Um copiloto que recomenda o preço e mostra o porquê
- AI Product Builder
- Product Design
- UI/UX Design
- ITA Challenge Sprint · 1º lugar
Em cinco semanas, dentro do ITA, um grupo de quatro pessoas transformou uma decisão de preço manual num produto que recomenda, explica e deixa a pessoa decidir. Eu desenhei e construí o app com IA.
Em resumo
A Popular Pet vende produtos para animais em três canais: loja física, e-commerce e marketplace. Toda semana alguém compara 120 preços com custo, margem, estoque e concorrência. É trabalho manual, de cerca de 18 horas, segundo o desafio.
O Pet Pricing recomenda subir, baixar, manter ou revisar cada preço e mostra o porquê. A pessoa aprova, ajusta ou rejeita, e nos casos de menor risco um piloto automático agenda a mudança sozinho. As regras de negócio vieram do desafio, e eu fiz do protótipo uma ferramenta customizável: o gestor edita regras, cria novas por grupo de produtos e escolhe a fórmula de margem.
Fui a pessoa de desenvolvimento e interface do grupo e fiz a demonstração no Demo Day, diante de uma banca que incluiu o CEO da Popular Pet, a empresa que trouxe o desafio. Ficamos em 1º lugar entre 12 equipes.
Meu papel
- Product design
- UI/UX
- Front-end
- API
- IA aplicada
- Testes
Ferramentas
- Claude Code
- Claude Opus
- Claude Sonnet
- Next.js
- TypeScript
- FastAPI
- Vercel
- Time
- Allan, Caio, Radine e eu · mentor Mario Trentim
- Prazo
- 5 semanas · set–out 2026
- Contexto
- ITA Challenge Sprint · Instituto Tecnológico de Aeronáutica, São José dos Campos
- Banca do Demo Day
- Com o CEO da Popular Pet, que trouxe o desafio
- Natureza
- Protótipo acadêmico, com os dados do desafio
Resultados
−75%
EstimativaNo tempo de revisão semanal
Estimativa com o copiloto, nas 120 decisões da semana. Com o piloto automático, a redução chega a cerca de 79%.
+78%
SimuladoMais preços dentro da faixa competitiva
Preços a até 2% da mediana do mercado, na base do desafio, pela margem bruta.
0
Regra do appNenhuma sugestão aplicada abaixo da margem mínima
A regra de margem manda sobre todas as outras: se ela exigir um preço acima do mercado, o mínimo prevalece.
Teste o app, aqui mesmo
Abre numa janela, com os dados do desafio. Cada visitante trabalha na própria cópia.
O protótipo foi feito para computador. Para testar, abra esta página no desktop.
Um desafio de verdade, dentro do ITA
O ITA Challenge Sprint, no Instituto Tecnológico de Aeronáutica, em São José dos Campos, reuniu 12 equipes em desafios de empresas reais. O nosso, da Popular Pet, perguntava: como escolher o melhor preço de cada produto em cada canal? O CEO da Popular Pet, que trouxe o desafio, fez parte da banca que avaliou as soluções no Demo Day.
A Popular Pet já coleta o preço dos concorrentes e tem custo, estoque e vendas no ERP. Mesmo assim, a decisão continua manual. Trabalhamos com a base de dados que a empresa trouxe: 40 produtos, 3 canais e 1.440 vendas em 12 meses.
Abaixo do mercado
Deixa margem na mesa, sem ganho proporcional de volume.
Na faixa
Competitivo e com a margem protegida. É onde o preço deveria estar.
Acima do mercado
Reduz a competitividade e pode derrubar as vendas.
As 18 horas semanais vêm da base do desafio.
Uma pergunta, três decisões de produto
A pergunta que guiou o projeto: dá para devolver a maior parte desse tempo sem tirar a decisão de quem entende de preço?
Três decisões saíram dela, nesta ordem: a regra recomenda, a pessoa decide e a automação só age quando é seguro.
A regra decide o preço, a IA só explica
As regras protegem a margem mínima e limitam a variação a 5%. A IA, opcional, resume os fatos. Se ela citar um número que não está neles, o texto é descartado.
A pessoa decide
Aprovar, ajustar, revisar depois ou rejeitar é sempre uma escolha humana, registrada com autor, horário e motivo.
A automação só age onde o risco é baixo
O piloto automático só mexe em itens que passam por todas as proteções, com teto inicial de 3% e 24 horas para qualquer analista vetar.
