StockCast

No início da operação, o volume de instalações crescia de forma consistente. A instrumentação do produto, contudo, revelou um gargalo invisível: pouquíssimos usuários chegavam à ação principal do sistema (reproduzir uma conferência). A aquisição estava otimizada para volume de installs, trazendo usuários sem qualquer alinhamento com a proposta de valor.

Mudamos a estratégia para otimizar campanhas por eventos in-app qualificados. Foi aí que a arquitetura de analytics falhou. Tentávamos manter a pureza arquitetural usando uma única ferramenta (PostHog) para garantir privacidade e controle de dados. Mas, ao integrar esses eventos móveis ao Google Ads, a abstração quebrou: a plataforma de anúncios lia os eventos do app como tráfego web, invalidando a otimização para mobile.

A decisão: Abandonamos a pureza de uma ferramenta única e integramos o SDK do Google Analytics diretamente no aplicativo.

O resultado: Com a aquisição corrigida e a introdução de novas jornadas de notificação, a taxa de ativação (definida como usuários que abrem o app e reproduzem um áudio em janelas equivalentes de 30 dias) saltou de 6% para 26%.

O princípio JOBE: Abstrações devem simplificar o sistema. Quando a pureza arquitetural gera mais complexidade operacional que uma integração direta, o pragmatismo deve vencer. Instrumentar o funil real importa mais que métricas de vaidade.

Indexar documentos financeiros e conferências de mais de 300 empresas exige monitorar fontes públicas (CVM/B3 e sites de RI) que não oferecem mecanismos de push gratuitos. A alternativa é o polling periódico, o que cria um trade-off crítico de infraestrutura: latência × custo × risco de bloqueio de IP.

Construímos um pipeline que opera 24x7, utilizando triggers internos e execução em batch para minimizar requisições desnecessárias. O sistema detecta, registra e dispara notificações de novos documentos em aproximadamente 2,5 minutos, em média, sem intervenção humana no fluxo normal.

Porém, a automação esbarra na realidade dos dados não estruturados. Identificar URLs em centenas de sites de RI com estruturas HTML distintas ainda exige manutenção. E no processamento de análises financeiras derivadas desses documentos, o risco de erro (alucinação) é inaceitável.

A decisão: Automatizamos exaustivamente a infraestrutura de ingestão, recodificação de mídia e notificação. Mas mantivemos human-in-the-loop e supervisão rigorosa na geração e validação de análises financeiras.

O princípio JOBE: A automação termina onde a confiabilidade ainda não é suficiente. Sistemas em produção exigem saber o que automatizar e, principalmente, onde a intervenção humana é inegociável para proteger o valor do produto.

Gerar análises profundas e podcasts a partir de áudios longos e PDFs financeiros expõe as limitações da IA quando tratada como "caixa preta". Tentar gerar o conteúdo final diretamente das fontes brutas resulta em inconsistências, perda de contexto e alto custo de computação.

A decisão arquitetural: Inserimos um artefato intermediário. O sistema primeiro consolida uma análise estruturada e segmentada. Só a partir desse artefato validado é que geramos os produtos finais (podcasts e resumos textuais). Isso permite reutilização, consistência e validação empírica.

Além disso, a escolha dos modelos é tratada como uma decisão de engenharia contínua, não como uma aposta fixa. Nos testes de transcrição, descobrimos que modelos generalistas superaram modelos dedicados exclusivamente a áudio. A hipótese? Em domínios densos em siglas, indicadores e jargões financeiros, o conhecimento contextual amplo resolve ambiguidades que o sinal acústico sozinho não captura.

O princípio JOBE: IA em produção não é sobre usar o modelo da moda. É sobre decompor workflows, criar artefatos intermediários validáveis, trocar modelos conforme a relação custo/qualidade e entender o domínio do negócio para avaliar os resultados.

O StockCast ainda não atingiu product-market fit comercial e sua monetização segue em fase de descoberta. Mas, do ponto de vista de engenharia, ele cumpre seu papel: provar que problemas de escala, observabilidade, integração e automação se resolvem com diagnóstico preciso, não com reescritas mirabolantes.

Quando a sua base técnica começa a limitar o crescimento do seu negócio, a próxima etapa não precisa ser recomeçar do zero. É preciso identificar o que realmente trava o produto e evoluir a base existente com o menor risco possível.

A JOBE atua exatamente neste desafio. Fortalecemos bases técnicas para que produtos em crescimento ganhem mais confiabilidade, observabilidade e capacidade de evolução, transformando a engenharia de gargalo em motor de expansão do seu negócio.