Era - Um álbum

O problema

Em 2026, o ritual do álbum de figurinhas virou notícia. A FGV calculou que a mediana de custo para completar sozinho chega a R$ 7.098. O Procon-SP teve alta de 220% nas reclamações em um mês.

A análise do app digital oficial mostrou outras dores: avaliação 3,81/5 na Google Play, baixo limite de pacotes por dia, troca lenta, cadastro obrigatório e amarras comerciais ao patrocinador.

A leitura foi: a nostalgia foi cooptada por um sistema de monetização pouco alinhado ao usuário. Um problema concreto, com dados por trás, em janela de tempo curta — bom material para um exercício de método.

Nesse momento, a IA colaborou na coleta de grandes quantidades de dados em comunidades online e matérias de jornais. Parte importante é sempre checar as informações e fontes utilizadas pelas IAs, para garantir coerência e ausência de alucinação. Usei dois modelos de IA para a coleta e double check em todas as informações coletadas, além da consulta manual às fontes.

As três decisões que orientaram o projeto

Em duas semanas, há mais decisões do que tempo. Minha preocupação aqui era diminuir riscos de viabilidade de negócio, de usabilidade e jurídico. Coletar informações de forma criteriosa para basear essas decisões foi o que sustentou o resultado final.

1. Competir por significado

A oportunidade estava em remover o que sobra nos produtos atuais. Gratuito, sem cadastro, sem compras, sem amarras. Foi um trade-off consciente tirar a monetização nativa. Para um projeto pessoal, é um caminho. Para produção, não faria sentido e exigiria repensar toda a estrutura.

2. Não usar a IP do torneio

A propriedade intelectual (jogadores, seleções, nome do torneio) pertence à entidade organizadora — inviável para projeto independente. A escolha por animais ameaçados se sustentou em dado de mercado:

• 42% dos brasileiros citam causa animal como motivação alimentar (Datafolha/SVB)
• 76% das culturas agrícolas brasileiras dependem de polinizadores (BPBES)
• Ecoturismo cresce 20% ao ano no Brasil

O torneio dá o vetor de atenção temporário ao projeto e a conservação, o motor que sobrevive ao torneio.

3. Reescrever a mecânica de recompensa variável

A recompensa variável é o que torna esses produtos viciantes — e também o que gera frustração. No Era, a figurinha repetida deixou de ser punição: cada cópia repetida desbloqueia mais informação sobre a espécie (curiosidade na 2ª cópia, ameaça na 3ª). Assim, a repetição deixa de ser frustração para se tornar aprendizado. Ainda é a mesma mecânica de engajamento, com atrito diminuído.

Pesquisa como base

A pesquisa funcionou como base estrutural do projeto. Adicionei uma regra: toda decisão deveria ter dado de pesquisa secundária por trás. Pesquisa primária com usuários ficou de fora por escolha consciente, dado o escopo e objetivo do projeto.

As frentes que mais impactaram o resultado:

• Coleta de dados de usuários em comunidades — identificou os principais pontos de dor e oportunidades dentro do contexto.
• Análise comparativa dos apps líderes — identificou que a dor número um é idêntica em todos: sistema de monetização desagradava os usuários. Era tida como agressiva.
• Verificação cruzada de dados ambientais — o double-check em fontes primárias (IUCN, ICMBio, WWF) identificou quatro correções de status que teriam ido para o produto incorretas. Em projeto sobre conservação, dado errado tira credibilidade inteira.
• Dimensionamento de mercado — TAM/SAM/SOM calibrou expectativa realista: 12–15 mil usuários para uma POC orgânica independente. Esse exercício serviu para dar noção da dimensão do projeto. Para produto real, é necessário ir além do tamanho de mercado, para a definição de uma solução.

O que precisou ser revertido

Em um projeto curto, voltar atrás custa caro. Mesmo com suporte de IA, foi preciso tomar as decisões antes de prototipar algo.

Sistema de pontuação foi removido. Foi pensado um sistema de pontuação entre usuários, como camada extra de engajamento, mas o desbloqueio progressivo de informação a cada figurinha repetida pode cumprir essa função. Manter pontuação numérica gerava complexidade desnecessária para um projeto pequeno.

Cooldown inicial de 24h não sobreviveu ao teste prático. Era lento demais para um produto sem retenção forçada e sem uma IP gigante — usuários esqueciam de voltar. Foi reduzido para 6h.

Quase um dia perdido pensando em arquitetura de backend antes de assumir que o projeto seria 100% client-side. Backend implicaria reproduzir problemas similares de outros apps, além de aumentar a complexidade e custo do projeto.

Em comum entre os três: decisões iniciais tomadas por “padrão de mercado” antes de checar se faziam sentido para este projeto. Perguntar mais cedo se a feature faz sentido dentro do contexto inserido ou apenas replica o que o mercado faz foi importante.

Design e desenvolvimento

Naming. Iterações até chegar em “Era — mais que um álbum”. A palavra carrega tempo, memória e o verbo no imperfeito. O manifesto consolidou a tensão: Era um álbum de figurinhas. Os animais que você colecionou são reais. Alguns têm menos de 20 indivíduos na natureza.

