CAP Uso interno · em validação · telas com dados borrados

Cap Intelligence — Transformando dados de mercado em decisões rastreáveis

Um portal interno, criado por iniciativa própria, para o time de produtos da Liderança ler o mercado de capitalização com fonte, ressalvas e hipóteses à vista.

  • Produto B2B · Inteligência de mercado · Ferramenta interna
  • Papel Product Designer Lead & AI Builder · iniciativa própria
  • Timeline Desde out/2026 · em validação
  • Stack Next.js · TypeScript · Drizzle · PGlite · Vitest · dados públicos da SUSEP e do Banco Central · Cursor
  • Contexto Liderança Capitalização · iniciativa própria, uso interno

Negócio e Produto já usaram o portal para decidir investigar duas hipóteses

CAPO portal

Do número à decisão, com o que pode enfraquecê-la à vista.

Cap Intelligence: Início

Telas do portal interno (nov/2026). Valores, hipóteses e leituras internas foram borrados; a base de mercado é a pública da SUSEP.

Contexto

A Liderança Capitalização tinha muitos dados — a base pública da SUSEP, a inflação do Banco Central, o comportamento no site e no app —, mas pouca gente conseguia interpretá-los e transformá-los em decisão de produto. Comecei o Cap Intelligence por iniciativa própria, para o time de produtos.

Problema

Ajudar o time a decidir onde investir — onde o mercado cresce, onde a Liderança está fora — sem transformar uma leitura possível em fato. Os dados públicos têm armadilhas: estornos, mudanças de classificação, cobertura parcial. Um número sem contexto leva a uma decisão errada com cara de evidência.

Meu papel

Product Designer Lead & AI Builder, por iniciativa própria: diagnóstico, PRD, arquitetura da informação, interface e implementação com agentes de IA no Cursor. As decisões que não são de design — autorização de dados, uso de IA, hospedagem — ficam com Negócio, Finanças, TI e Compliance, e o portal registra o que cada uma bloqueia.

Decisões

Todo número com fonte e versão dos dados. Cálculos determinísticos e testados, sem IA. Ressalvas geradas por regras fixas, ao lado da análise que elas enfraquecem. Separar o que sabemos, o que acreditamos e o que não sabemos. Hipóteses e decisões registradas e reavaliadas a cada atualização dos dados. Um agente de IA que lê só o relatório público; sobre dados internos, ele só traduz a pergunta e o portal calcula a resposta. Navegação pelas perguntas do time, não pelas fontes.

Solução & artefatos

Telas e detalhes do projeto.

Do dado à decisão, sem esconder o que o número não diz

O portal não tenta adivinhar o mercado. Ele mostra onde o mercado se move, diz por que a leitura pode estar errada e registra o que o time decidiu fazer com ela.

  • Rastreável — fonte, período e versão dos dados em cada número.
  • Honesto — hipótese aparece como hipótese, com o que falta para validá-la.
  • IA com fronteira — o agente lê o relatório público; dado interno não sai do portal.

Dado, leitura, decisão

  1. Dado
    • SUSEP e Banco Central
    • versão de cada coleta
    • conferência com a fonte

    Decisão: todo número com procedência

  2. Leitura
    • regras fixas, sem IA
    • sabemos / acreditamos / não sabemos
    • ressalvas ao lado da análise

    Decisão: o medido separado do inferido

  3. Decisão
    • hipóteses registradas
    • reavaliação a cada coleta
    • decisão com justificativa

    Decisão: uma decisão que dá para rastrear

O que descartamos

Problema

Ajudar o time a decidir onde investir — onde o mercado cresce, onde a Liderança está fora — sem transformar uma leitura possível em fato. Os dados públicos têm armadilhas: estornos, mudanças de classificação, cobertura parcial. Um número sem contexto leva a uma decisão errada com cara de evidência.

Descartado

Mais um dashboard de BI, com gráficos sem contexto. Números calculados ou interpretados por IA. “Insights” apresentados como fato. E enviar dados internos a um provedor de IA antes de uma decisão de Compliance.

Escolhido

Todo número com fonte e versão dos dados. Cálculos determinísticos e testados, sem IA. Ressalvas geradas por regras fixas, ao lado da análise que elas enfraquecem. Separar o que sabemos, o que acreditamos e o que não sabemos. Hipóteses e decisões registradas e reavaliadas a cada atualização dos dados. Um agente de IA que lê só o relatório público; sobre dados internos, ele só traduz a pergunta e o portal calcula a resposta. Navegação pelas perguntas do time, não pelas fontes.

Resultado até aqui

Duas hipóteses levadas a decisão por Negócio e Produto em 29/10/2026, com a justificativa registrada. O portal segue em validação.

Tensões

  • Velocidade × rigor
  • IA × rastreabilidade
  • Insight × hipótese
  • Dado interno × provedor de IA

Impacto

Em 29/10/2026, Negócio e Produto usaram o portal para decidir investigar duas hipóteses, com a justificativa registrada — e essa é a métrica que o produto persegue: hipóteses decididas, não telas ou gráficos. O portal ainda roda na rede interna, sem autenticação, e a maior parte das telas não passou por teste com usuárias; a revisão humana das ressalvas depende da autenticação.

Aprendizados

Ter dados não é ter informação. O trabalho de design foi separar o medido do inferido — e mostrar o que o número não diz antes de alguém levá-lo para uma reunião.

Relacionados

RRContato

Vamos conversar.

Conte o contexto — a mensagem chega direto a mim.

Sobre o que vamos conversar?

Contexto, problema e prazo, se houver.

Prefere e-mail? contato@romulo.art.br