2024 a 2025
Product Designer @ Fivelabs
Empresas com dado espalhado decidem no escuro. Desenhei, do zero, uma plataforma que junta os dados e põe agentes de IA para apontar a oportunidade.
O cliente não queria mais um painel. Queria saber o que fazer com o que já tinha.
Meu papel
Product Designer. Discovery, arquitetura de informação, interface, design system e experiência com agentes de IA.
Período
2024 a 2025
Time
PM, engenharia de dados, especialistas de dados e parceiros Qlik
A Decision Suite, da Fivelabs, é uma plataforma para empresas que querem tomar decisões baseadas em dados. Ela reúne visualização, insights e análise num só lugar, com agentes de IA especialistas por área. Quando entrei, ainda não havia produto. Havia um problema observado em várias empresas e uma pergunta: o que, exatamente, elas precisavam enxergar?
Se você ler só uma parte
As empresas tinham dado demais, em lugares demais, e ninguém para transformar isso em decisão.
O que eu fiz foi partir do que os clientes diziam, priorizar sem dó e desenhar um produto que leva a informação até a pessoa, em vez de esperar que ela vá buscar.
O resultado foi uma plataforma com dashboards, alertas, solicitação de novos painéis e um assistente com agentes especialistas, construída sobre um design system feito junto com a engenharia de dados.
O problema
O problema não era falta de dado. Era falta de confiança e de contexto.
Nas entrevistas, os clientes potenciais descreveram o mesmo cenário com palavras diferentes:
- "Falta a informação correta e clara para tomar as decisões que preciso."
- "Tenho o mesmo tipo de informação em vários locais diferentes e não sei qual é verdadeira."
- "Tenho muitos painéis na empresa, mas não com as informações que preciso."
- "Custa muito caro ter um escritório de ciência de dados na empresa."
- "Não tenho um time capacitado para me auxiliar na elaboração dos painéis que preciso."
Cada fala pedia uma solução diferente. A tentação era responder a todas com dashboards. O que o produto precisava primeiro era decidir o que não ia fazer.
Por onde comecei
01.
O que a gente sabe, e o que só supõe?
02.
O que o cliente precisa ver para decidir, e não só para acompanhar?
03.
Como priorizar um produto que começa do zero?
04.
Como um assunto denso vira uma experiência com pouca curva de aprendizado?
O que eu fiz no discovery
Comecei pelas dúvidas, e não pelas telas.
Junto ao PM, montei uma matriz CSD com as certezas, suposições e dúvidas que tínhamos, e usei a matriz para planejar as entrevistas exploratórias. Primeiro conversamos com os stakeholders e com especialistas de dados. Depois, com clientes potenciais, para ver o problema na prática. As falas validaram boa parte das hipóteses sobre o mercado.
Priorizei com MoSCoW para ter uma esteira, e não uma lista de desejos.
Com as entrevistas em mãos, fizemos um brainstorming, agrupamos as ideias mais relevantes e aplicamos MoSCoW para montar a esteira de priorização. Num produto sem nada construído, decidir a ordem é tão importante quanto decidir o quê.
Ajustei o processo a cada módulo.
Por ser um projeto do zero, o processo variou conforme o módulo priorizado. Em geral, eu começava por um fluxo funcional para delimitar o escopo. Depois vinham wireframes de baixa fidelidade, validados rápido com as pessoas envolvidas. Só então o protótipo de alta fidelidade, refinado em ciclos até a documentação e o acompanhamento do handoff.
O que eu fiz no produto
Transformei "não tenho time para montar painéis" numa funcionalidade.
Se o cliente não tem um time de dados, o produto precisa fazer esse papel. Desenhei a solicitação de novo projeto como um passo a passo: qual indicador, que tipo de gráfico, de onde vêm os dados e qual a regra de cálculo. O pedido chega pronto para a engenharia, e o cliente acompanha etapas, custo e prazo dentro da plataforma.
Fiz a informação ir até a pessoa.
Um painel só ajuda quem abre. Os alertas avisam quando uma meta é alcançada, quando surge um insight ou quando um indicador muda. O assistente de IA responde perguntas em linguagem natural, com agentes especialistas por área, como vendas, financeiro, RH e marketing, e devolve a resposta já em gráfico.
Trabalhei com os agentes, e não só com a tela deles.
Trabalhei com agentes de IA nas plataformas n8n e Dify, o que ampliou muito a minha visão sobre automações inteligentes e experiências assistidas, e mudou a forma como eu desenhava a conversa com o assistente. Também colaborei com parceiros da Qlik na criação de dashboards personalizados e nativos.
Construí o design system junto com a engenharia de dados.
A colaboração próxima com a engenharia de dados me fez entender a lógica e as chamadas de cada visualização. Isso levou para o design system as exceções que um dashboard real tem, e não só o caso ideal. Também investiguei casos extremos que não estavam no briefing inicial.
O que mudou
Um problema difuso virou um produto com escopo, ordem e linguagem própria. E ele está no ar.
Cada parte da plataforma responde a uma das falas das entrevistas. A informação dispersa ganhou um lugar só. A falta de time virou um pedido guiado. E o painel que ninguém abria virou um alerta que chega na hora certa.
Hoje a Decision Suite é vendida para CEOs e grupos empresariais com os mesmos problemas que ouvimos no discovery: dado pouco confiável, fontes duplicadas, painéis genéricos, ciência de dados cara e falta de time interno. O assistente, os agentes por área, os alertas de metas e a solicitação de novos painéis continuam sendo o centro do produto.
