Gestão de produto na era da IA: decisões de stack, priorização de features de IA, business case, ROI, integração ao workflow e o papel do PM em produtos que usam inteligência artificial.
Segunda-feira com um tema só puxando o resto: custo. Preço de modelo, modelo aberto na empresa e até a velocidade de inferência entram na mesma conversa.
Domingo de radar mais enxuto, mas com uma conta de custo que vale a leitura. Começo por ela.
Hoje o radar traz um modelo aberto novo, um modelo de voz que aprendeu só ouvindo e uma conta de custo de raciocínio que dá para baixar. Começo pelo modelo.
Hoje o radar traz um número de adoção de agente de consumo, uma pesquisa que mostra IA provando segurança de código e uma ferramenta aberta para dar rédea curta aos agentes. Começo pela adoção.
Hoje o radar mistura um lançamento de agente, um alerta de segurança que merece uma ligação para a engenharia e um bom texto sobre um vício comum em produtos de IA. Começo pelo lançamento.
Hoje o radar veio curto, mas o caso da TV4 mexe direto com quem desenha produto. Um erro ainda sem causa confirmada custou meses de trabalho a uma emissora e coloca uma pergunta importante sobre quanta autonomia a gente entrega a uma automação.
Hoje a pauta foi menos sobre um modelo novo e mais sobre o que sustenta um produto de IA depois que ele ganha tração. A Character.ai pediu proteção pelo Chapter 11 para vender a empresa sob supervisão judicial. Separei a análise e mais sete itens do radar, do Gemini 4 Argon ao redesenho do controle de versão na Anthropic.
A pergunta que aparece nas minhas leituras e nas reuniões de produto é simples: o que acontece com os dados quando alguém cola algo num chatbot? Encontrei uma ferramenta que enfrenta esse ponto diretamente, além de seis itens do radar.
Quando um agente executa código que acabou de gerar, a pergunta de segurança não é só “e se ele errar?”. Também importa onde esse erro acontece e o que o código pode alcançar.
Hoje o assunto que mais me prendeu foi custo por tarefa, não capacidade. No mesmo radar, apareceu voz que roda no celular sem nuvem e uma discussão séria sobre sandbox para código de agente.
Hoje a edição gira em torno de preço, não de capacidade. No mesmo dia, apareceu um modelo mais barato, o GPT-6 com interface dentro do chat e um agente configurado em YAML.
Hoje, o assunto que mais me prendeu foi o anúncio de um modelo open-weight de grande porte. No radar, ele vem acompanhado de mais quatro leituras que valem seu tempo — de agentes fazendo ciência a um tutor de IA que funciona, mas ainda enfrenta baixa adoção.
Hoje, o radar trouxe o anúncio de um modelo open-weight de 501 bilhões de parâmetros, uma API de busca para agentes e um caso de IA com problema de reputação. Mas o que ficou na minha cabeça foi um estudo sobre um tutor de matemática. Abro a edição por ele.
A semana começou com três modelos de fronteira disputando preço. Mas o que mais me fez pensar foi uma ferramenta de automação. Abro a edição por ela e deixo os modelos no radar, logo abaixo.
Cinco novidades passaram pelo meu filtro hoje, e o que mais pesa para quem trabalha com produto é o Dots, o novo agente proativo de IA da OpenAI. O destaque não é só o que ele consegue fazer: é a mudança de produto que acontece quando o assistente deixa de esperar um comando a cada passo.
Seis itens passaram pelo meu filtro hoje. Para quem trabalha com produto, o lançamento do Sites no ChatGPT é o que mais pesa: ele encurta a distância entre uma hipótese e algo que dá para clicar. Começo por ele e deixo o resto do radar logo depois.
Essa semana, a conversa sobre agentes de IA me chamou mais atenção do que a sequência de modelos novos. Este é o destaque — e, depois, o radar completo do que filtrei para você.
Uma janela de contexto de até 1 milhão de tokens pode mudar fluxos que dependem de contratos, extratos, políticas e relatórios. Mas contexto longo só compensa quando melhora o trabalho sem tornar custo e latência inviáveis.
Com 63 modelos lançados em setembro, a decisão de produto já não é escolher um nome para sempre. É criar uma arquitetura que permita trocar sem reescrever a funcionalidade — e avaliações próprias que mostrem se o novo modelo melhora o seu fluxo.
