Eu construo, com IA no centro do processo, os sistemas internos que tiram o trabalho manual de financeiro, logística, contratos e atendimento. Primeiro encontro onde está o retorno. Depois entrego funcionando — e o sistema fica com a sua empresa.
Sistemas em produção em logística, pagamentos e gestão, construídos com agentes de IA.
Quase toda empresa já testou IA. Pouquíssimas colheram resultado. Um estudo do MIT com mais de 300 iniciativas encontrou valor mensurável em cerca de 1 de cada 20 pilotos de IA generativa. No Brasil, só 7% das empresas conseguem medir o retorno do que fizeram com IA.
O motivo quase nunca é o modelo. O ChatGPT ajuda cada pessoa a escrever mais rápido, mas não muda o pedido, o pagamento nem o contrato. A IA que dá resultado é a que entra no fluxo de trabalho — com regra, com histórico e com alguém aprovando o que tem consequência.
Fontes: MIT NANDA, The GenAI Divide: State of AI in Business, 2025 · TOTVS, Panorama da IA nas empresas brasileiras, 2025.
Uma conta de guardanapo, com os seus números. A parte acesa é o que pode voltar para a empresa. O diagnóstico refaz a conta com os dados de verdade.
pessoas × horas por semana × 48 semanas × custo da hora
Levar essa conta para a conversaAté pouco tempo, eu construía sistemas do jeito tradicional: AppSheet, integrações, Django, Next.js. Hoje a IA está no centro de como eu trabalho. Agentes de IA levantam as regras, escrevem o código e os testes, em paralelo. Eu decido o que construir, reviso o que eles fazem e respondo pelo que vai para produção.
O resultado é prazo de semanas onde antes eram meses — com mais teste automatizado, não menos. E um sistema que é seu: código, dados e documentação ficam com a sua empresa, na infraestrutura que você escolher.
A IA que paga a conta está no back-office: onde o trabalho é repetitivo, tem regra e custa horas de gente boa. É ali que eu construo.
O processo que hoje vive em planilha e grupo de WhatsApp vira sistema: com regra, permissão, histórico e a IA fazendo a parte repetitiva.
Contratos, propostas, notas e ordens: a IA lê, extrai e preenche; a pessoa confere e assina.
Ordens com alçada de aprovação e a trilha de quem aprovou o quê, quando e por quê.
Ordens de serviço, frota, rotas, torre de controle e um painel ao vivo para o seu cliente.
Agentes que respondem, classificam e passam para uma pessoa quando é hora de decidir.
Os sistemas que você já tem — ERP, AppSheet, planilhas, APIs — passam a conversar entre si.
Do comando falado à tarefa feita, com registro do que foi pedido e do que foi executado.
Escolha a área. Depois jogue para dentro do sistema as cartas do que acontece aí hoje: cada uma vira uma tela, feita de matéria. Quando estiver pronto, ligue o sistema e use.
Você não compra um projeto inteiro no escuro. Cada etapa tem preço fechado, entrega definida e um critério de pronto escrito antes de começar.
Mapeio os processos que mais custam tempo e erro e devolvo três oportunidades priorizadas, cada uma com a conta de retorno. A primeira sai desenhada, com critério de sucesso — e, quando couber, com um protótipo navegável. Se a conta não fechar, a gente não segue.
O sistema entra em produção integrado ao que você já usa e roda em paralelo ao processo atual até bater o critério combinado. A equipe aprende no próprio sistema.
Ajustes, novos fluxos e a medição do resultado, todo mês. Código, dados e documentação são da sua empresa desde o primeiro dia — se quiser seguir com outra pessoa, leva tudo.
Chamo o processo de Estaleiro: um método escrito, com etapas, portões de aprovação e agentes especializados, que eu uso para fazer nascer sistemas novos. A IA faz o trabalho pesado. O que tem consequência passa por uma pessoa.
Regras, dados e perguntas, tirados da sua planilha, do seu sistema antigo ou de uma conversa. Cada afirmação com a fonte.
O que o sistema herda de uma base já testada, o que adapta e o que nasce do zero. É o portão em que tudo para até você aprovar.
A base é copiada por script, não por agente, e o sistema já nasce com a suíte de testes passando.
