Do Automatizado ao Guiado: O que aprendi construindo um App de IA On-Device (Parte 1)

Há algum tempo venho mergulhando na interseção entre Inteligência Artificial e Produto, me capacitando e atuando como AI Product Manager. Hoje, decidi começar a compartilhar os bastidores práticos dessa jornada, construindo o MeuBMC — um aplicativo iOS que ajuda pequenos empreendedores a estruturarem suas ideias usando o Business Model Canvas.

Neste projeto, optei por usar os Foundation Models da Apple (iOS 18+), processando a IA 100% no dispositivo (On-Device) para garantir a privacidade dos usuários. E é aqui que os verdadeiros desafios de Produto começam.

Nestas primeiras semanas de desenvolvimento, três grandes aprendizados moldaram a visão do produto:

1. O Paradoxo da Automação vs. Agência do Usuário

Inicialmente, o fluxo era “mágico”: o usuário digitava a ideia e a IA gerava os 9 blocos do Canvas de uma vez. Parecia incrível, mas na prática gerava ansiedade, problemas de performance e, o pior, tirava o protagonismo do empreendedor.

A Decisão de Produto: Pivotar. Removi a “mágica instantânea” e transformei a IA em um Mentor Sob Demanda. Agora, o usuário entra no Canvas vazio, pensa, e só chama as “Sugestões Estratégicas” se desejar. Menos processamento, zero travamentos e muito mais controle na mão de quem realmente importa: a pessoa usuária.

2. Domando os “Guardrails” (Filtros de Segurança)

Trabalhar com IA nativa significa lidar com bloqueios de segurança rigorosos do sistema operacional. Palavras normais no contexto de negócios (como “público infantil”) bloqueavam a análise. A Decisão de Produto: Em vez de apenas mostrar um erro genérico (“Falha na Análise”), transformei a barreira em educação. Criei uma UI de “Mentoria de Vocabulário”, onde o app explica o bloqueio e sugere substituições (ex: trocar “criança” por “segmento pedagógico”).

3. Prompt Engineering é Design de Produto

Descobri na prática que o prompt não é apenas código, é a “Personalidade” da sua feature. Quando pedi à IA para ser uma “Avaliadora Rigorosa”, ela começou a alucinar pedindo dados de concorrência em um limite de 400 caracteres. A Decisão de Produto: Ajustei a persona para “Especialista em Sintaxe de Negócios” e apliquei Few-Shot Prompting (exemplos) aliados ao Chain-of-Thought (raciocínio antes da resposta). Isso calibrou as expectativas e acabou com as frustrações dos falsos negativos.

A transição de “ferramenta que faz por você” para “mentor que pensa com você” foi a maior virada de chave até agora.

Vou compartilhar aprendizados como esses diariamente por aqui. Se você também se interessa por AI Product Management, UX para GenAI ou desenvolvimento on-device, acompanhe essa jornada!

(P.S.: O MeuBMC ainda está em fase de testes fechados, mas continue acompanhando os posts que avisarei assim que estiver disponível na App Store!)