produto digital: processo com assistência de inteligência artificial
[atualização: 21/abril/2025]
atualmente com o avanço da inteligência artificial, podemos contar com assistência dessa tecnologia em diversas etapas do processo de desenvolvimento de produto digital.
a velocidade e facilidade proporcionadas permitem muitas vezes tomar o risco de simplificar e-ou acelerar algumas etapas de um processo tradicional.
estamos chegando a um cenário onde uma mesma pessoa contando com assistência de ia potencialmente poderá executar boa parte das etapas do processo. dependendo da intenção, complexidade e estágio do produto e negócio.
podemos ter agentes autônomos — com humano no loop, pesquisando, sumarizando, oferecendo propostas e codificando coisas. e ter pessoas com habilidades e experiências diversas.
como exemplo, veja o caso da posthog, onde há product engineers que assumem a liderança ponta-a-ponta do produto, unindo gestão (estratégia, prioridades), design (experiências) e desenvolvimento (construção, correção) para evoluí-lo continuamente.
com todo cenário atual, profissões de product manager, product designer e developers estão passando por transformação e-ou sobreposição de atividades.
com mais um tempo, elas não existirão da mesma forma. por isso, em vez de uma organização depender de “profissão” ou “cargo”, recomendo a pensar em papéis e responsabilidades. são flexíveis para se adaptarem conforme contexto.
realizar o processo colaborativamente entre humanos ainda continua sendo uma opção rica e importante em diversos contextos. especialmente quando desejável e-ou enquanto não for possível que uma mesma pessoa realize a maior parte do processo com as informações, habilidades, ferramentas e assistência de inteligência artificial disponíveis para isso.
ao trabalhar em times, considere ter apenas o mínimo necessário de pessoas colaborando em uma mesma iniciativa. consultando especialistas ao longo do processo pontualmente.
times menores causam menos ruído de comunicação e menos necessidade de coordenação. menos reuniões em grupo. menos gerência intermediária.
vibe coding e desenvolvimento com código
em fevereiro de 2025 um novo conceito surgiu, vibe coding. o termo cunhado por um dos fundadores da OpenAI, Andrej Karpathy, diz respeito ao processo de utilizar i.a. para gerar código de software através de linguagem humana, em vez de codificar algo manualmente.
o termo, apesar de popular, talvez tenha seus dias contados. iremos ver.
hoje ele consegue representar um conceito, que está em evolução. mas já existem dezenas, ou centenas, utilizando i.a. para transformar intenção humana em sistemas.
ainda há diversas limitações, especialmente quando a interação atinge uma quantidade muito grande de informações na janela de contexto dos LLMs - grandes modelos de linguagem. ou quando não foram tão bem treinados em alguma linguagem ou framework. ainda introduzem bugs ou tornam o código frágil ou complexo demais.
e talvez a parte mais crítica, as pessoas que não entendem de código podem se sentir reféns quando desejam avaliar a arquiterura do sistema, corrigir algum problema ou quando algo sai muito do caminho que desejava. mesmo as pessoas experientes em código podem ter dificuldade em intervir em algum código que elas não acompanharam a evolução e decisões de perto.
por mais que as ferramentas de vibe coding tenham tentativas de auto-correção ou possam ser instruídas a tentar de outra forma, ainda é uma vantagem saber código. ter controle sobre o que é gerado. manipular diretamente esse código.
depender de um bate papo fluído sem ter uma fonte de verdade que não seja apenas código ainda é um desafio para inúmeras pessoas.
imagino que uma das evoluções possíveis será a integração do mundo no-code com vibe coding.
um mapa visual configurável para gerenciar as regras, fluxos e automações. programar visualmente — mas também por comandos de voz — como já fazemos atualmente com ferramentas como zapier, n8n, activepieces, bubble, weweb, dentre outras.
combinado com a opção de instruções humanas — vibe coding, uma forma de conversar com a i.a. para ela mesmo evoluir o sistema a partir de instruções em linguagem humana, alterando o mesmo mapa visual automaticamente.
ou seja, tanto nós quanto a ia trabalharemos em cima desse mapa visual executável. a fonta da verdade, que não seja diretamente o código.
e mesmo que esse palpite não se torne um padrão, é possível que o mundo de desenvolvimento continue em transformação, utilizando cada vez mais os LLMs para geração inicial de sistemas. ou até para desenvolver sistemas completos, dependendo do contexto e complexidade.
quem sabe os LLMs para vibe coding comecem a utilizar outro tipo linguagem de programação mais efetiva, menos verbosa, que seja menos suscetível a bugs. e quem sabe por isso mesmo o código comece a ser mais difícil para humanos entender e dar manutenção.
em produtos mais comuns, dentro desses cenários de uso de LLMs e ferramentas com integração no-code, saber código logo mais poderá deixar de ser uma habilidade tão necessária quanto hoje.
o importante será entender bem o que desejamos resolver, quais jobs to be done atender, quais as as regras do sistema, programar — o que não necessariamente precisa envolver código, saber orquestrar os fluxos e evoluir o sistema de forma segura.
