Como fazemos um site em 15 minutos com IA
Bastidores do pipeline TIDEX Presence: como entregamos um site completo com 15 minutos de trabalho humano usando Claude, GPT e Gemini em sequência.
O cronômetro real: 15 minutos de trabalho humano
A gente entrega um site Presence completo com 15 minutos de operação humana. Não é exagero nem marketing. É o tempo médio que cronometramos nos últimos projetos. Mas preciso ser honesto: esses 15 minutos são precedidos por horas de engenharia que construíram o pipeline. O site da SRVM Studio, por exemplo, saiu do briefing ao deploy em exatamente 14 minutos de trabalho manual. O resto foi máquina. A confusão comum é achar que "15 minutos" significa que é simples. Não é. Significa que a complexidade foi empurrada pra infraestrutura, pra prompts calibrados, pra validação automatizada. O humano faz pouco porque o sistema faz muito.
Minuto 0 a 3: briefing estruturado
Os primeiros 3 minutos são conversa. A gente coleta nome do negócio, público-alvo, diferenciais e tom de voz. São 7 perguntas fixas que alimentam o prompt principal. No começo a gente fazia briefings de 40 minutos com formulários enormes. Descobrimos que 80% das respostas longas geravam o mesmo output que as curtas. Então cortamos. Hoje o briefing cabe numa troca de mensagens no WhatsApp. O dado que mais importa é o diferencial real do negócio — o que esse cliente faz que o vizinho não faz. Se a pessoa não sabe responder isso, a gente ajuda a formular. Esse é o único momento que exige intuição humana genuína.
Minuto 3 a 8: geração com 3 modelos
Aqui entra o pipeline de IA. A gente roda Claude pra estrutura de conteúdo e Schema.org, GPT pra variações de copy e headline, e Gemini pra sugestões de layout e hierarquia visual. Os três modelos recebem o mesmo briefing mas devolvem perspectivas diferentes. Em média, são 4 chamadas de API que custam R$2,30 no total. O humano não digita nenhuma linha de código nessa fase — só monitora se o pipeline rodou sem erro. O output é um projeto Next.js completo com todas as páginas, meta tags, dados estruturados e llms.txt já configurados. Demorou 7 meses de iteração pra chegar nesse nível de automação.
Minuto 8 a 13: curadoria humana
Essa é a fase mais importante e a que mais me orgulho. O operador abre o preview, lê cada seção e toma decisões rápidas: esse headline funciona ou troco? Essa cor representa a marca? O CTA tá claro? Em média a gente faz 6 a 8 ajustes por projeto. Os ajustes mais comuns são tom de voz (a IA tende a ser formal demais pro mercado brasileiro) e hierarquia de informação (a IA coloca features antes de benefícios). Cada ajuste é um edit direto no código gerado. Sem Figma, sem aprovação em comitê. Uma pessoa decide, executa e segue. Essa velocidade só funciona porque o quality gate depois é rigoroso.
Minuto 13 a 15: deploy e validação
Os últimos 2 minutos são deploy na Vercel e validação automatizada. O Lighthouse roda automático e a gente só libera com score acima de 90 em performance. O Schema.org é validado contra o Google Rich Results Test. O llms.txt é testado com uma query simulada pra garantir que motores de IA conseguem extrair informações do site. Se qualquer validação falha, o cronômetro pausa e a gente corrige antes de entregar. No caso da SRVM, todas as validações passaram de primeira. Nem sempre acontece — em cerca de 30% dos projetos a gente precisa de 1 rodada extra de ajuste, o que adiciona uns 5 minutos. Mesmo assim, o tempo total fica abaixo de 20 minutos.