Do briefing ao prompt: como construí um produto de IA sem saber programar

Construir um produto de tecnologia sem saber programar é uma experiência que ensina muita coisa. Principalmente o quanto você ainda não sabe.

Se eu soubesse programar, muita coisa seria mais simples. Sei disso. Entender os conceitos técnicos faz diferença real nas decisões do dia a dia, e continuo estudando: arquitetura de software, como bancos de dados funcionam, o que acontece quando um deploy falha. Para fazer perguntas melhores e entender as respostas.

O que os anos anteriores me deram foi um ponto de partida diferente: clareza sobre o que queria construir antes de entender como construir. E foi com isso que comecei.

Durante 10 anos circulei entre agências de publicidade, times de tecnologia, estratégia de mídia, BI, SEO e criação. Comecei em atendimento publicitário em 2016, e foi aí que aprendi na prática que sem briefing claro, o projeto vai para o lado errado. Fui aperfeiçoando isso ao longo dos anos: os briefings viraram user stories, as user stories viraram prompts. A lógica é a mesma, o interlocutor mudou.

Em 2020 assumi oficialmente o título de Product Owner. Mas a mentalidade de produto, de pensar em usuário antes de funcionalidade, de questionar o “para quê” antes do “como”, estava presente muito antes disso. Coordenar projetos que envolviam ao mesmo tempo mídia, BI, tecnologia, criação e comercial formou isso naturalmente.

Tenho graduação em Comunicação e pós em Liderança com foco em comportamento e inovação. Essas duas formações estão muito presentes na forma como construo produto: a comunicação me deu uma visão de 360 graus entre mensagem, comportamento e canal; a liderança me ensinou a pensar em processos, mudança e como estruturas precisam evoluir. Não são áreas distantes de tecnologia. São, na prática, o que guia as decisões de produto.

Esse ano comecei a estudar Psicologia, minha segunda graduação. E foi exatamente nessa experiência que a necessidade da Clara se tornou muito concreta. Precisei escrever um artigo para uma das disciplinas e a frustração foi imediata: as bases científicas estavam todas espalhadas, cada uma com sua própria interface, sua própria lógica, seus próprios idiomas. Ferramentas como Consensus existem e são boas, mas nenhuma delas foi pensada para o contexto brasileiro. Queria algo em português, que priorizasse SciELO e BVS, que gerasse referências em ABNT. Não encontrei. Então comecei a construir.

A ideia: um hub da ciência

A Clara nasceu disso. Não existia um lugar em português que fizesse a triagem de artigos científicos de forma inteligente, consolidada e acessível para quem não é pesquisador profissional.

Cada base de dados tem sua própria lógica de busca. Cada uma retorna resultados diferentes. Não havia forma simples de saber qual artigo era metodologicamente mais confiável do que outro. A pergunta que ficou foi simples: por que não existe um lugar só para isso?

Um professor que testou a Clara cedo resumiu bem: é o Trivago da ciência. Você não precisa entrar em cada plataforma separada, você chega numa busca, compara as opções com critérios que importam e escolhe a melhor. A analogia captura exatamente o que queríamos: não substituir as bases científicas, mas auxiliar na triagem.

Hoje a Clara busca simultaneamente em 22 bases: PubMed, SciELO, Cochrane, OpenAlex, Semantic Scholar, arXiv, DOAJ, BVS/LILACS e outras. E devolve os resultados ranqueados, com síntese em português e um indicador que chamamos de ICM.

O ICM: o indicador que deu mais trabalho

ICM é o Índice de Confiança Metodológica, o número de 0 a 10 que aparece em cada busca. Ele estima a qualidade do conjunto de evidências encontradas, não de um artigo individual.

A fórmula combina cinco fatores com pesos definidos: tipo de estudo (30%), qualidade da fonte (25%), revisão por pares (25%), recência (15%) e citações (5%).

Recência merece uma explicação. No mundo científico, um artigo de 2024 sobre eficácia de vacina é potencialmente mais relevante do que um de 2005, porque a ciência avançou. Mas isso não é uma regra universal. O ICM considera o quão recente é uma publicação como um dos fatores de qualidade, dando mais peso para estudos publicados nos últimos anos em temas que evoluem rapidamente.

O problema real é que essa lógica funciona bem para medicina e ciências da saúde e faz bem menos sentido para filosofia, direito, artes ou comunicação. Um texto de filosofia de 40 anos pode ser referência absolutamente central numa área. A ciência não é uniforme, e criar um índice universal de confiança para ela é, honestamente, um problema em aberto. Calibramos continuamente com base em feedbacks de pesquisadores de diferentes áreas. Não chegamos na resposta definitiva. Provavelmente ela não existe numa única fórmula.

O arquivo que dirige a IA

Toda a Clara foi construída com IA. Mais especificamente, com Claude Code, o ambiente de desenvolvimento da Anthropic que permite que você construa software em conversa com a IA.

