Conversas que convertem

A arOS ajuda pequenas empresas e agências a criar marketing com IA. O diferencial é o contexto: perfis reutilizáveis da marca, do público, do produto e da oferta de um negócio, que a arOS chama de DNAs. Toda resposta se apoia neles.

Quando entrei, em junho de 2025, a arOS 1.0 funcionava agente por agente. Você escolhia um especialista, como um gerador de ofertas ou um redator de carrosséis, preenchia os campos dele e recebia um resultado por vez. De junho a dezembro de 2025, trabalhei na 1.0 com um time de 6 desenvolvedores low-code e 2 engenheiros de prompt.

• Criação automática de DNAs. Um questionário guiado substituiu 40 a 60 minutos de formulários manuais. Os agentes passaram a gerar o perfil em 1 a 2 minutos.
• DNAs combináveis. Três tipos, personalidade, público e produto ou serviço, que se combinam, para que um novo produto ou público não significasse começar do zero.
• Projetos. Escolher e pré-configurar vários agentes numa só tela, em vez de abrir um por vez.
• Informações dos agentes. Na pesquisa, 5 de 10 usuários não entendiam o que um agente fazia pelo nome, e 7 de 10 disseram que a primeira geração falhou por isso. Cada agente ganhou um painel explicando quando usá-lo.

Ferramentas genéricas de IA escrevem rápido. Nas entrevistas de discovery, as pessoas descreveram outro gargalo: refinar. Gastavam o tempo corrigindo o tom, trocando palavras que nunca usariam e reescrevendo frases que não soavam como elas, muitas vezes em várias ferramentas de IA para um único post.

Meu PRD resumiu em uma linha: a IA acelerava a escrita, não os resultados.

Ao mesmo tempo, mais de 70% dos usuários pesquisados queriam trabalhar pelo chat. Para a maioria, IA generativa já era sinônimo de chat. E, com mais de 32 mil usuários cadastrados na 1.0, a nova versão precisava parecer uma evolução, não um recomeço.

Como saberíamos que funcionou

• Tempo até a primeira resposta que o usuário considera boa, e ativação no onboarding
• Menos ajustes manuais nas respostas
• Qualidade das respostas medida com evals de LLM-as-a-judge
• Retenção por coorte, e custo e latência por resposta

De janeiro a outubro de 2026, fui o designer e o Product Owner da arOS 2.0, trabalhando com o nosso Head de Produto, 5 desenvolvedores e 2 engenheiros de prompt.

• Escrevi o PRD da 2.0: uma primeira entrega enxuta, princípios de decisão, a divisão de papéis entre Produto, Engenharia de IA e Tecnologia, governança da IA no Langfuse e métricas de sucesso.
• Escrevi o plano de produto de agosto de 2026: um diagnóstico a partir dos dados de uso, um benchmark de 28 empresas, pesquisa de público e cada aposta ligada ao número que a decide, além do que não fazer ainda.
• Enquadrei cada nova iniciativa com um modelo baseado nos pitches do Shape Up e escrevi as histórias de usuário, de funcionalidades simples a produtos novos e plataformas internas de análise, uso e gestão de acessos, com critérios de aceite e especificações de design ligadas ao design system em código.
• Estruturei os roteiros de pesquisa, conduzi as entrevistas em dupla, conduzi testes de usabilidade e analisei o PostHog toda semana.
• Desenhei a UI base do chat e dos DNAs, criei e mantive o design system e prototipei funcionalidades em React antes do desenvolvimento, como a identidade visual no DNA.
• Desenvolvi funcionalidades eu mesmo, com um fluxo assistido por IA, como os chips de resposta, depois que as gravações mostraram quantas mensagens eram só "pode seguir", e os comandos e atalhos. Assim, melhorias pequenas e baseadas em evidência chegavam aos usuários sem tirar tempo de um time de engenharia pequeno.

Restrições

• Mais de 32 mil usuários cadastrados na 1.0 para levar junto.
• Uso por créditos: cada mensagem, edição e geração consome créditos.
• Um time pequeno, então apostas incertas precisavam ser baratas.
• Respostas não determinísticas: a qualidade precisava ser medida, não presumida.

As entrevistas e os testes de usabilidade definiram a base da 2.0: o onboarding, o próprio chat, a forma de escolher skills e obter resultados, e o contexto do negócio pelos DNAs.

O onboarding foi a parte mais difícil de acertar. Passou por três versões, cada uma guiada pelo ponto em que as pessoas desistiam.

A primeira versão pedia os links e depois mostrava um tour animado curto sobre o chat, as skills e os DNAs, que ajudava quem vinha da 1.0 a se situar. Em seguida vinha um vídeo de boas-vindas de 5 minutos, com uma barra de carregamento embaixo mostrando o DNA sendo criado a partir dos links. Quando terminava, um botão levava para dentro do produto.

Para manter as pessoas fazendo em vez de assistindo, tiramos o tour e o vídeo. Depois dos links, um chat que já conhecia o negócio por eles montava o primeiro DNA junto com o usuário, com poucas perguntas e respostas de escolha rápida.

