QuadSci

O que é

QuadSci é uma camada de predição que fica por baixo da sua plataforma de Customer Success em vez de substituí-la. Ela lê a telemetria bruta do produto — sessões, adoção de features por papel, uso de módulos e da API, conclusão de fluxos — junto com dados de CRM, contratos e chamadas, e classifica cada conta como crescimento, estável, contração ou churn, com a previsão mirando de 9 a 18 meses antes da renovação. O resultado chega nas ferramentas em que seu time já trabalha: CTAs do Gainsight, registros do Salesforce, Clari, Salesloft e Slack.

São dois produtos. Cohorts AI segmenta os clientes pelo jeito como eles realmente usam o software e liga cada coorte comportamental ao ARR. Growth AI faz a previsão por conta e prescreve a intervenção. Por cima fica o Q-Chat, uma camada de agentes conversacionais com agentes de Customer Success, vendas, serviços e marketing de produto; o release 3.0 deixou o Q-Chat totalmente conversacional (“quais contas estão começando a escorregar?”), e uma camada MCP expõe os mesmos sinais para Agentforce, Copilot, LangGraph, CrewAI ou seus próprios agentes.

A empresa foi fundada em 2023 em Garden City, Nova York, pelos co-CEOs Sean Murray e Dan Harmeson, ambos com passagem pela Elastic e pela MuleSoft. Levantou uma Série A de US$ 8M liderada pela Crosslink Capital em 17 de fevereiro de 2026, com participação da Alumni Ventures e da Correlation Ventures. Rastreadores de terceiros estimam o quadro em cerca de 40 pessoas.

Por que aparece em stacks de CS

• Responde a pergunta que health scores não respondem. O health score de uma plataforma de CS é uma mistura ponderada de indicadores atrasados — logins, NPS, volume de tickets, percepção do CSM — e fica vermelho quando o cliente já está indo embora. A proposta da QuadSci é antecedência: um sinal cedo o bastante para fechar um gap de produto antes de a conversa de renovação começar.
• Os cases trazem valores em dólar, não adjetivos. A Boomi, com mais de 30.000 clientes e mais de US$ 5M por ano de churn surpresa, treinou o modelo com 70 bilhões de eventos de telemetria vindos de Salesforce, Gong, Marketo, Gainsight e analytics de produto. A QuadSci reporta US$ 27M de ARR em risco identificado, 18% dele mitigado e ganho de 10% na precisão da previsão de renovação em seis meses, com as predições gravadas direto em CTAs do Gainsight. Na Clari, mais de 6 bilhões de sinais geraram 90% de precisão em churn e crescimento e 80% em contrações com seis meses de antecedência — e o achado principal foi expansão, não risco.
• Os dados ficam no seu data warehouse. O modelo é implantado dentro do seu ambiente sobre Snowflake, Databricks, BigQuery, Redshift ou Synapse, em AWS, Google Cloud ou Azure, sem endpoints públicos, com acesso apenas via SSO e somente leitura por padrão. Tem SOC 2 Type II. Para um time de segurança que se recusa a mandar streams de eventos brutos para uma startup, essa é a feature decisiva.
• Revela pipeline que ninguém abriu. A QuadSci diz encontrar, em média, 15% do ARR de um cliente em estado de crescimento previsto sem oportunidade aberta — por isso RevOps, e não só CS, acaba dono do orçamento.

Preço na prática

Não há tabela pública nem plano self-serve. As assinaturas são escalonadas pelo seu ARR, não por usuário, então um time de CS de 12 pessoas e um de 120 na mesma empresa pagam o mesmo. Ainda não existem dados de preço de terceiros. A única referência pública é indireta: o case da Boomi afirma ROI acima de 700% sobre US$ 4,9M retidos (18% de US$ 27M), o que coloca esse gasto na plataforma em no máximo cerca de US$ 600K. Trate isso como teto para uma base instalada grande, não como cotação. Espere um contrato anual no padrão enterprise, uma fase de integração de dados antes da primeira conta pontuada e um backtest de prova de conceito como preço de entrada.

Ideal para

VPs de Customer Success e líderes de RevOps em empresas B2B SaaS com cerca de US$ 50M+ de ARR, uma base grande de contratos anuais ou plurianuais e produtos bem instrumentados (Pendo, Amplitude, Mixpanel, Heap, Segment ou tabelas de eventos no warehouse) cujo problema é o churn surpresa: renovações perdidas que o health score marcava como verdes. Encaixa melhor quando já existe uma plataforma de CS como o Gainsight e o objetivo é fazê-la agir mais cedo, não substituí-la.

Descarte se você vende planos mensais self-serve (o horizonte de 9 a 18 meses é mais longo que seus contratos), se os eventos de produto não estão ligados a IDs de conta ou se você tem menos de algumas centenas de contas — o modelo precisa de renovações e cancelamentos históricos suficientes para aprender.

Versus as alternativas

Por base instalada, Gainsight e ChurnZero dominam essa linha de orçamento; os dois entregam health scoring e alertas de risco dentro do workspace do CSM. Fique neles se o seu churn é visível com 90 dias de antecedência e a solução é cobertura de CSM. Planhat e Vitally são a escolha quando a reclamação é de workflow e modelagem de dados, não de predição. Pendo e Amplitude entregam as tendências de uso brutas e deixam um analista interpretá-las. O caminho faça-você-mesmo — um modelo de churn construído pelo seu time de dados no warehouse e sincronizado com o CRM via Hightouch — vence quando você já tem engenheiros de ML e quer ser dono das features. A QuadSci vence só quando o problema é antecedência: você precisa de 12 meses de aviso, não de 90 dias, e quer isso sem montar um time de ciência de dados.

Pontos de atenção

• O número de acurácia muda conforme a fonte e não é definido. O release da Série A fala em 94% a 12–18 meses; o site e o release do prêmio de junho de 2026 falam em 90%+ a 9–18 meses. Nenhum diz se é precision, recall ou acurácia geral — e numa base com 8% de churn anual, um modelo que sempre prevê “renova” tem 92% de acurácia. Proteção: transforme o piloto pago num backtest cego sobre suas próprias renovações de mais de 18 meses atrás e exija por escrito precision e recall da classe churn, por segmento.
• Sem telemetria, não há produto. Todo case começa com bilhões de eventos mapeados para contas. Proteção: antes da primeira call, confirme que os eventos de produto carregam um ID de conta estável que faz join com o seu CRM e que você guarda pelo menos dois ciclos de renovação de histórico.
• A confiança demora mais que a implantação. O próprio time da Boomi fala em seis meses até os CSMs agirem com base nas predições. Proteção: mande os sinais para a fila de CTAs ou tarefas que já existe, em vez de um dashboard novo, e defina um resultado medido — por exemplo, taxa de retenção nas contas sinalizadas contra um grupo de controle — antes do rollout.
• É um fornecedor jovem e pequeno. Fundado em 2023, cerca de 40 pessoas e US$ 8M de captação divulgada, vendendo em cima de decisões de renovação plurianuais. Proteção: a implantação nativa no warehouse mantém seus dados onde estão; além disso, contrate a exportação de scores, definições de coortes e importância de features, e limite o primeiro prazo a 12 meses.