u.i. — design system e componentes
caso a organização já possua um produto com design system customizado — e necessário —, sugiro o experimento de que profissionais de ui foquem esforços em criar uma biblioteca de componentes reutilizáveis, algo como um storybook, para que outras pessoas possam seguir o processo de desenvolvimento de produto sem precisar esperar um profissional de ui/ux para criar interfaces simples.
o tempo de pessoas com habilidade de ui/ux poderia ser melhor aproveitado criando os componentes reutilizáveis, participando da etapa de definição da experiência, fluxos e rabiscos, e oferecendo aconselhamento na etapa de avaliação da versão simplificada.
para criar novos componentes, atualmente é possível utilizar plugins como o uxpilot no figma para instruir em linguagem humana a gerar novos artefatos baseados no design system e componentes atuais.
caso a organização esteja criando um produto novo, uma opção é utilizar componentes já existentes no mercado direto nas etapas de desenvolvimento para ganhar tempo com algo já funcional — quando o design visual não for criticamente o próprio diferencial do negócio ou uma forma de comunicação original com o próprio público.
e se ainda assim desejar um design system para edição no figma, para evoluir com o tempo, avalie a possibilidade de iniciar importando um design system completo já existente na internet, em vez de investir tempo para fazer algo do zero.
exemplos de storybooks de outras empresas.
provedores gratuitos de llms
para os casos em que desejar utilizar llms para gerar conteúdo ou código via api, explore o repositório free-llm-api-resources no github para encontrar acesso gratuito a algumas llms.
vamos nessa…
levando tudo isso em consideração, abaixo está um processo simplificado de etapas que os times podem realizar com apoio de inteligência artificial. em cada etapa descrevo um pouco as atividas e também menciono ferramentas de ia para ajudar.
vale lembrar: como qualquer processo, esse também não é 100% linear e as etapas não são 100% obrigatórias.
se você está planejando lançar um novo produto, recomendo a leitura do e-book gratuito “a arte da experimentação: da ideia ao produto”:
![[e-book] A Arte da Experimentação: Da Ideia ao Produto](https://substackcdn.com/image/fetch/$s_!QdCs!,w_140,h_140,c_fill,f_webp,q_auto:good,fl_progressive:steep,g_auto/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F9a7b1d39-c75a-4e92-93dc-35fb20253295_1254x1113.png)
o processo com ia se integra ao processo de produto foco & fôlego:
processo com assistência de IA
se deseja visualizar o mapeamento integrado desse artigo e do processo foco e fôlego como no vídeo abaixo, acesse esse link.
índice
🗺️ mapeamento do espaço do problema
[assistência de ia] mapeamento inicial
[assistência de ia] aprendizado sobre o público
[assistência de ia] análise qualitativa aprofundada em dados prévios
🔍 análise de tendências e concorrência
[assistência de ia] análise de tendências e concorrência
🤯 delimitação do problema
[humano] delimitação do problema (framing, set boundaries)
⏰ restrição de tempo
[humano] definição de apetite
💡 definição de solução
[assistência de ia] brainstorming de soluções
[assistência de ia] proposta inicial da definição suficiente para implementação [dsi]
[assistência de ia] definição da experiência, fluxos de usuário e rascunhos brutos
[assistência de ia] avaliação de riscos de escopo, usabilidade e técnico das propostas
[humano] definição suficiente para implementação [dsi] — shaping, minimal specs, minimal product requirements document, BDD
[assistência de ia] seleção de dsi
✨ desenvolvimento da versão simplificada
[assistência de ia] versão real simplificada
✅ avaliação rápida da versão simplificada
[assistência de ia] avaliação rápida
[humano] sessões de aconselhamento de confiança — braintrust da pixar
[humano] avaliação com um(a) especialista em UX
[humano] teste de usabilidade minimalista
[assistência de ia] refinamento da solução
🚀 desenvolvimento completo e lançamento
[assistência de ia] mapeamento dos escopos
[assistência de ia] desenvolvimento completo
[assistência de ia] avaliar se a implementação está de acordo com a definição de solução
[assistência de ia] garantir lançamento seguro da solução
📈 acompanhamento e evolução
[assistência de ia] análise dos dados da solução em produção
[assistência de ia] integração e análise de feedback contínuo
🐙 [assistência de ia] evolução da solução e do negócio
⤴ retorne à 🤯 delimitação do problema
🗺️ mapeamento do espaço do problema
esse estágio raramente será executado linearmente como o primeiro na sequência independente de contexto. possivelmente ele rodará em paralelo e em ritmo diferente de outros estágios. gerando informações para os próximos estágios.
melhor pensar nele como uma trilha à parte, como na metodologia triple track agile que conceituei em 2018 e publiquei em 2020.
