O desafio: de dados brutos a decisões estratégicas aceleradas

A gestão do feedback do usuário é um ponto crítico para qualquer organização orientada a produto. Tradicionalmente, times de produto, suporte e vendas despendem recursos significativos apenas na coleta, organização e tentativa de extrair valor estratégico de volumes massivos e dispersos de feedback.

A v1 do projeto 'Agente de Feedback IA' (confira o vídeo explicativo no final da página) demonstrou a viabilidade da automação para centralizar e categorizar esses dados. No entanto, a verdadeira lacuna persistia na interpretação: como ir além do 'o quê' o usuário diz para entender 'porquê' ele diz e 'como' o time de produto pode agir de forma concreta? A v2 foi concebida para fechar essa lacuna, elevando o agente de um mero classificador para um assistente estratégico autônomo, capaz de gerar insights acionáveis e acelerar o ciclo de decisão de produto.

A solução: arquitetura auto-corretiva e IA estratégica

A Signal AI V2 materializa este conceito em uma automação robusta, orquestrada via Make.com, integrando Google Sheets, OpenAI e Supabase. Sua missão é clara: ingerir feedback bruto de diversas fontes e produzir inteligência estruturada, pronta para guiar a estratégia de produto.

A arquitetura de 7 passos é projetada com foco em resiliência, auto-correção e eficiência:

1. Google Sheets - Search Rows (gatilho inteligente): Realiza uma busca ativa por feedbacks com status vazio (novos) ou 'Processando...' (falhos). Esta lógica garante que nenhuma tarefa seja perdida e que falhas sejam detectadas e automaticamente reprocessadas.

2. Google Sheets - Update a Row ('status locking' inteligente): Cada feedback identificado é imediatamente marcado como 'Processando...' na planilha. Essa 'trava' temporária previne o processamento duplicado da mesma tarefa e oferece visibilidade sobre seu status atual.

3. OpenAI (o cérebro estratégico do agente): Utiliza um prompt cuidadosamente desenhado (versão defensiva v2.1) que instrui a IA a atuar como um 'Analista de Produto Experiente', extraindo e estruturando:

   • Sentimento: a valência emocional do feedback.

   • Job to be Done: a necessidade fundamental do usuário.

   • Prioridade sugerida: baseada em critérios de impacto e esforço pré-definidos.

   • Hipótese de design: uma proposta concreta para resolver o problema.

   • Oportunidade de UX (How Might We...): uma pergunta que catalisa a ideação e exploração de soluções.

4. JSON - Parse JSON (validação de saída): Valida e estrutura a resposta da IA em um formato JSON limpo e consumível, preparando os dados para o armazenamento.

5. Supabase (persistência segura de dados): Armazena os insights enriquecidos em um banco de dados, garantindo integridade, escalabilidade e performance. Políticas de Row Level Security (RLS) são aplicadas para assegurar o acesso autorizado aos dados.

6. Google Sheets - Update a Row (finalização do ciclo): Após o sucesso do processamento e armazenamento, a linha original na planilha é atualizada para 'Processado', completando o ciclo de vida do feedback.

Esta arquitetura não apenas automatiza o processamento, mas garante que o faça de forma confiável, resiliente e estratégica, convertendo dados brutos em inteligência acionável.

Resiliência em ação: desafios superados e pensamento sênior em automação

A construção de um sistema inteligente e autônomo é um exercício de engenharia e design de produto que revela a capacidade de lidar com complexidades. Este projeto foi um campo de testes para a resolução de problemas críticos, demonstrando expertise em arquitetar soluções robustas:

• Robustez do gatilho e reprocessamento de falhas: superação da fragilidade de gatilhos reativos por um sistema 'sem memória' (Search Rows) e 'status locking' auto-corretivo. Isso garante que feedbacks inicialmente falhos e presos no status 'Processando...' são detectados e reprocessados automaticamente até a conclusão, eliminando o limbo de tarefas e garantindo 100% de processamento.

• Segurança de dados e RLS: resolução de erros 401 no Supabase através da implementação e depuração de políticas de Row Level Security. Esta medida assegurou a operação segura da API, protegendo o acesso aos insights estratégicos.

• Consistência da IA e prompting defensivo: mitigação de 'alucinações' e retornos em formatos inválidos da IA (JSON) via iteração agressiva no prompt. O prompt v2.1 ('Regras Estritas' e few-shot learning) foi projetado defensivamente para forçar a consistência, qualidade estratégica e o formato esperado da saída.

• Gestão de recursos e iteração rápida: abordagem estratégica para a crise de créditos em plataforma de automação (Make.com). Em vez de paralisar, a criação de um novo ambiente de desenvolvimento permitiu a reconstrução limpa e a aceleração da entrega do projeto, demonstrando capacidade de gestão de riscos e continuidade.

Este projeto é uma demonstração da capacidade de traduzir requisitos complexos em soluções técnicas funcionais, seguras e resilientes.

Impacto e visão futura

A Signal AI V2 eleva o processo de feedback, fornecendo aos times de produto um fluxo constante de insights estratégicos e acionáveis, muito além da mera categorização. Isso acelera significativamente o ciclo de descoberta, validação e desenvolvimento.

Próximos passos e oportunidades de otimização:

• Detecção e gestão de padrões de falha: implementar um mecanismo para identificar e isolar tarefas que falham repetidamente (e.g., após N tentativas) em uma 'fila de dead letters'. Isso evitaria o consumo contínuo de recursos em feedbacks irrecuperáveis, direcionando-os para análise humana pontual.

• Validação de schema da saída da IA: fortalecer a arquitetura com uma validação explícita da estrutura e conteúdo da saída JSON da IA. Isso asseguraria que os dados salvos sempre conformem aos tipos e formatos esperados, mesmo diante de variações inesperadas no comportamento do modelo.

• Otimização de custos e escalabilidade: avaliar a transição para gatilhos baseados em eventos (webhooks) em vez do polling (Search Rows) em cenários de alta volumetria. Esta otimização reduziria o consumo de operações e custos, melhorando a performance em escala.

Assista à demonstração da Signal AI V2 e mergulhe na arquitetura resiliente que transformou feedback em insights estratégicos.

Vídeo 1 v2: Signal AI V2: o agente autônomo que transforma feedback em estratégia de produto.

—

Para entender o ponto de partida e os primeiros passos deste projeto, assista ao vídeo onde explico a criação da V1 do Agente de Feedback IA.

Vídeo 2 v1: explicando o case e como ele foi montado.