O Sonnet 5.5 mantém o preço por token do Sonnet 5, mas usa menos tokens para concluir a mesma tarefa: segundo a Anthropic, isso reduz o custo por tarefa em até 30%. O modelo também gera respostas mais de 30% rápido e chega perto do Opus 5.5 em várias tarefas de trabalho intelectual. Para times de produto, a mudança pode reabrir automações que antes não fechavam a conta.
Quando a IA reduz o tempo necessário para entregar um serviço, cobrar apenas pelas horas pode pressionar a margem. A pergunta passa a ser o que, de fato, o cliente está pagando — e como o preço deve refletir esse valor.
O radar desta semana trouxe lançamentos quase simultâneos de quatro grandes labs de IA e uma nova ferramenta de agentes da NVIDIA. Mas a notícia que mais me prendeu foi menor: um builder de IA generativa voltado especificamente para finanças. Foi esse movimento de verticalização dos builders de IA que escolhi explorar hoje.
O radar de hoje veio pesado em decisão de arquitetura. Teve modelo mais barato, teve alerta sobre segurança de agentes e teve a OpenAI colocando uma nova opção na mesa de quem constrói produtos com IA. Escolhi puxar o fio por aí.
Esta semana teve lançamento de modelo quase todo dia — GPT-6 Sol e Luna, Claude Opus 5.5 e o novo TTS do Google. Mas o caso que mais me prendeu não é um lançamento recente: é a forma como a Stripe decidiu automatizar primeiro dentro de casa.
Hoje o radar veio cheio: três lançamentos de modelo no mesmo dia — GPT-6, Claude Opus 5.5 e o TTS do Gemini — e, no meio disso, um caso real de como aplicar IA dentro de uma empresa séria. Fico com o segundo. É onde mora a diferença entre demo bonita e produto que aguenta auditoria.
Dia cheio no radar: modelo novo da Anthropic, Grok dentro do carro da Tesla e dois casos pesados sobre o que acontece quando a gente confia demais na IA. No meio disso tudo, o que mais me pegou foi um projeto pequeno, que fala direto com quem faz produto em setor regulado.
O Hybrid Compute da Perplexity adapta o local do processamento ao nível de sensibilidade da informação. A tarefa começa na nuvem, mas pode migrar para o computador do usuário quando toca em um dado pessoal. Para quem constrói produtos financeiros, é um exemplo direto de privacidade por design e arquitetura híbrida de IA.
O Step 5 Preview, da StepFun, combina contexto de 1 milhão de tokens, 27 bilhões de parâmetros ativos e preço de cerca de US$1 por milhão de tokens de entrada. Para produto, o ponto não é o hype técnico: é a mudança no custo de inferência de IA e na conta de quais automações longas podem fazer sentido em produção.
Chatbots de IA estão ficando mais persuasivos que humanos em conversas de opinião. Para produto, isso pode reduzir atrito e ajudar pessoas a avançar em jornadas complexas — mas também aumenta a responsabilidade sobre como essa influência é usada, especialmente quando a decisão envolve dinheiro.
O radar de hoje trouxe de tudo: de uma IA que cabe em 8 MB até uma que já lidera parte da própria P&D da criadora. No meio disso, teve uma notícia que me fez parar para pensar em como a gente prova que IA é confiável em setores como o meu.
O Astra for Law mostra como transformar um modelo forte em produto de IA para mercados regulados: combinar inteligência geral com dados proprietários, compliance e o fluxo de trabalho que o cliente já usa. Para quem trabalha com produto de crédito, essa escolha diz mais do que qualquer benchmark isolado de modelo.
Separei hoje um estudo pequeno que bagunçou uma certeza minha: a de que a ferramenta mais sofisticada é sempre a melhor escolha. No meio do radar também tem GPT-6 Astra e a compra da Hugging Face pela Nvidia, mas comecei pelo que mexeu mais com meu jeito de pensar produto.
Essa foi uma daquelas semanas em que o volume de lançamentos de IA quase atropela quem precisa decidir o que entra no roadmap. Separei os pontos que realmente importam para quem trabalha com produto — e o fio condutor de hoje é sobre custo, não sobre inteligência.
Essa semana teve modelo novo, aquisição bilionária e mais um caso de agente de IA saindo dos trilhos. Mas o que ficou martelando na minha cabeça foi uma cláusula escondida nos termos de uso de uma ferramenta de automação. Separei o resto do radar logo depois.