[assistência de ia] mapeamento inicial
uma das formas de iniciar um mapeamento de espaço do problema é aproveitando a assistência de ia para rascunhar um mapeamento de jobs to be done: do job funcional aos critérios de sucesso. integrando jobs contextuais, jobs emocionais e sociais, critérios financeiros, segmentos não-demográficos. descubra os concorrentes, não só os diretos e óbvios, mas os indiretos e ocultos.
você também pode se beneficiar em explorar:
o que e como as pessoas já pesquisam sobre seu próprio problema na internet.
o que discutem, reclamam ou pedem sobre isso.
especialmente no reddit por conter inúmeros tópicos e comentários.
abaixo há opções de prompts, e-book e recomendação de modelos de ia. e, se de outra forma, você desejar contratar um serviço para mapeamento de jobs to be done, pode entrar em contato comigo e também acessar o site zero-to-insight, para entender um pouco mais meu serviço.
prompts: consulte prompts para mapear o espaço do problema com jobs to be done.
e-book gratuito: 📙 inovação baseada em jobs to be done.
ferramentas ia: Gemini 2.5 Pro, Grok 3 Big Brain, DeepSeek v3-0324, Claude 3.7 Sonnet, etc.
ferramentas para saber o que o público já pesquisa sobre o assunto: AnswerThePublic, BackLinko - People Also Ask, UberSuggest.
ferramentas para encontrar insights no Reddit: GummySearch (utiliza ia), Search Pullpush. recomendo fortemente explorar a GummySearch para encontrar audência, quais principais opotunidades, dores do público, tipo de soluções que as pessoas pedem para um tópico específico, etc.
[assistência de ia] conversa com o público
use a assistência da ia para rascunhar perguntas. aprender princípios para guiar uma sessão de escuta ou conversa para aprendizado. pratique. converse com seu público.
ferramentas ia: Gemini, Grok, ChatGPT, DeepSeek, etc.
artigos que podem ajudar: 📙 regras de ouro para conversar com potenciais consumidores, 📙 sessão de escuta - Indi Young, 📙 kit de perguntas para explorar problem space & solution space
[assistência de ia] análise qualitativa aprofundada em dados prévios
identificar temas e padrões em grandes volumes de textos, como entrevistas ou qualquer outra base de conhecimento.
ferramentas ia específicas para encontrar padrões e insights de entrevistas: Delve, Dovetail, Marvin, Condens, Reduct, Looppanel, InsightLab.
ferramentas ia explorar padrões em sua própria base de conhecimento: NotebookLM, Perplexity AI Space, FlowithIO.
ferramentas ia gerais: Gemini, ChatGPT, Claude, Notion AI.
🔍 análise de tendências e concorrência
após realizar esse estágio ao criar um novo produto. ele pode se tornar uma trilha à parte em seu próprio ritmo também. gerando informações para os próximos estágios.
como parte final do processo, há um estágio de acompanhamento de indicadores da solução.
[assistência de ia] análise de tendências e concorrência
descubra o que há de soluções atuais para atender aos problemas que descobriu. avalie os concorrentes. entenda as tendências de demanda e tecnologia.
ferramentas ia que podem ser usadas em modo gratuito: Perplexity Deep Research, ChatGPT Deep Research, Gemini Deep Research, Grok Deep Research, DeepSeek DeepThink.
ferramentas ia pagas: AskPot.
💡delimitação do problema
[humano] delimitação do problema (framing, set boundaries)
a partir de todo conhecimento adquirido suposições e intenções, é necessário delimitar qual o problema a resolver. um recorte específico para o qual deseja definir uma solução.
qual o contexto e motivação? qual o job to be done que estamos querendo satisfazer no lado do público que utilizará a solução? que parte queremos atender?
não é sobre solução ainda.
⏰ restrição de tempo
[humano] definição de apetite
“o trabalho se expande de modo a preencher o tempo disponível para a sua realização” ー Lei de Parkinson
em vez de definir uma solução para depois tentar prever o tempo que tomará para implementar, experimente o inverso.
realizar estimativas costuma ser um desperdício de tempo. estimativas são imprecisas. frequentemente longe da realidade.
servem mais para gerentes se sentirem tranquilos, por um tempo. até que tudo desande.
o tempo tentando adivinhar quanto se gastará de tempo, poderia ser utilizado para desenvolver o produto.
experenciamos a falácia do planejamento (proposta por daniel kahneman e amos tversky em 1979; ampliada por lovallo e kahneman em 2003), uma tendência sistemática de subestimarmos o tempo, os custos e os riscos necessários para completar uma tarefa futura, ao mesmo tempo em que superestimamos os benefícios dessa mesma tarefa.
o interessante, e frustrante, é que essa tendência persiste mesmo quando temos experiências passadas com tarefas semelhantes que também estouraram prazos e orçamentos.
além disso experenciamos o viés de otimismo, uma tendência cognitiva que nos leva a acreditar que somos menos propensos a experienciar eventos negativos e mais propensos a experienciar eventos positivos do que realmente somos. é um dos motores da falácia do planejamento. porque somos geralmente otimistas sobre nossas próprias capacidades e sobre o futuro.
e nem mesmo os pontos de história nos salvam dessas questões.
