A crescente disponibilidade de dados comerciais tem ampliado as oportunidades de aplicação de técnicas analíticas para apoio à tomada de decisão. Nesse contexto, a priorização eficiente de oportunidades comerciais representa um desafio relevante para organizações que buscam otimizar a alocação de esforços de vendas e maximizar resultados. O presente trabalho tem como objetivo desenvolver uma solução baseada em aprendizado de máquina para apoiar a priorização de oportunidades comerciais no contexto da Visagio. Para isso, foi utilizada uma base histórica extraída do sistema de Customer Relationship Management (CRM) da empresa, contendo informações sobre oportunidades comerciais e seus respectivos desfechos. Após as etapas de tratamento de dados e análise exploratória, foram avaliados modelos de classificação supervisionada, com destaque para a Regressão Logística e o Random Forest. Os resultados obtidos demonstraram desempenho superior do modelo Random Forest, que apresentou acurácia de 87,91 (por cento) e área sob a curva ROC (ROC-AUC) de 0,9213 na base de teste. Como principal entrega do trabalho, foi desenvolvido um Produto Mínimo Viável (MVP) em ambiente web capaz de transformar as previsões do modelo em uma ferramenta de apoio à gestão comercial. A solução permite o processamento automatizado de planilhas de oportunidades, gerando probabilidades estimadas de fechamento, receita esperada, rankings de priorização e diagnósticos da saúde do funil comercial. Além disso, o sistema possibilita a comparação de indicadores com benchmarks de referência e a geração de alertas gerenciais para apoio à tomada de decisão. Os resultados demonstram o potencial da aplicação de técnicas de aprendizado de máquina na gestão comercial, evidenciando como modelos preditivos podem ser convertidos em soluções práticas capazes de apoiar processos decisórios e promover uma utilização mais eficiente dos dados organizacionais.