Hoje o radar trouxe uma mistura densa: um novo modelo de fronteira, uma aquisição bilionária e mais um caso de agente de IA saindo dos trilhos. Fiquei pensando principalmente na notícia que junta dinheiro grande com risco de concentração: a compra da Hugging Face pela Nvidia.
Essa semana teve menu cheio: um modelo novo com selo de risco crítico, uma aquisição bilionária redesenhando o mapa da infraestrutura aberta, e um jeito diferente de pensar arquitetura de IA que me chamou atenção. Separei o que importa pra quem decide roadmap de produto.
O texto de hoje nasceu de um detalhe que quase passou batido no meio da euforia com o [GPT-6 Astra](https://openai.com/index/gpt-6-astra/): a própria OpenAI resolveu chamar o modelo de capacidades “críticas” em cibersegurança. Foi nisso que fiquei pensando a semana toda, e é o fio condutor da edição de hoje.
Essa semana teve mais barulho do que o normal: modelo novo, aquisição bilionária de US$ 12,9 bi, inferência três vezes mais rápida — e um caso de agente de IA que saiu dos trilhos sem que ninguém soubesse por meses. Escolhi puxar o fio por esse último.
Essa semana teve modelo novo, aquisição bilionária e até agente de IA que saiu do controle. Mas o que ficou martelando na minha cabeça foi uma ferramenta bem mais discreta: um jeito simples de provar que um arquivo foi feito por IA.
Essa semana o radar veio recheado de lançamento atrás de lançamento — Meta, Google, Anthropic e até uma alternativa europeia entrando na disputa por modelo de ponta. No meio disso, uma pergunta ficou mais clara do que nunca para quem constrói produto com IA: qual modelo faz sentido para cada tarefa, e por quanto?
Foi dia de lançamento em cadeia: Meta, Google, Anthropic e uma europeia entraram com modelo novo praticamente ao mesmo tempo. No meio disso, separei uma leitura que ajuda a decidir o que fazer com tanta opção — e mais nove links do radar de hoje.
Foi uma semana de grandes lançamentos da Anthropic, mas o número que mais me chamou atenção não foi de qualidade de modelo. Foi de segurança. Separei esse e mais nove links que valem o clique de quem trabalha com produto de IA.
Hoje o radar trouxe bastante coisa para quem acompanha IA aplicada a produto: de um anúncio que redesenha onde a IA mora dentro do CRM até um alerta forte sobre autonomia sem sandbox. Separei o que mais interessa para quem trabalha com produto, começando pelo que mais chamou minha atenção.
Hoje o radar girou em torno de dinheiro: quem cobra quanto por token e por que isso está mudando rápido. O destaque de hoje puxa esse fio a partir de uma decisão da Anthropic, e o resto da curadoria trouxe bastante lançamento de agente pra completar o quadro.
Uma notícia vale mais que as outras nove juntas nesta semana: um fornecedor de IA cortando o acesso de um produto de terceiro do dia para a noite. Junto com isso, houve troca de liderança na Google DeepMind e mais um capítulo na guerra de preço entre modelos. Mas a lição mais importante é sobre dependência de fornecedor.
Hoje o radar trouxe um pacote pesado de modelo novo — Gemini, transcrição, multimodal — mas o que ficou comigo foi um lançamento fora do mundo dos modelos: um agente assumindo de vez o CRM inteiro de um time de vendas.
O radar de hoje trouxe bastante lançamento de modelo novo, mas a notícia que ficou comigo foi outra: uma negociação bilionária que pode redesenhar quem controla a infraestrutura de IA aberta. Vamos direto ao ponto.
Hoje o radar veio cheio de lançamento de modelo — GLM-5.3-Flash, Qwen3.8-Flash-Next e o mistério do Ox Alpha resolvido. Mas o que ficou comigo foi outra notícia, mais discreta e mais próxima do meu dia a dia de produto.
Essa semana o dia rendeu bastante notícia de chip, pricing e modelo novo, mas o que mais me prendeu foi um ensaio sobre como desenhar liberdade para agentes de IA. Compartilho abaixo por que ele mudou um pouco a forma como penso automação em crédito, e deixo o resto do radar do dia logo em seguida.
O radar de hoje girou bastante em torno de dinheiro e dados: Nvidia bancando um modelo aberto rival da China, Hugging Face avaliado em US$ 13 bilhões, e a Thomson Reuters mostrando quanto custa — e quanto vale — construir um modelo próprio. Separei o que interessa para quem trabalha em produto.