como o próprio criador do conceito disse:
“gosto de dizer que posso ter inventado pontos de história e, se o fiz, agora sinto muito.” … “é muito melhor escolher uma data próxima para o próximo lançamento para os clientes e escolher o máximo de coisas boas possível para esse lançamento. Estimar, seja em pontos de história, ursinhos de goma ou até mesmo tempo, atrapalha isso. Sempre que possível, na minha opinião, é melhor evitar.” ー Ron Jeffries falando sobre estimativas de histórias de desenvolvimento e estimativa de tempo.
então, nos sobra duas alternativas: realizar entregas contínuas sem atrelar a um tempo específico.
ou, a que sugiro nesse processo, definir qual o apetite de tempo temos para resolver um determinado problema. assim teremos oportunidade de fazer trade-offs, tomar decisões sobre corte de escopo e favorecer alternativas simples para evitar complexidade desnecessária.
sem a restrição de tempo, dificilmente será possível tomar decisões críticas do que será feito naquela janela de tempo. e com ela, aumenta nossa confiança em nós mesmos e sob o olhar de outras pessoas e times na organização ao realizar entregas consistentemente em janelas de tempo definidas.
se optar por essa estratégia, experimente algo entre 2 a 4 semanas.
um período muito curto dificilmente permitirá entregar algo de valor em produção.
um período muito longo torna difícil apreender mentalmente para conseguir tomar decisões importantes, além de aumentar a espera de outras implementações ou minimizar a flexibilidade para mudança de direção do negócio com outros experimentos.
mas só essa etapa não será suficiente para o processo funcionar.
as etapas de definir uma proposta suficiente e avaliar riscos com múltiplas perspectivas são extremamente importantes.
💡 definição de solução
[assistência de ia] brainstorming de soluções
explore potenciais soluções para resolver o problema delimitado.
prompts:
ferramentas ia: Gemini, Grok, ChatGPT, DeepSeek, etc.
[assistência de ia] proposta de definição suficiente para implementação [dsi]
use ia para acelerar a escrita inicial de uma proposta inicial suficiente para ser avaliada com base na delimitação do problema, restrição de tempo e outras informações que considerar necessárias.
caso mais de uma pessoa esteja executando o processo em colaboração, é importante a proposta explicitar a delimitação do problema — com contexto e motivação, junto com a restrição de tempo acordada.
quando trabalhando em grupo, essas informações não devem estar implícitas na cabeça de uma só pessoa. precisam ser completamente compreendidas e facilmente acessadas.
critérios
inicie tentando resolver esses critérios, que serão aprofundados e finalizados até próximas etapas:
delimitação do problema
o que será essencial implementar para resolver
o que será nice-to-have [legal mas não essencial]
o que será intencionalmente deixado de fora [não implementado] — para evitar riscos, complexidade e armadilhas numa espiral que tome tempo desnecessário.
onde estão os maiores riscos, opções a tomar e como minimizar esses riscos.
quais os indicadores que irá acompanhar para saber se está entregando o resultado esperado para o público final e para os negócios.
potenciais perguntas e respostas que outras pessoas poderão ter ao implementar.
sugestão para experimento:
utilize o prompt proposta suficiente - principles of elegance
use o resultado do passo 1 como input para o prompt de mapeamento de escopos para entrega de valor.
use o resultado do passo 2 como input para o prompt systemic health indicators.
integre o resultado do passo 2 e 3 como proposta suficiente de produto.
prompts para gerar proposta:
alternativo: PRD task oriented dialogue (constrói o PRD em conversa com você)
prompts para definição de métricas:
ferramentas IA para rodar prompts: Gemini 2.5 Pro, Grok 3 Big Brain, DeepSeek v3-0324, Claude 3.7 Sonnet
ferramentas IA para gerar documentação para outras ferramentas de IA criarem protótipos:
CodeGuide.dev, Templaio, e SocopesFlow: cria documentação para ferramentas de ia que geram webapps.
Eraser.io: pensamento interativo — a IA faz perguntas de acompanhamento direcionadas para esclarecer seu pensamento
de forma complementar, é possível também gerar cenários para BDD (behavior driven development) para garantir comportamentos esperados e que ao desenvolver facilite validar que está tudo como esperado.
assim mantém as regras em linguagem humana que serão executáveis por código e isso garantirá estar sempre atualizadas. além de auxiliar que outras pessoas que estejam envolvida com o produto possam ler e entender.
[assistência de ia] definição da experiência, fluxos de usuário e rascunhos brutos
nessa etapa é importante pensar mais detalhadamente na experiência do usuário, nos affordances — capacidades e características principais das interfaces, e como tudo se encaixará e fluirá.
ferramentas ia para fluxos: FigJam, Whimsical, Eraser.io, Flowchart.fun, Mermaid Mind, Miro.
ferramentas ia para wireframes minimalistas (evite qualquer detalhe como cor, texto ou imagem): Wireframe.cc, Excalidraw, Tldraw, Whimsical, Relume, Figma, UXPilot, Miro.
ferramentas ia para ajudar na documentação de ui: CodeGuide.dev, Templaio, SocopesFlow e Eraser.io.
