Erros que cometemos antes de chegar nesse fluxo

Erro 1: tentar automação total sem humano no loop

O primeiro pipeline da TIDEX era 100% automatizado. Briefing por formulário, geração por IA, deploy automático, zero intervenção humana. O resultado foi desastroso. Dos 5 sites gerados nesse modo, 3 tinham informações inventadas pela IA — um deles listava um endereço que não existia. Outro tinha o nome do cliente escrito errado na meta description. O quinto gerou um Schema.org com tipo Restaurant pra um escritório de advocacia. Gastamos 3 semanas construindo essa automação total e mais 1 semana consertando os estragos. A lição foi cara mas definitiva: a IA precisa de um humano conferindo o output. Não por formalidade — porque ela erra de formas que só um humano percebe.

Erro 2: briefings longos que ninguém completava

Antes das 7 perguntas atuais, a gente tinha um formulário Google com 23 campos. Nome, endereço, CNPJ, missão, visão, valores, lista de serviços, diferenciais, público-alvo, referências visuais, cores preferidas, fontes preferidas, concorrentes. Só 34% dos clientes completavam o formulário. Os outros 66% paravam na pergunta 8 ou 9. E o pior: as respostas longas não melhoravam o output da IA. Testamos gerar sites com formulário completo versus 7 perguntas essenciais. A qualidade era estatisticamente igual — diferença de 3% na taxa de aprovação da curadoria. Cortamos 16 perguntas e a taxa de conclusão do briefing subiu pra 91%. Menos informação, mesmo resultado, mais clientes.

Erro 3: usar um modelo de IA só

No começo a gente usava só o GPT-4 pra tudo: conteúdo, layout, Schema.org, copy. O resultado era coerente mas limitado. O GPT-4 tem vícios estilísticos — repete estruturas de frase, favorece palavras como "holistic" e "leverage" mesmo em português, e gera Schema.org com erros em 22% dos casos. Quando adicionamos Claude pra conteúdo estruturado, a taxa de erro em Schema.org caiu pra 6%. Quando adicionamos Gemini pra layout, as sugestões visuais ficaram mais variadas. Cada modelo tem pontos fortes e fracos, e usar os três em paralelo compensa as fraquezas individuais. O custo subiu R$0,80 por projeto mas a qualidade subiu mais do que compensou em tempo de curadoria.

Erro 4: não versionar os prompts

Durante os primeiros 8 projetos, os prompts eram editados direto num arquivo de texto sem controle de versão. Quando algo dava errado, a gente não sabia o que tinha mudado. Uma vez eu editei o prompt de Schema.org pra corrigir um bug e introduzi outro que só apareceu 3 projetos depois. Sem versão anterior pra comparar, levei 4 horas debugando. Depois disso, cada prompt foi pro Git com changelog. Hoje estamos na versão 34 e consigo voltar pra qualquer versão anterior em 10 segundos. Parece overengineering pra um arquivo de texto, mas prompts são código — e código sem versionamento é uma bomba-relógio. Essa decisão sozinha economizou horas de debug nos meses seguintes.

Erro 5: precificar por hora em vez de por valor

Os primeiros 3 projetos foram orçados por hora. "Leva 2 horas, cobro R$200/hora, são R$400." O cliente achou caro pra "um site feito por IA". E eu estava subcotando — o valor entregue era de R$5.000+ em qualquer agência. Quando migrei pra precificação por valor com os 3 tiers (Care R$1.500, Plus R$3.000, Pro R$6.000), duas coisas mudaram: o cliente passou a comparar com agências (onde R$1.500 é barato) em vez de com o custo de IA (onde R$400 parece caro). E a margem subiu de 70% pra 95%. A lição: nunca precifique pelo custo de produção quando o valor percebido é 10x maior. Esse erro quase matou o modelo antes dele começar.