Hoje o radar trouxe uma lição que atravessa qualquer produto: ser o melhor tecnicamente não garante adoção. O Claude é considerado por muitos desenvolvedores o modelo mais capaz disponível, mas alternativas mais baratas estão ganhando espaço. E o dia também trouxe bastante movimento de grandes players entrando em espaços novos, de implementação enterprise a agentes de codificação.
Essa semana um estudo sobre IA e provas escolares me fez repensar como eu leio dashboard de adoção no trabalho. O resto do radar vai de roadmap do MCP a um navegador feito sob medida pra agentes.
Essa semana passei um tempo revisando o custo de inferência de IA nos produtos que a gente desenvolve, e um corte de preço da OpenAI acabou puxando o fio da edição de hoje. O resto do radar vai de TTS com latência sub-50ms a bug de cobrança em agente de código.
A semana fecha com um dado que resume bem o momento: IA em produto deixou de ser experimento e virou linha de investimento cobrada por resultado. O resto do radar de hoje vai de segmentação por idade em chat até bug de cobrança em agente de código.
Essa semana o radar trouxe um daqueles movimentos raros: concorrentes diretos concordando em um padrão comum. E o resto do dia seguiu na mesma toada, entre consolidação de infraestrutura de pagamento e modelos cada vez mais baratos.
Essa foi mais uma semana cheia de lançamento de modelo e disputa de preço, mas o que ficou comigo foi um número de bilhões mudando de tamanho. Comento isso no destaque de hoje, e deixo o resto do radar logo na sequência.
Fechei essa semana de olho em uma aquisição que diz mais sobre o mercado de IA do que qualquer lançamento de modelo. E o resto do radar de hoje trouxe um contraponto interessante: enquanto uma empresa paga bilhões por infraestrutura, o debate no Hacker News é sobre se os modelos estão mesmo melhorando ou só parecendo diferentes.
O radar de hoje veio carregado de lançamento de modelo — Qwen, Gemini, GLM — mas o que ficou comigo foi uma notícia de infraestrutura, não de modelo novo. Separei a edição para falar de criptografia homomórfica e por que isso importa pra quem trabalha com dado sensível em crédito.
Hoje o radar trouxe uma leva de lançamento de modelo — Grok, DeepSeek, Qwen — mas o que ficou comigo foi uma discussão bem mais simples: como confiar em texto gerado por IA. Separei a edição de hoje para falar de marca d’água e fraude documental, porque é isso que decide se um produto financeiro aguenta pressão de verdade.
Essa semana entrou um dado que grudou na minha cabeça: 43% das empresas de SaaS já cobram por tarefa executada, não por acesso. O resto do dia trouxe lançamento atrás de lançamento — Gemini batendo 1 bi de usuários, Alibaba com modelo novo, Meta entrando na guerra de agentes de código. Mas separei a edição de hoje para falar de dinheiro, porque é isso que decide o que sobrevive.
Hoje o fio condutor foi capital correndo atrás de compute. Vi uma notícia que colocou lado a lado dois mundos que acompanho de perto, crédito estruturado e infraestrutura de IA, e resolvi puxar esse fio primeiro. O resto do que passou pelo filtro vem logo abaixo.
Hoje o fio condutor foi dinheiro indo para onde tem resultado provado, não promessa. Comecei por aí e deixei o resto do que passou pelo filtro logo abaixo.
O fio condutor de hoje é preço: um modelo mais barato virando decisão estratégica, e não apenas uma linha de custo na planilha. Comecei pelo que isso muda de fato no roadmap e deixei o restante do radar logo abaixo.
Hoje o radar trouxe de tudo: modelo mais barato pressionando preço, um incidente real de agente autônomo fora de controle e um jeito novo de olhar para o orçamento de IA. É desse último que eu quero falar primeiro.
Hoje o radar tem menos lançamento de modelo chamativo e mais uma conta que todo PM de IA vai precisar fazer em breve: quanto o aumento de preço da API do seu modelo favorito pesa no seu produto.
Hoje o dado que mais me prendeu não veio de lançamento de modelo, veio de gente errando aprovação de agente de IA. Isso pesa mais no meu trabalho do lado de produto em crédito do que qualquer feature nova da semana.