A interface para decidir rápido, com tudo à vista
O analista de pricing decide dezenas de preços por sessão. A interface foi desenhada para cada decisão caber numa linha e para nada importante ficar escondido: concorrência, estoque, margem e as regras envolvidas aparecem juntos, no mesmo lugar.
Uma linha com tudo para decidir
Cada item da fila cruza concorrência, margem, custo e estoque e mostra o preço de hoje, o sugerido, a ação, o risco e uma frase com o motivo.
A decisão por trás: Quem decide dezenas de preços numa sessão precisa entender o item sem abrir nada. O resto do app existe para esse momento.
Os casos difíceis pedem motivo
A fila separa o que é de aprovação rápida do que exige justificativa: 83 itens de um clique e 37 que pedem motivo. Onde há mais risco, o motivo é obrigatório.
A decisão por trás: O motivo fica registrado e vira aprendizado, inclusive para o piloto automático.
A escada: o porquê de cada preço
Abrir um item mostra o preço de hoje, os concorrentes, o mínimo para a margem, o preço ideal e a sugestão numa escada só. Embaixo, um texto explica o caminho em linguagem de operação.
A decisão por trás: Todo preço sugerido vem com os fatos que o justificam, em linguagem de operação.
Ações que dizem o que vai acontecer
Aprovar, ajustar, revisar depois e rejeitar trazem ícone, rótulo e a consequência escrita embaixo: o preço que será aplicado, ou "sem mudar o preço" e "manter o atual".
A decisão por trás: O significado nunca depende só da cor, e ninguém precisa adivinhar o que o clique faz.
Customizável, com trava
O gestor cria regras com margem mínima, alvo ou limite de variação próprios para uma curva, categoria, marca, canal ou produto, escolhe a fórmula de margem e liga o teto de mercado. As regras da base só podem ficar mais rígidas.
A decisão por trás: As regras do desafio são a base. O app dá flexibilidade a quem responde pelo preço sem abrir mão da proteção da margem.
Construído com IA, junto com o time
Desenhei e construí o protótipo com IA: interface em Next.js e API em FastAPI, com o Claude Code (Opus e Sonnet) e revisão do grupo. As regras de negócio vieram do desafio, e o que fiz foi torná-las editáveis e colocar a interface de decisão em volta delas.
No meio do caminho, fizemos um teste às cegas com o time: as pessoas decidiram os preços sem ver a recomendação do app, e depois comparamos. Esses testes foram essenciais para chegar às melhorias da versão final.
- Semana 1
Diagnóstico
O problema e o recorte: a decisão de preço é manual.
- Semana 2
Hipótese
Um copiloto com regras, IA que explica e aprovação humana.
- Semana 3
Protótipo
Eu desenho e construo o app: interface, API e regras editáveis.
Meu foco - Semana 4
Testes
Teste às cegas com o time e as melhorias que levaram à versão final.
Meu foco - Semana 5
Demo Day
Pitch de 5 minutos no ITA, com demonstração ao vivo, diante de uma banca com o CEO da Popular Pet.
86
Medidotestes automáticos na API
Rodam a cada mudança no cálculo de preço.
480 de 480
Medidocasos em que a prévia da interface bate com o motor
Nas duas fórmulas de margem.
Valor acadêmico, com base para integrar
Trabalhamos com os dados que a Popular Pet trouxe para o desafio, e o resultado é um protótipo acadêmico completo: recomenda, explica, registra cada decisão e mede o que mudou.
A tela de Integrações mostra o caminho. O protótipo parte de planilhas e devolve um CSV com os preços aprovados, e a base para ligar o ERP e a coleta de concorrência já está desenhada, em três etapas.
Os números de impacto são simulações sobre os dados do desafio.
O que eu levo daqui
Três coisas que eu faria de novo em qualquer produto com IA no meio.
A explicação ao lado da recomendação é o que dá confiança.
Ninguém aprova um preço que não entende. O que mais pesou foi colocar o porquê na mesma tela da sugestão, em linguagem de quem decide preço.
Testar às cegas com o time melhora o produto.
Decidir sem ver a recomendação e depois comparar mostrou onde o app podia melhorar. Várias melhorias da versão final vieram desses testes.
Flexibilidade precisa de trava.
Deixar o gestor editar regras e criar novas é o que faz o app ser dele. Deixar só endurecer as regras da base é o que mantém a margem protegida.
O que eu faria agora
Um piloto de 30 dias em uma categoria de menor risco, com a equipe de pricing da Popular Pet, medindo tempo, aceitação e reversão com uso real.