Quando posts e conteúdo para Instagram viraram tarefa central, o Instagram entrou no onboarding: ler o perfil ajuda a entender o negócio, e a paleta, o estilo de post e a tipografia alimentam o DNA de marca. O passo de links também ganhou um painel de contexto que explica o que precisamos das pessoas e por quê.

O primeiro seletor de skills era estreito, com a busca no topo e uma lista longa. Skills com opções se expandiam dentro da lista e esticavam o popover. Isso escondia o que tínhamos construído: de cerca de 100 skills, uma cauda de umas 75 tinha em média 3,4 seleções por mês cada.

O que mudou, e por quê:

• Abas por categoria, para uma leitura mais rápida e objetiva.
• Um grid no lugar da lista, mostrando mais skills de uma vez.
• Tags em cada card, mostrando com quais áreas a skill se relaciona, como conteúdo, estratégia, anúncios ou copy, as mesmas das abas.
• Busca à direita, para dar espaço às abas.
• Opções que abrem no lugar, sem redimensionar o popover.
• A primeira opção pré-selecionada, para que uma opção obrigatória nunca seja esquecida.
• Remover pelo chip: uma skill selecionada sai direto do composer, sem abrir o seletor.

Depois da primeira entrega, o PostHog e as mais de 550 gravações de sessão que analisei definiram uma segunda onda. Ainda não tínhamos acertado o cliente ideal, então nos aproximamos de fundadores de SaaS e vimos o quanto precisavam de autoridade no Instagram. Quase tudo o que vem a seguir nasceu disso.

As pessoas gostavam de voltar, mas criar era um evento, não uma rotina, e o resultado genérico era uma reclamação frequente. Isso definiu a pauta do que vem a seguir.

Criar e atualizar DNAs sem sair do chat era um pedido desde o lançamento da 2.0. A arOS infere a mudança pela conversa, mostra o progresso campo a campo e linka o resultado. Consome créditos como qualquer outra mensagem.

Posts e carrosséis não estavam na primeira entrega. Vieram quando os fundadores de SaaS viraram o foco: carrosséis gerados no chat, um editor que aceita tanto instruções pelo chat quanto edições manuais, conexão e análise do Instagram e publicação no Instagram, aprovada pela Meta.

Os DNAs eram organizados em abas, marca, público, produto ou serviço e oferta, e todos eram campos de texto. Não havia um bom jeito de definir a cara de um post. As pessoas reclamavam que os posts não combinavam com a marca e passavam muito tempo ajustando. Algumas desistiam da plataforma, outras ficavam só com a copy.

Assisti às gravações, vi a frustração e medi edições e regenerações: 13.722 regenerações de capa em um único mês. O criador de posts precisava conversar com o DNA do usuário. A identidade visual virou uma nova seção no DNA de marca, com estilo de post, cores, tipografia, templates prontos e uma prévia ao vivo. Dá para conectar outra conta do Instagram a qualquer momento, e a paleta, o estilo de post e a tipografia dela atualizam a identidade visual, para que os posts fiquem próximos da marca que a pessoa já tem. Nesse período, a arOS gerava 20 posts por dia.

As gravações mostravam pessoas citando outras conversas, colando prints de chats anteriores e tentando trazer documentos. As memórias permitem salvar algo uma vez e aplicar em todas as conversas, com uma página para gerenciá-las: quando o chat sugere uma memória, 70% são aceitas (36 de 51). Os anexos vieram em seguida, de forma simples, e trouxeram imagens para o chat, outro pedido frequente.

Só 57% dos usuários escolhiam uma skill ao conversar. As pessoas gostavam do produto, mas perdiam boa parte do que ele podia fazer por elas. Então as skills passaram a encontrar o usuário: a inferência automática escolhe a skill certa pela conversa, e comandos e atalhos, que planejei e implementei, permitem chamar uma skill do jeito que as pessoas já faziam em outras ferramentas de IA.

Cerca de 70% dos acessos vinham do celular, 7.046 contra 2.988 no desktop, e houve cancelamento citando explicitamente a experiência mobile. Redesenhei a experiência para telas pequenas em torno de uma ideia: as ações principais ao alcance do polegar. Lançamos como PWA.

Em agosto de 2026, transformei esse diagnóstico no plano de produto. Ele definiu as próximas apostas:

• Produção como rotina. Com 80% das pessoas produzindo num único dia do mês, o próximo passo era uma semana inteira de posts num lote só, primeiro a copy e o visual depois da aprovação.
• Fechar o ciclo. Publicar no Instagram e no LinkedIn, para que os resultados voltem para o produto.

Criei e mantive o design system da arOS: tokens no Tokens Studio, com um conjunto base e conjuntos semânticos para claro e escuro, espelhados no código. Quando o código virou nossa única fonte da verdade, ele passou a viver no Storybook, construído com Tailwind e Radix.