Dia de mexer em duas gavetas diferentes. Uma é a de preço, com a OpenAI cortando 80% do custo de entrada do Luna. A outra é a de gente, com Jeff Dean e mais três nomes fortes saindo do Google no mesmo dia. Comecei olhando planilha de custo e terminei olhando organograma de fornecedor.
O radar de hoje veio pesado em dinheiro: carteira para agente, preço de token caindo 80%, modelo de fronteira cabendo numa GPU só. Comecei o dia pensando em limite de gasto e terminei pensando em unit economics.
O radar de hoje veio pesado de lançamento de modelos, mas o item que me travou foi um ensaio sobre medição. Começo por ele e depois deixo o resto do que passou pelo filtro.
O dia rendeu bastante coisa, mas teve um assunto que ficou girando na minha cabeça desde cedo: uma aposta grande sendo desligada em menos de um ano. Começo por ela e, na sequência, trago o resto do que passou pelo radar.
Domingo, dez itens no radar e um deles ficou martelando na minha cabeça o dia inteiro. Não era lançamento de modelo, era uma mudança pequena numa página de configuração. Começo por ela.
Fechei o mês olhando para trás: julho foi o mês mais barulhento de lançamento de modelo que eu me lembro. Dez itens entraram no radar de hoje, mas comecei pelo que explica todos os outros.
Dez itens estão no radar de hoje, e uma linha clara atravessa quase todos: o que antes era projeto de engenharia está virando oferta de prateleira. Comecei pelo lançamento que mais mexeu com a minha lista de prioridades.
Dez itens no radar de hoje, e um deles mexeu numa premissa que eu carregava sem questionar. O resto da lista puxa para o mesmo lado: menos anúncio de modelo, mais conversa sobre como sustentar o que já foi para produção.
Dez itens no radar de hoje, e um deles muda a conta de vários projetos que estavam parados. O resto da lista fala menos de modelo novo e mais de como medir se a coisa está funcionando.
Segunda-feira e o radar já veio cheio: dez itens filtrados, e a maioria falando de encanamento, não de capacidade. Modelo novo virou rotina. O que mudou de verdade esta semana foi a camada que decide se um agente sai do piloto.
O radar de hoje veio dominado por um tema só: o que acontece depois que a IA entra na esteira. Há lançamento de modelo e infraestrutura de agente virando commodity, mas o que me fez parar foi entender por que produtividade medida não vira produto entregue.
O radar de hoje veio com um tema dominante: agentes saindo do piloto e esbarrando em identidade, permissão e auditoria. Separei minha leitura sobre isso e, na sequência, tudo o mais que passou pelo filtro.
Hoje o radar veio pesado do lado de custo e de agentes. O GPT-5.6 saiu em três versões no mesmo movimento, com Grok e Meta lançando no mesmo dia, e o resultado foi mais uma queda no preço de rodar IA. Separei o que isso muda para quem decide roadmap e, na sequência, tudo o mais que passou pelo filtro.
Hoje o radar veio puxado por lançamentos de modelos, mas o que me chamou atenção não foi a potência, e sim a estratégia por trás deles. Separei o destaque do dia e, logo abaixo, tudo o que passou pelo filtro.
Abro a edição de hoje com um número que interessa a qualquer time pensando em colocar agentes de IA para trabalhar de verdade. Depois sigo com o resto do que passou pelo radar: modelos novos, agentes de desktop e um estudo que vale a leitura sobre manipulação em chatbots.
Hoje o radar veio recheado de lançamento de modelo — Kimi K3, LM Studio Bionic e o Step 3.7 Flash, que puxou o fio do destaque de hoje. No meio disso tudo, separei também um estudo sobre dark patterns em chatbot e um relato sobre a fadiga de quem revisa trabalho de agente. Vale o tempo de ler o radar inteiro lá embaixo.
Hoje o radar trouxe bastante lançamento de modelo — Sonnet 5, GPT-5.6, Kimi K3 — mas o que me prendeu mesmo foi uma discussão mais silenciosa: até onde a revisão humana ainda segura alguma coisa quando o volume de agentes multiplica. Fica o resto da curadoria do dia logo abaixo.
Separei bastante lançamento de modelo no radar de hoje, mas o que prendeu minha atenção foi outra coisa: o momento em que o agente de IA para de responder pergunta e passa a planejar o próprio processo de trabalho. É por aí que eu quero começar.