[assistência de ia] avaliação de riscos de escopo, usabilidade e técnico das propostas
nessa atividade é importante ter o conhecimento sobre a intenção — job to be done — que a solução deseja atender, a restrição de tempo para desenvolvimento, experiência e usabilidade planejadas da solução, tecnologias que serão utilizadas e tecnologias atuais do produto existente.
isso em geral ocorre com a colaboração entre pessoas experientes no papel de produto, design e desenvolvimento. e com grande contexto histórico do produto, tecnologia e negócio. em geral no máximo 3 pessoas, representando cada uma habilidade e-ou papel.
porém, pode ser que uma mesma pessoa tenha mais de um tipo de conhecimento integrado e esteja em mais de um papel nessa atividade.
não pule essa etapa. é importante integrar essas 3 perspectivas e conhecimento. quando não bem realizada pode colocar em risco todas outras etapas do processo.
a pessoa responsável por essa etapa deve ser capaz de atender ao máximo dos critérios de solução da etapa anterior com a ajuda das perspectivas envolvidas.
se perceber que a troca de informações e integração de perspectivas está mais lenta do que o desejado em formato assíncrono, experimente discussões aprofundadas ao vivo por áudio, compartilhando a proposta e rabiscos brutos na tela.
caso não tenha acesso a esse conhecimento [e às pessoas] no momento ou esteja desejando tomar riscos, sugiro ao menos uma forma mínima de minimizar problemas de usabilidade e técnicos com assistência de ia, e realizar cortes de escopo para encaixar na restrição de tempo.
e mesmo com as pessoas necessárias envolvidas, sugiro ainda experimentar assistência de ia entre as pessoas participantes.
avalie:
[assistência de ia] riscos de escopo-tempo: avaliar o que precisa — ou pode — ser cortado para minimizar complexidade e dependências que aumente o risco de não caber na janela de tempo.
[assistência de ia] riscos de usabilidade: apresentar imagens dos fluxos ou rascunhos para ia que faz leitura de imagem pedindo para avaliar riscos de usabilidade e acessibilidade. se possível, usar IA com visão para uma checagem de heurísticas e acessibilidade por vídeo.
ferramentas ia com possibilidade de apresentar imagem: Gemini, Claude, ChatPGT, Grok, DeepSeek.
ferramentas ia com visão ao vivo de tela compartilhada: Gemini Live.
[assistência de ia] riscos técnicos: com acesso à base de código atual completa, peça para uma IA de modelo avançado com modo de raciocínio para avaliar o código atual e identificar quais riscos a proposta de solução atual pode ter, o que seria mais complexto de integrar, etc.
ferramentas ia para avaliar tecnicamente: Devin 2.0, Augment Code (na IDE VS Code), RooCode (na IDE VS Code) conectado ao Gemini 2.5 Pro ou Claude 3.7 Sonnet.
[humano] definição suficiente para implementação [dsi] — shaping, minimal specs, minimal product requirements document, BDD
com o mesmo grupo mencionado na etapa anterior, refine a proposta para uma definição suficiente para implementação [dsi].
[assistência de ia] seleção de dsi
essa etapa pode ser útil caso as etapas acima aconteçam em uma trilha paralela às etapas de implementação e-ou em períodos diferentes.
potencialmente um papel será responsável por criar dsi [definições suficientes para implementação], à parte das etapas de implementação. por isso, será possível gerar algumas dsi para concorrer em numa próxima janela de tempo de implementação.
utilize a assistência da IA para priorizar propostas com base em critérios da estratégia de produto e negócios.
ferramentas ia: Gemini 2.5 Pro, Grok 3 Big Brain, DeepSeek v3-0324, Claude 3.7 Sonnet, etc.
ferramentas para ajuda priorizar com base em critérios: ducalis.io.
✨ desenvolvimento da versão simplificada
caso a organização já utilize tecnologias e bibliotecas específicas e sigam padrões de desenvolvimento específico, atualmente pode ser útil formular prompts de LLMs estruturados para dar contexto tecnológico, princípios de codificação, estrutura de arquivos e-ou compilado de documentação de coisas importantes para os LLMs utilizarem.
tenha também à disposição os componentes e estilos visuais que podem ser usados como inpiração pelo LLM, se possível insira detalhes do código dos componentes e dos estilos que serão utilizados nessa etapa.
as ferramentas abaixo podem contribuir para integrar detalhes específicos em sua proposta de solução.
ferramentas IA para gerar documentações mais específicas para outras ferramentas de ia consumirem: CodeGuide.dev (cria documentação para ferramentas e LLMs poderem codar), Eraser.io (pensamento interativo — a IA faz perguntas de acompanhamento direcionadas para esclarecer seu pensamento).