O que permite que isso funcione bem não é só a IA. É o CLAUDE.md.

É um arquivo de texto que funciona como uma especificação de produto escrita diretamente para a IA que vai desenvolver. Nele registro as regras que o sistema precisa seguir, as decisões que já foram tomadas, os padrões que não podem ser quebrados. Sem especificação clara, a IA vai gerar o que parece correto, e isso é diferente do que é correto.

E quero ser honesta: nem sempre saio de uma sessão com o que precisava. Às vezes a especificação não era boa o suficiente. Às vezes a IA entendeu diferente do que eu quis dizer. Às vezes achei que sabia o que queria e percebi no meio do caminho que não sabia. É um processo contínuo, que mistura clareza técnica com muita tentativa e erro. O que os anos em marketing digital me deram não foi imunidade a esses tropeços. Foi velocidade para identificar quando algo saiu errado e como corrigir o curso.

As decisões técnicas que fiz sem programar

Algumas escolhas de arquitetura da Clara merecem menção, não porque eu saiba implementar, mas porque entendo por que foram feitas.

Usamos React com Vite e SSG em vez de renderização dinâmica via JavaScript no navegador. O motivo é direto: o Google tem dificuldade para indexar páginas que dependem de JavaScript para exibir conteúdo. Com geração estática, as páginas chegam ao Googlebot já prontas. Aprendi isso pesquisando sobre SEO técnico, não lendo documentação de framework.

O Supabase entrou para registrar anonimamente as buscas feitas na ferramenta: qual query, quantos resultados, qual foi o ICM, quanto tempo levou. Não para rastrear usuários, mas para entender onde a ferramenta erra. Quais temas retornam resultados fracos. Onde a cobertura das bases precisa melhorar.

Para síntese e processamento de linguagem, usamos Groq com fallback para Google AI. Se um falha, o outro entra. Se ambos falham, existe uma camada de contingência que mantém a busca funcionando. Robustez que aprendi a valorizar depois de ver o sistema cair num momento ruim.

O Sentry cuida do monitoramento de erros em produção. Ele avisa quando algo quebra antes que o usuário precise me contar. Para uma pessoa que está sozinha gerenciando produto, estratégia e operação, saber o que você não sabe é tão importante quanto saber o que sabe.

Clara vs. o que já existe

Consensus e Elicit são ferramentas excelentes. Semantic Scholar tem uma base de dados impressionante. Por que a Clara?

Porque nenhuma delas foi feita para o contexto brasileiro.

Elas funcionam em inglês, indexam bases internacionais e assumem familiaridade com literatura científica em língua inglesa. A realidade de uma mestranda, de um professor querendo aprofundar um tema ou de um estudante fazendo TCC muda completamente quando o universo de publicações relevantes para você inclui SciELO, BVS e produção científica em português.

A Clara busca em português, sintetiza em português, cita em ABNT e trata SciELO e BVS/LILACS como fontes prioritárias para buscas em saúde e ciências sociais. Isso não é detalhe. É a razão de existir da ferramenta.

Os posts de blog que também são estratégia de SEO

Parte do crescimento da Clara passa por conteúdo. Artigos sobre metodologia científica, bases de dados, revisão sistemática, normas ABNT: coisas que estudantes e pesquisadores buscam no Google. Conteúdo genuinamente útil que, de passagem, apresenta a ferramenta.

Esse artigo que você está lendo também faz parte disso. Backlink de domínio com autoridade alta, presença de marca em buscas relacionadas, humanização de produto. Funciona assim.

O que vem a seguir

A Clara está em beta aberto e gratuito. A próxima etapa é a possibilidade de os usuários criarem conta e fazerem login: histórico de buscas, coleções de artigos salvos, acompanhamento de temas ao longo do tempo. Pesquisa acadêmica raramente acontece em uma sessão única, e a ferramenta precisa refletir isso.

Além disso, continua o ciclo de pesquisa de usabilidade. Conversas com professores, estudantes, pesquisadores de áreas diferentes. O produto que existe hoje não tem nada a ver com o protótipo de alguns meses atrás. E o de daqui alguns meses provavelmente vai fazer o atual parecer ingênuo.

Isso é o que mais gosto nesse processo: a sensação de que você não precisa saber tudo. Precisa saber as perguntas certas para descobrir o que vem a seguir.

Se você pesquisa ou está construindo um TCC, mestrado ou artigo científico, a Clara Academic está em beta aberto e gratuito: https://claracademic.com/

Nicolle Kipper Söthe é Product Owner e fundadora da Clara Academic, ferramenta de pesquisa acadêmica com IA para o contexto brasileiro.

Tags: Product Management · Artificial Intelligence · Startups · EdTech · Academic Research No Code