Para cada módulo, o contrato vem antes do código. Agentes de backend e de frontend trabalham em paralelo, e cada lote passa por aceite no navegador.
No ar com a volta testada: se algo der errado, a versão anterior volta em segundos.
Com gente de verdade, medindo se o sistema cumpriu o que prometeu. O veredito é continuar, ajustar ou parar.
Sistemas que construí com esse método e que estão em uso. Os nomes ficam de fora; os números saem dos próprios repositórios, contados em 25 de setembro de 2026.
Ordens de serviço com fluxo de aprovação, frota, roteirização, torre de controle, painel ao vivo para o cliente e pagamentos a fornecedores. É a reescrita, como sistema próprio, de um app no-code.
Portfólio de projetos, tarefas, custos, orçamento, metas e reuniões. O primeiro sistema a nascer inteiro pelo Estaleiro, de uma base já testada.
Pedidos de pagamento com até dois níveis de aprovação e permissão por perfil e equipe. Migrado de um app no-code, com 14.479 ordens trazidas da origem.
Eu falo; ele abre, conduz e lê sessões de agentes de código nos meus projetos e acompanha o contexto do dia. É a ferramenta com que trabalho todo dia — não é produto à venda.
Abertura em 3D, partículas guiadas pela rolagem e som sintetizado — construído e lapidado em um dia, com a mesma técnica deste site.
Sou Vinícius Marques, gerente de TI de uma equipe de desenvolvimento que constrói os sistemas internos de uma empresa de fretamento de transporte — contratos, CRM, propostas, operação e pagamentos. É daí que vem o que eu sei sobre operação: de sistema que precisa funcionar na segunda-feira de manhã.
Sou graduado em Análise e Desenvolvimento de Sistemas, fui professor de TI e palestrei na Campus Party. Comecei no AppSheet e em integrações, passei por Python, Django, React e Next.js, e hoje construo com agentes de IA no centro do processo.
Quando você me contrata, é comigo que você fala: no diagnóstico, na construção e no que vai para produção.
Modinha é chatbot de vitrine. O retorno aparece onde o trabalho é repetitivo e tem regra — financeiro, operação, contratos. O próprio estudo do MIT encontrou o maior retorno no back-office, embora a maior parte do orçamento vá para vendas e marketing. É por isso que eu começo pelo processo e faço a conta antes de construir.
Uso as versões corporativas dos modelos, que por contrato não usam os seus dados para treinar (Anthropic e OpenAI publicam isso). O sistema roda na infraestrutura que você escolher e registra quem viu e mudou o quê. Hoje o risco maior costuma ser o contrário: gente da equipe colando dado de cliente numa conta pessoal de IA.
Ela vai errar às vezes, e o sistema é desenhado para isso. A IA faz a parte repetitiva, a pessoa aprova o que tem consequência — pagamento, contrato, resposta a cliente —, tudo fica registrado e a taxa de erro é medida. Erro que ninguém mede é o que dá prejuízo.
Ninguém usa ferramenta que obriga a trocar de tela. A IA entra no sistema que eles já usam, a equipe aprende no próprio sistema e o processo antigo continua rodando em paralelo até todo mundo confiar no novo. Uma pesquisa do BCG mostra que o uso cresce muito quando a liderança apoia e a equipe recebe algumas horas de treino.
Não. O código, os dados e a documentação são seus desde o primeiro dia. Se amanhã você quiser outro fornecedor ou outro modelo de IA, leva tudo. O acompanhamento é mensal, sem fidelidade.
Preço fechado por etapa, nunca por hora. O diagnóstico tem valor fixo e devolve a conta de retorno antes de você decidir o resto. Se a conta não fechar, você não segue.
Se você procura um robô para postar no Instagram, eu não sou a pessoa certa. Trabalho melhor com empresas que têm operação de verdade — pedidos, pagamentos, contratos, frota, atendimento — rodando em planilha e processo manual, e alguém que decide disposto a acompanhar de perto.
Fontes: MIT NANDA, The GenAI Divide, 2025 · BCG, AI at Work, 2025 · políticas de dados comerciais da Anthropic e da OpenAI. Os links estão em docs/copy.md.
Uma conversa de 30 minutos, direta comigo, sem apresentação comercial. Se não fizer sentido para a sua empresa, eu digo.
O botão abre um e-mail com quatro perguntas curtas.