[assistência de ia] versão real simplificada
transforme a proposta de solução, fluxos e rascunhos em um protótipo funcional ou versão simplificada da solução.
inicie tentando construir a parte principal, que entrega mais valor e onde ainda há maior preocupação.
experimente priorizar telas e codificação feitas por ia quando perceber que não há perda significativa de qualidade.
quanto mais complexa for a funcionalidade e produto, maior apoio de uma pessoa com habilidades de UI/UX e-ou de desenvolvimento com código poderá ser necessário.
design com motiff ou [uxpilot → figma] → importar em ferramenta de assistência de ia
é possível que a pessoa ou time considere necessária a criação de telas e funcionalidades em alta fidelidade para ajustes manuais finos antes de criar uma versão simplificada com as ferramentas acima.
avalie essa necessidade. caso confirmado, experimente utilizar o plugin do uxpilot no figma para instruir em linguagem humana a gerar ui baseado em seu próprio design system e componentes atuais.
faça os ajustes necessários dentro do figma. depois importe os artefatos gerados dentro da ferramenta de vibe coding para continuar a contrução da versão simplificada.
ferramentas IA para interface de alta fidelidade: Motiff, Penpot, Figma, UXPilot (com figma), FrayDesign (com figma).
versão real simplificada com assistência de ia em editores visuais
se a solução precisar ser integrada em um sistema existente e a pessoa nessa etapa não tiver conhecimento mínimo de código, encare essa etapa como criação de protótipo — com código frontend funcional e potencialmente reaproveitável — para apresentar à pessoa que implementará.
caso seja um produto novo ou uma funcionalidade à parte do sistema existente, se torna mais fácil encarar isso como uma versão real simplificada da solução. com a qual a pessoa desenvolvedora conseguirá evoluir.
MCP Server para utilizar artefatos do Figma em ferramentas vibe coding: framelink.ai
ferramentas IA — pagas ou plano gratuito: v0.dev, tempo.new, lovable e outras. descubra +70 ferramentas no VibeCodingDirectory. várias dessas ferramentas permitem integração com banco de dados e serviços de autenticação.
ferramentas de IA — web editor ou ide open-source: dyad.sh, bolt.new.
versão simplificada com assistência de ia e uso de código
se a pessoa nessa etapa tiver conhecimento de código, pode utilizar diretamente uma IDE que tenha assistência de ia para criar a solução. potencialmente poderá usar linguagem humana, sem precisar codar inicialmente.
e mesmo nesse caso, ainda pode fazer sentido começar por editores web de vibe coding, mencionado mais acima.
ferramentas de IA — pagas ou plano gratuito: Augment Code, Devin 2.0, Cursor, Windsurf e outras.
ferramentas de IA — web editor ou ide open-source: dyad.sh, bolt.new
✅ avaliação rápida da versão simplificada
a execução ou opcionalidade dessa etapa depende do contexto: complexidade, velocidade e custo ao lançar uma solução e conseguir feedback. o quanto está disponível a tomar riscos.
[assistência de ia] avaliação rápida
há ao menos 4 formas de experimentar ia para ajudar nessa avaliação rápida:
avaliação através de imagens.
ferramentas ia: Gemini, Claude, ChatPGT, Grok, DeepSeek.
avaliação através de vídeo com tela compartilhada com ia.
ferramentas ia: Gemini Live.
operação autônoma de ia no browser através de instruções humana sob demanda
ferramentas ia: Operator.BrowserBase, RooCode + BrowserBase ou Browser Use (MCP Server), DoBrowser, OpenAI Operator and Claude Computer
execução de cenários BDD ou testes planejados.
[humano] sessões de aconselhamento de confiança — braintrust da pixar
há uma metodologia de feedback que a pixar batizou de braintrust e usou — ainda usa? — por anos para avaliar muitas de suas produções.
ela pode ser útil nessa etapa. aprenda mais sobre nesse artigo em português: braintrust da pixar: sessões de feedback mais enriquecedoras e seguras
princípios:
grupo seleto: Reúne um grupo experiente de líderes e colegas.
feedback franco: baseia-se na franqueza e honestidade absolutas para dar feedback do que está em produção.
foco no problema: o objetivo principal é identificar os problemas fundamentais, sem necessariamente prescrever soluções.
ambiente seguro: opera de forma separada da hierarquia usual e das relações de poder do dia-a-dia, buscando criar um ambiente psicologicamente seguro para críticas construtivas.
crítica ao projeto, não à pessoa: as críticas e notas são direcionadas à solução e seus desafios, não como um ataque pessoal às pessoas que lideram o produto ou equipe.
autonomia do líder do projeto: embora o feedback seja valioso e direto, o líder do projeto mantém a autonomia e não é obrigado a seguir nenhuma sugestão específica.
inteligência coletiva: visa aproveitar a inteligência coletiva e as diversas perspectivas do grupo para elevar a qualidade final do filme antes que ele avance no desenvolvimento.
ações resumidas:
defina: qual projeto/ideia receberá feedback e o objetivo de melhorá-lo.
selecione: um grupo pequeno, experiente e que possa atuar como pares.
estabeleça regras: comunique a necessidade de franqueza, foco nos problemas (não soluções), crítica ao projeto (não à pessoa) e ambiente seguro.
apresente: o trabalho e seu contexto de forma clara.
conduza: a discussão focada na identificação honesta dos problemas do projeto.
garanta autonomia: deixe claro que quem recebe o feedback decide o que fazer com ele.
processe e aja: analise os insights e planeje os próximos passos para o projeto.
exemplo prático:
tempo total: 40min
apresentador da proposta convida conselheiros específicos (1-3) para a dinâmica
apresentador publica em um canal online da empresa 2 dias com antecedencia convidando quem quiser participar — não como conselheiro direto, mas terá chance de deixar reações.