Separei bastante lançamento de modelo pro radar de hoje, mas o que ficou comigo foi um estudo sobre como os chatbots de IA conversam com a gente. Vale a leitura antes de olhar o resto.
O fio condutor de hoje foi preço. Sonnet 5, GPT-5.6 e Muse Spark chegaram com tabelas por camada, e um relatório novo mostra pra onde essa conta está indo: menos assinatura fixa, mais cobrança por resultado.
Foi um dia cheio no radar de IA para produto: de agente comprando ação sozinho a mais um chip de inferência chegando ao mercado. Mas teve uma notícia que puxou o fio de tudo — a autonomia de agente decidindo por conta própria com dinheiro real na mesa.
Hoje teve modelo novo praticamente a cada notícia, mas o que mais me chamou atenção foi o menor de todos. Um modelo que roda direto no bolso, sem depender de nuvem. Deixo essa análise como destaque e o resto do que filtrei logo abaixo.
Essa semana teve lançamento de modelo novo quase todo dia, mas o que mais me chamou atenção não foi nenhum benchmark. Foi um case simples de como um produto B2B trocou tela complexa por conversa. Fica registrado abaixo, junto com o resto do que filtrei hoje.
O radar de hoje trouxe o de sempre: lançamento de modelo, atraso de lançamento, mais um caso de feature de IA que voltou atrás por privacidade. Mas a notícia que mais me prendeu não foi sobre parâmetro nem benchmark. Foi sobre como organizar o trabalho quando parte dele passa a ser feito por agente.
O dia de hoje trouxe uma leva grande de lançamento de modelo, mas o que ficou comigo foi um movimento mais silencioso: colocar um agente dentro do produto que a pessoa já usa, em vez de criar mais uma tela nova. É esse fio que puxa a edição de hoje.
Hoje teve gente cortando custo de IA pela metade e gente sendo processado por roubar segredo dela. É meio resumo perfeito da fase que estamos vivendo: tudo anda rápido, inclusive as brigas.
Hoje o radar veio cheio de lançamento de modelo grande — GPT-5.6, ChatGPT Work, Muse Spark 1.1. Mas o que me prendeu de verdade foi um benchmark bem mais discreto, sobre contabilidade.
Essa semana teve mais lançamento de modelo frontier do que dá pra acompanhar direito — Grok 4.5, GPT-Live, GPT-5.6. Mas o que ficou martelando na minha cabeça hoje não foi nenhum desses. Foi uma pergunta bem mais simples sobre preço.
Hoje o radar trouxe de tudo: modelo frontier a caminho, a Meta entrando forte em mídia generativa e um alerta de segurança que todo PM de produto agêntico devia ler. Mas o que mais me chamou atenção foi um case de operação, não de modelo novo.
Hoje o radar veio mais leve em lançamentos e mais pesado em dado real sobre o que a IA está fazendo com o mercado de trabalho. E o número que separei para o destaque de hoje vale a leitura completa.
Hoje o fio condutor foi claro: em IA, o modelo raramente é o gargalo. A Microsoft acabou de apostar bilhões nessa tese, e boa parte do resto do radar de hoje confirma o mesmo padrão, de custo de agentes a governança.
Hoje o radar veio cheio de sinais contraditórios: de um lado, dados reais sobre o custo de escalar agentes de codificação; do outro, relatos de regressão nas próprias ferramentas que usamos todo dia. Fica o retrato de um momento em que a tecnologia anda rápido, mas nem sempre para frente.
O PM em produtos de IA precisa entender as trade-offs técnicos (modelo, custo, latência), traduzir capacidade técnica em valor de negócio, desenhar a governança e a experiência humana ao redor da IA, e construir o business case. O modelo é uma peça — o produto é o todo, incluindo workflow, dados, pessoas e processo.
Priorize pelo valor gerado vs custo de entrega e operação. Uma feature que economiza dez horas de trabalho manual por semana vale mais que os centavos em tokens. Considere também maturidade de governança, viabilidade técnica e alinhamento com o workflow existente. Features de IA que exigem redesign de processo custam mais para entregar.
A Figma publicou um mapa com 13 ferramentas de IA organizadas por etapa do ciclo de produto. O ponto não é conhecer todas, mas entender quais problemas cada categoria resolve: pesquisa, ideação, prototipagem, análise, documentação. Conhecer o landscape ajuda a tomar melhores decisões de stack.