa de Valores, tornando-se um dos maiores players independentes do setor de pagamentos do Brasil.

A imensa tração de negócios fez com que a fintech precisasse otimizar o seu processo de vendas. “Nessa época, a Stone contava com 600 vendedores, dos quais 30% eram considerados high performers, segundo os critérios de avaliação da área. Para cumprir o plano de expansão, uma das áreas mais críticas para a empresa era a Comercial. Era preciso garantir o bom desempenho dos vendedores, selecionando candidatos com potencial para entregar resultados de forma consistente. Além da predição de performance, [era preciso] assegurar que os novos entrantes estivessem bem aderidos à cultura [da empresa]”, afirma Pupo.

Foi para solucionar esse gargalo que a Mindsight, na época em estágio de incubação, desenvolveu o software MindMatch. O executivo explica que, para construir o algoritmo, foram realizados testes com todos os vendedores que estavam na Stone há pelo menos seis meses, desde questionários de raciocínio lógico até avaliação de fit cultural. “Era necessário que a pessoa fizesse todos os testes para aplicação do modelo e o cálculo da nota e, a partir disso, elas eram classificadas em três categorias de acordo com a média de atingimento da meta obtida no último trimestre.” O grupo de alta performance referia-se aos profissionais enquadrados entre as 25% melhores médias de atingimento, seguido pelos vendedores no segundo e terceiro quartil na escala de performance, e, por último, a categoria de baixa performance —  composta pelos colaboradores com 25% da menor média nas metas. 

Com base nas notas e performances obtidas, o sistema criado pela startup identificou padrões e características dos vendedores da Stone que geram mais resultados. Pupo afirma que dentre as pessoas indicadas pelo software, 45% eram, de fato, high performers. O próximo passo consistia em analisar os candidatos. “Comparamos a distribuição de pessoas já aprovadas no processo seletivo e sua performance com a distribuição de pessoas com nota de corte acima de 60, e calculamos que a porcentagem da distribuição aumentava em 15%.” Isso significa que se a Stone utilizasse a solução MindMatch na triagem dos candidatos às vagas para o time comercial, ela teria 15% a mais de finalistas de alta performance. Além disso, foi projetado que eles atingiriam a marca de 10% a mais em quantidade de vendas e 6% a mais de obtenção de receita do que as pessoas aprovadas pelos métodos tradicionais.