10 min: apresentador inicia dinâmica no dia e horário combinado, apresentando um documento com problema delimitado e solução proposta.
5 min para todas as pessoas presentes na dinâmica avaliarem o problema e solução do documento.
5 min para todas as pessoas presentes na dinâmica realizarem anotações em um documento. em silêncio.
3 min para cada conselheiro convidado falar.
5 min para apresentador justificar sua proposta.
apresentador não tem obrigação de integrar os conselhos. apenas refletir e adequar posteriormente o que achar necessário.
[humano] avaliação com um(a) especialista em UX
avaliar experiência na perspectiva de UX.
[humano] teste de usabilidade minimalista
pedir para 3-5 pessoas utilizarem o protótipo enquanto você observa e anota insights. você pode realizar teste de guerrilha ou usar ferramenta para encontrar pessoas virtualmente.
ferramenta: UserTesting.
[assistência de ia] refinamento da solução
refinamento da solução com base em padrões encontrados nas avaliações acima.
🚀 desenvolvimento completo e lançamento
sugiro ler o tópico regras simples para implementação do processo foco e fôlego.
[assistência de ia] mapeamento de escopos e sequenciamento
a partir da dsi [definição suficiente para implementação], é possível contar com o apoio da i.a. para mapar os principais escopos [temas] para implementação. e as principais tarefas de cada.
escopos são partes significativas que podem ser concluídas de forma independente e em um curto período de tempo. eles representam uma parte demonstrável de valor. são maiores do que tarefas, mas muito menores do que o dsi completo.
com os escopos definidos, é possível integrar dependências entre eles e priorizar tarefas técnicas para minimizar riscos.
além disso é possível compartilhar progresso de cada escopo individual.
essa abordagem de dividir o projeto geral em escopos é chamada de 'divisão vertical'.
o oposto seria 'divisão horizontal', em que você dividiria um grupo de tarefas por pessoa, função, por tipo de trabalho que precisa ser feito, camadas ou componentes envolvidos.
evite isso, pois potencialmente resultaria em um grupo de tarefas desconectadas, aumentaria a complexidade e dificilmente seria possível realizar uma independentemente da outra.
além dos escopos, será útil sequenciar os escopos pelo que é a parte mais importante, o que é mais arriscado e dependências. isso pode ser feito também com ajuda de i.a.
prompts ia: prompt de mapeamento e sequenciamento de escopos
ferramenta para criar escopos manualmente e descobrir dependências: scopefully.
ferramentas ia: Gemini 2.5 Pro, Grok 3 Big Brain, DeepSeek v3-0324, Claude 3.7 Sonnet, etc.
[assistência de ia] desenvolvimento completo
nessa etapa a intenção é desenvolver a partir da versão mínima já criada.
os LLMs — grandes modelos de linguagem — e as ferramentas de ia que utilizam linguagem humana para desenvolvimento estão evoluindo rapidamente. mas, atualmente talvez ainda seja necessário algum conhecimento técnico de software — código e tecnologias — para uma evolução segura.
se já existe uma base de código de um produto existente, você pode pedir pra i.a. resumir o projeto — o que faz, qual a estrutura e qual a tech stack. assim pode ajudar ela partir de um conhecimento mínimo.
avalie esses critérios contra as funcionalidade ou produto que evoluirá nessa etapa:
precisará ser integrada a um sistema com código já existente?
precisará seguir regulamentações específicas tecnológicas de segurança ou performance?
precisará usar bibliotecas tecnológicas específicas que as ferramentas de ia ainda não permitam?
será muito complexa com diversas integrações?
será base de um produto maior e precise de uma arquitetura mais robusta?
dependendo de suas respostas e avaliação, é possível que opte por evoluir com codificação. e poderá usar o código da versão simplificada como inspiração ou como base reaproveitável.
seja a mesma pessoa das etapas anteriores que já tenha esse conhecimento ou uma pessoa específica nessa etapa, ainda será possível se beneficiar da ajuda de ia para desenvolver com código dentro de uma IDE.
caso a pessoa — ou time — tenha gerado cenários de BDD ou outros tipos de instruções de comportamento esperado na etapa de definição, aqui será possível utilizar ferramentas para testar automaticamente todos esses cenários após finalizar o desenvolvimento.
ferramentas ia para gerar código ou bdd testes, e colaborar no desenvolvimento:
ferramentas de IA — pagas ou plano gratuito: Augment Code, Devin 2.0, Cursor, Windsurf e outras.
