Transformando um MVP gerado por IA em um Produto Escalável

A evolução de um MVP gerado por IA para um sistema de produto consistente.

Plataforma

B2B SaaS Web & Mobile

Meu Papel

Product Designer

Duração

4 semanas

Time

Design + Engenharia

Desafio

O produto é uma plataforma B2B de gestão de leads desenvolvida para apoiar equipes comerciais na qualificação, organização e conversão de oportunidades.

A primeira versão foi gerada por uma ferramenta de IA (Lovable), permitindo velocidade na prototipação inicial, mas resultando em um produto com baixa consistência estrutural, hierarquia de informação confusa e lógica de fluxo fragmentada entre Web e Mobile.

O desafio não era melhorar a interface.

Era reconstruir a estrutura do produto.

Resultados

O MVP gerado por IA foi transformado em um sistema de produto estruturado, com lógica clara de fluxos e comportamento consistente entre plataformas.

Reestruturei o fluxo de gestão de leads com base em jornadas reais de vendas
Redefini a hierarquia de informação para reduzir carga cognitiva em decisões críticas
Substituí interações ambíguas por regras claras de estados e transições de sistema
Padronizei a lógica entre Web e Mobile, garantindo consistência de comportamento
Consolidei fluxos fragmentados em um sistema único de operação de leads

O resultado foi um produto onde Web e Mobile passaram a compartilhar a mesma lógica estrutural, com priorização final de execução no Mobile-first.

50+

telas reorganizadas

100%

Fluxo completo de leads mapeado de ponta a ponta

1

sistema de workflow validado e estruturado

Fluxos gerados pelo Lovable eram irreconstruíveis diretamente no Figma: exigiu reconstrução do zero, não tradução.

MVP tinha redundância estrutural: fluxos e componentes duplicados resolvendo o mesmo problema de formas diferentes
Design System da empresa só cobria mobile: usei shadcn como base para web, mantendo lógica de produto consistente sem DS compartilhado
Dashboard de leads exigiu lidar com dados reais de usuário (volume, erro, informação incompleta) que o MVP fictício nunca havia contemplado
Funcionalidades do protótipo original (relatório em JSON, geração de croqui, múltiplos webviews) se mostraram caras e de baixo retorno técnico após a refatoração

Resultado: negócio despriorizou a versão web e seguiu somente com Mobile.

Trade-offs e restrições

Fluxos gerados pelo Lovable eram irreconstruíveis diretamente no Figma: exigiu reconstrução do zero, não tradução.

MVP tinha redundância estrutural: fluxos e componentes duplicados resolvendo o mesmo problema de formas diferentes
Design System da empresa só cobria mobile: usei shadcn como base para web, mantendo lógica de produto consistente sem DS compartilhado
Dashboard de leads exigiu lidar com dados reais de usuário (volume, erro, informação incompleta) que o MVP fictício nunca havia contemplado
Funcionalidades do protótipo original (relatório em JSON, geração de croqui, múltiplos webviews) se mostraram caras e de baixo retorno técnico após a refatoração
Resultado: negócio despriorizou a versão web e seguiu somente com Mobile.

Fluxos gerados pelo Lovable eram irreconstruíveis diretamente no Figma: exigiu reconstrução do zero, não tradução.

MVP tinha redundância estrutural: fluxos e componentes duplicados resolvendo o mesmo problema de formas diferentes
Design System da empresa só cobria mobile: usei shadcn como base para web, mantendo lógica de produto consistente sem DS compartilhado
Dashboard de leads exigiu lidar com dados reais de usuário (volume, erro, informação incompleta) que o MVP fictício nunca havia contemplado
Funcionalidades do protótipo original (relatório em JSON, geração de croqui, múltiplos webviews) se mostraram caras e de baixo retorno técnico após a refatoração

Resultado: negócio despriorizou a versão web e seguiu somente com Mobile.

Processo

Diagnóstico Heurístico do MVP gerado por IA: Iniciei o trabalho realizando uma análise heurística do produto gerado por IA, identificando problemas estruturais como:

Baixa hierarquia de informação
Falta de consistência entre padrões de interação
Sobrecarga cognitiva em fluxos críticos
Ausência de estados claros de sistema
Interfaces com ações mal priorizadas

Essa análise permitiu separar problemas de UI de problemas de lógica de produto.

Mapeamento do sistema de vendas: Antes de redesenhar qualquer interface, estruturei o fluxo completo de vida do lead, incluindo:

Jornadas de usuários comerciais
Estados do lead ao longo do ciclo de vendas
Critérios de qualificação e avanço
Casos de sucesso, erro e edge cases
Regras de transição entre etapas

Esse processo criou uma base única de verdade para o comportamento do produto.

Aprendizados e Conclusão

Este projeto demonstrou como ferramentas de IA são eficientes para acelerar exploração inicial, mas insuficientes para estruturar lógica de produto e decisões complexas de UX.

A principal transformação não foi visual, mas estrutural: sair de um conjunto de telas geradas por IA para um sistema de produto coerente e escalável.

Principais aprendizados:

Estrutura de sistema é mais importante que interface
IA acelera o início, mas não substitui pensamento de produto
Definir o que não construir é uma decisão crítica: inclusive quando significa recomendar o cancelamento de uma plataforma inteira
Consistência entre plataformas depende de lógica, não de UI
Contexto de uso define arquitetura de experiência

Aprendizados e Conclusão

Este projeto demonstrou como ferramentas de IA são eficientes para acelerar exploração inicial, mas insuficientes para estruturar lógica de produto e decisões complexas de UX.

A principal transformação não foi visual, mas estrutural: sair de um conjunto de telas geradas por IA para um sistema de produto coerente e escalável.

Principais aprendizados:

Estrutura de sistema é mais importante que interface
IA acelera o início, mas não substitui pensamento de produto
Definir o que não construir é uma decisão crítica: inclusive quando significa recomendar o cancelamento de uma plataforma inteira
Consistência entre plataformas depende de lógica, não de UI
Contexto de uso define arquitetura de experiência