Direção visual. Construída a partir de quatro referências (zine de risografia, card colecionável retro-digital, selo postal, card esportivo dos anos 80/90). Síntese: “encontrada em uma gaveta antiga, mas feita agora”. Tipografia tripla (Caprasimo, Raleway, Anton), paleta semântica por país e por status IUCN. Defini o visual como um apelo do projeto, para que pudesse ser um chamariz ao propósito.

Ilustrações. Processo iterativo no ChatGPT — alimentação de referências, prompts temporários, refinamento até consolidar um prompt final, geração das 40 ilustrações em série. A disciplina principal foi rejeitar o output enquanto carregasse clichês de IA. O prompt final teve mais valor que qualquer ilustração isolada.

UI. Userflow e wireframes feitos com auxílio de IA. Diversas trocas de boas práticas entre designer e IA até chegar em um resultado aceitável. Google Stitch para explorar o direcionamento visual (você pode exportar uma tela no Stitch e colar direto no Figma rapidamente). Transição para alta fidelidade e refinamento final no Figma.

Desenvolvimento. A escolha da stack foi responsabilidade da IA, de acordo com a orientação e contextualização dada nos prompts. Foi executado com Claude Code via PRD documentando todas as definições feitas até o momento. Integração com Figma MCP Server para extração programática de specs.

Testes de usabilidade. Quatro testes (três remotos, um presencial) executados para identificar problemas antes da publicação. Todos concluíram as tarefas, validando o fluxo. O teste expôs três fricções (nomenclaturas confusas, input do onboarding, ícone de pacote pouco reconhecível) e um bug de viewport.

Aprendizados

Sobre IA aplicada a design

A IA cria uma armadilha de polimento. O output das ferramentas atuais podem parecer suficientes antes de estar. Numa análise criteriosa, são inconsistentes, genéricos, com hierarquia falha, microcopy descontextualizada. Para POC, o nível, por vezes, pode atender. Serve apenas como ponto de partida para produção.

IA acelera o protótipo, mas o desenvolvedor humano é muito importante. Designer + IA dá vazão a um protótipo funcional, para validar features, por exemplo. Esse mesmo produto, levado para produção, deixaria uma série de problemas: vulnerabilidades não documentadas, dificuldade de escala, débito técnico e perdas financeiras potenciais.

Sobre o processo

Saber o que não fazer importa muito. Cada recurso removido (ranking, troca, pontuação) melhorou o foco do projeto e tornou o prazo factível. Decidir o que não fazer importa tanto quanto decidir o que fazer, independente do tamanho do produto.

Documentar incerteza ajuda mais que esconder. As pesquisas do projeto têm seções de double-check explicitando o que foi verificado, o que ficou em aberto, onde fontes divergem. Problemas encontrados em testes foram todos documentados e serviram de base para novos ajustes.

O que faria diferente hoje

Agentes paralelos para pesquisa — rodar várias frentes ao mesmo tempo, cada uma com foco e retorno estruturado, em vez de sequencial.

Testes mais amplos no Stitch e no Pomelli (Pomelli que não documentei aqui por não ter levado mais de 1h nisso) — usar essas ferramentas em mais momentos do projeto.

Diferenciação mais profunda na mecânica de recompensa — o sistema atual parece mais recompensador que o dos concorrentes, mas opera dentro do mesmo paradigma. Pode haver espaço para repensar.

Se o Era fosse para produção

Por escopo, o Era é um teste para projeto pessoal. Vale documentar o que mudaria como produto de mercado real:

Pesquisa primária seria obrigatória. Entrevistas com usuários reais para entender quem são essas pessoas, o que dá saudade no álbum físico, quais são os pontos problemáticos, qual o ponto exato de transição para o digital.

Tradeoffs de hábito precisariam ser identificados. O álbum físico tem rituais que o digital substitui mal: a troca presencial, o toque do papel, a sensação de colar as figurinhas. O produto teria que aceitar coexistência com o físico, gerenciar perdas ou inovar para que a ausência do físico fosse mitigada.

Monetização teria que existir. Caminhos possíveis incluem parcerias com organizações de conservação (doação opt-in), patrocínio temático sem amarra ao usuário, ou um modelo freemium suave que não prejudique o gratuito. Todos exigem pesquisa que o projeto atual não fez.

Considerações finais

O Era começou como reação a um problema concreto e terminou como um exercício de método. A pergunta que motivou o projeto — o que muda no trabalho de design quando IA entra em todas as etapas? — não tem resposta única, mas o projeto ajudou a criar algumas.

O Era confirmou, para mim, algo que Harvard Business Review (no artigo Help Employees Get Better—Not Just Faster—with AI) tem documentado sobre o trabalho com IA: o ganho vem de usar a ferramenta para refinar o julgamento, e a articular contextos e nuances que a máquina sozinha não enxerga. IA realmente acelera execução, mas amplifica o trabalho de quem consegue formular critérios e fazer avaliações de forma clara.