ferramentas de IA — web editor ou ide open-source: dyad.sh, bolt.new
ferramentas para executar e validar cenários: Hercules, Skyvern, Genesis, Shortest.
ferramentas ia de suporte para essas ferramentas:
ferramentas ia para formatar base de código para LLM: code2prompt, repomix, lllmstxt, gitingest.
mcp server para carregar documentação de bibliotecas no contexto da llm: context7.
mcp server para criar memória com dados em grafo das interações com os conteúdos para agentes de ia: graphiti (mais sobre).
mcp server para configurar mecanismo de busca vetorial com qdrant: mcp server qdrant.
mcp server com Semantic Analysis Capabilities: Serena — também permite integrar com Claude Desktop e não precisar pagar por uma API para gerar aplicações web.
modos para o agente de ia da ferramenta roocode: SPARC-SAPPO Agentic Development Framework (v2 - Enhanced TDD & Tiered RDD), RooCode Boomerang Tasks, RooCode MicroManager, Agile Roo Modes
[assistência de ia] avaliar se a implementação está de acordo com a definição de solução
momento de realizar testes das funcionalidades implementadas para conferir se está de acordo com a definição de solução.
é possível realizar manualmente ou com algumas opções usando ia e-ou testes automatizados:
operação autônoma de ia no browser através de instruções humana pré-definidas
ferramentas ia: Operator.BrowserBase, RooCode + BrowserBase ou Browser Use (MCP Server), DoBrowser, OpenAI Operator and Claude Computer
execução de cenários BDD ou testes planejados.
[assistência de ia] garantir lançamento seguro da solução
📈 acompanhamento, compartilhamento e evolução
a partir do primeiro lançamento, o acompanhamento poderá ocorrer como uma trilha à parte em seu próprio ritmo.
[assistência de ferramentas] feedback dos usuários e para os usuários, de forma pública
avalie o quanto essas duas estratégias podem ajudar seu negócio:
feedback dos usuários: dê oportunidade para o público informar suas necessidades, votar em ideias. aprofunde e tente entender o que estão desejando resolver.
feedback para os usuários (compartilhamento): compartilhe o changelog e-ou qual o roadmap de curto, médio e longo prazo.
ferramentas: Ducalis (resolve as 2 estratégias acima), Featurebase, Canny, UserJot, FeatureOS, UpVoty, UserVoice, ProductPlan, LaunchNotes, ProductBoard, AirFocus, Aha!, Nolt, FeatureUpVote, UserSnap, FeedBear, Frill
ferramentas open-source: Fider, Astuto, LogChimp, ClearFlask.
[assistência de ia] análise dos dados da solução em produção
se já possui um produto em produção atualmente, aproveite a coleta de dados que esteja fazendo. descubra informações e insights. tendências e padrões.
observe indicadores de comportamento e mapas de calor (heatmap). as pessoas parecem estar tendo a melhor experiência com suas próprias intenções?
em alguns contextos você desejará saber mais dos usuários visitantes dentro do próprio produto, tendo o cuidado para não se tornar um obstáculo na experiência e nem tornar seu desejo invasivo. é possível criar enquetes com ferramentas que permitem essa sondagem de informação contextual.
prompts para ajudar a descobrir quais métricas podem ser importantes acompanhar: systemic health indicators
ferramentas de métricas com apoio de IA: PostHog, Mixpanel, Amplitude
ferramentas IA para explorar o banco de dados de estado com linguagem humana em vez de sql: JulisAI, WrenAI, SupaboardAI, Dataline, Chat2db.ai.
ferramentas para avaliação visual (mapa de calor) e outras informações: PostHog, Hotjar, Microsoft Clarity
ferramentas para captura de informações (enquetes): PostHog, Hotjar, Microsoft Clarity
[assistência de ia] integração e análise de feedback contínuo
processar feedback constante para monitorar problemas e oportunidades: chats, emails, tickets abertos, avaliações na app store e google play, avaliações no reclame aqui, avaliações no google.
ferramentas para integrar e classificar feedbacks: ClientZen.io, UsePainBoard, Syncly, Enterpret, Anecdoteai, Indellia, Deep-Talk, Feedaiback.
ferramenta de contato com cliente omnichannel e open-source: Chatwoot (com análise das informações).
🐙 [assistência de ia] evolução da solução e do negócio
→ atenda mais critérios de sucesso do job to be done funcional, etapas do job ou outros jobs contextuais
evolua o produto a partir do mapeamento de job to be done inicial. atenda mais critérios de sucesso, mais etapas do job ou outros jobs contextuais. veja exemplo no zero-to-insight.
→ atenda critérios de produtos evolutivos — mecanismos da evolução biológica
utilize critérios de produtos evolutivos, baseados nos mecanismos da evolução biológica, para evoluir produtos. conto mais no artigo: produtos evolutivos - como aplicar a analogia da evolução para evoluir seu produto
ferramentas ia para explorar os critérios de produtos evolutivos: Gemini 2.5 Pro, Grok 3 Big Brain, DeepSeek v3-0324, Claude 3.7 Sonnet