Indústria: SaaS · Produtividade B2B
Cliente: UX System · Produto próprio
Papel: Product Designer + Eng.
Ano: 2024 · em produção

Plataforma UX System

Plataforma de produtividade que une tarefas, notas, funis e IA contextualizada num workspace compartilhado. Desenhada, pesquisada e codada por mim, da primeira entrevista ao deploy em produção.

Esse não é um case de interface. É um case de produto: começa em entrevistas com operadores e decisores, passa por modelagem de dados, design tokens, debate multi-agente e segurança a nível de linha, e termina num sistema rodando com equipes reais analisando funis e tomando decisão com IA que enxerga o contexto do workspace.

Contexto do negócio

Equipes de produto operam num patchwork: Jira para tarefas, Notion para notas, Slack para decisão, planilhas para dados. Cada ferramenta resolve um pedaço. Ninguém costura o fio da decisão. A IA entrou nesse cenário como mais uma aba, respondendo bonito sobre nada em particular, porque não enxergava o contexto do produto.

O UX System nasce para fechar esse loop: uma plataforma única onde tarefa, nota, funil e análise qualitativa convivem, e onde a IA trabalha com contexto real do workspace, não com um prompt perdido. O princípio de desenho é o inverso da lógica "mais features": menos atrito, mais signal.

Pesquisa e descobertas

Conduzi 14 entrevistas em profundidade com dois perfis: operadores (PMs, designers, tech leads) e decisores (founders, product ops, diretores de design). Transcrevi, codifiquei em clusters de afinidade e testei hipóteses em protótipos antes de escrever qualquer linha de produção. Saturação ocorreu na 11ª entrevista; as três últimas confirmaram sem adicionar.

Três descobertas travaram escopo: (1) o switch cost entre ferramentas custa ~23 min por troca (contexto mental que se perde); (2) a IA sem contexto vira ruído plausível e piora decisão; (3) analisar quantitativo sem a voz do usuário produz decisão enviesada, e analisar qualitativo sem quantidade produz teatro.

Decisões de produto

Design tokens antes de componentes

Cor, espaçamento, radius e tipografia centralizados. Trocar dark/light ou ajustar contraste AA vira mudança de token, não caça ao bug em 80 arquivos.

Isolamento real via RLS

Multi-workspace com Row Level Security no Postgres. Se o cliente escapar da verificação, o banco ainda recusa. Segurança é default, não feature opcional.

IA por debate, não por oráculo

Um Data Scientist e um UX Researcher analisam em paralelo; um Synthesizer resolve o conflito. Se um falha, o outro alimenta a síntese. Promise.allSettled no lugar de Promise.all.

Falha graciosa sempre visível

Error Boundary global, timeouts em uploads, fallback para perda de conexão. Heurística #9 do Nielsen (reconhecer e recuperar de erro) aplicada como gate de release.

Solução

Interface única onde o operador vive o dia: Kanban com drag-and-drop, prioridades e atribuição; notas compartilháveis por link público com revogação; análises qualitativas por upload de arquivo; funis com debate multi-agente; chat IA que lê tarefas, notas e funis do workspace, e nunca de outro.

Mobile first para notificação e consumo; desktop first para criação e análise. A mesma decisão de produto atravessa os dois: insight acionável em primeiro plano, botão de próxima ação visível, nunca "exportar para Excel e ver depois".

Tarefas

A IA sugere a prioridade. O time decide.

No Kanban, cada tarefa ganha um score de 0 a 100 a partir de impacto, retorno e esforço, com a justificativa à vista. A ordem muda na hora, mas a decisão continua com quem conhece o projeto.

Funis

Um funil lido por agentes que debatem.

Cada etapa mostra quanto ficou e quanto saiu. Na análise, um cientista de dados e um pesquisador de UX leem o funil em paralelo, e um sintetizador resolve o debate e aponta o ponto crítico, que vira tarefa com um clique.

Busca com IA

Pergunte ao workspace.

Com Ctrl+K, a busca entende atalhos como atrasada, #bug e !alta e responde com o contexto do próprio workspace: tarefas, notas, análises e funis. A IA lê o que o time já escreveu, e nunca o de outro workspace.

Arquitetura e construção

Stack escolhido para velocidade de iteração e baixo custo operacional. React 19 + Vite 8 no cliente, com Context API segmentado por domínio (auth, workspace, tasks, notifications, theme), evita re-render em cascata e deixa o ownership claro. Supabase gerencia Postgres + Auth + Realtime + Edge Functions.

A chave do Gemini nunca toca o cliente: uma Edge Function serve como proxy, faz rate limit por usuário, valida uploads (PDF via pdf.js, planilha via xlsx) e loga custo por requisição. RLS guarda cada tabela por workspace_id. Realtime tem cleanup obrigatório no unmount: padrão da casa, auditado por linter customizado.

Stack

Front-end

React 19 · Vite 8 · Context isolado · tokens · a11y AA

Back-end

Supabase · Postgres · RLS em 14 tabelas · triggers de auditoria

Gemini via Edge Function · Proxy · rate limit · log de custo

Parsing

pdf.js · xlsx · Timeout · limite de tamanho · sandbox

Integrações

WhatsApp Cloud API · Notificação crítica só

Qualidade

Lint custom · ErrorBoundary · 6 auditores especializados

Resultado

Em produção com equipes reais. Após auditoria de segurança independente (6 agentes especializados: autenticação, RLS, integrações externas, criações, estado, equipes), todas as tabelas passaram com isolamento validado, zero vazamento entre workspaces, chaves de IA fora do bundle e Error Boundary cobrindo 100% da árvore.

-72%

tempo de análise (2h → 3min)

+3.4×

notas compartilhadas vs mês 1

vazamentos entre workspaces

94%

tarefas fechadas no prazo

Tempo para análise qualitativa caiu de ~2h (extrair, tabular, escrever) para ~3 minutos (upload → debate → síntese). Adoção cresceu 3.4× em notas compartilhadas. 94% das tarefas fechadas no prazo. O número que mais importa, porém, é o que não aparece em dashboard: equipes relatam que "finalmente a IA ajuda em vez de atrapalhar".

Design, código e IA: o ciclo fechado

Não existe mais a linha que separa "designer que desenha" de "dev que implementa". No UX System desenhei cada interação, validei contra as 10 heurísticas de Nielsen, implementei com foco em performance e segurança, e auditei com agentes especializados antes de cada release. A IA é ferramenta. O ofício continua humano: decidir o que vale, o que dispensar, o que tornar invisível para o usuário.

O que este projeto prova, em primeira pessoa, é que um profissional com domínio de UX, código e orquestração de IA entrega hoje o que ontem pedia um time. Não porque a IA substitui alguém, mas porque ela remove a fricção entre pensar e construir, desde que alguém ainda saiba o que vale a pena pensar.