© Cajá ・ Senior Product Designer ・ 2026
Aplicando IA para reduzir um processo operacional de 36 para 1 hora de trabalho
Bemobi Wave
,
Telecom
,
Utilities
2026
Visão geral
Wave é uma plataforma que ajuda empresas de telecom e utilities a vender e gerenciar planos de celular e internet.
Nesse projeto, desenhei uma orquestração de agentes com IA que automatiza o handoff entre o design system de cada cliente e a biblioteca interna de blocos da Wave, reduzindo um processo de 36 horas semanais para cerca de 1 hora.
Resultados
De 36 horas semanais para ~1 hora de trabalho, com revisão humana preservada
50% de redução no trabalho de implementação dos desenvolvedores
Gaps entre bibliotecas mapeados automaticamente, alimentando a evolução dos blocos
O problema
A Wave desenvolve produtos digitais para clientes de telecom, cada um com seu próprio design system, enquanto a implementação acontece sobre sua biblioteca interna de blocos. Todo handoff exige uma tradução: no design system do cliente, um componente é uma unidade completa; na biblioteca interna, ele se decompõe em blocos menores com propriedades próprias.
Essa tradução era feita manualmente: identificar os blocos de cada componente, mapear propriedades, documentar no Figma e repassar aos desenvolvedores para geração dos JSONs. Um trabalho repetitivo que consumia cerca de 36 horas da minha semana.
Desenhei uma orquestração de agentes com o Claude que executa essa tradução de ponta a ponta, da leitura da biblioteca à documentação final no Figma, por meio de um plugin que também construí. O processo passou a levar 1 hora, com revisão humana como etapa permanente.
Aprendizados
Automatizar não era a palavra certa
Meu primeiro instinto foi pedir ajuda aos desenvolvedores para escrever um script que fizesse a correspondência entre componentes e blocks. Parecia o caminho mais óbvio para diminuir um trabalho repetitivo.
O problema é que os dois sistemas funcionam com lógicas diferentes. No design system do cliente, um componente é uma unidade completa. Na biblioteca, ele pode se quebrar em vários blocks ou não ter equivalente. Não existe correspondência direta para um script seguir.
Foi essa constatação que me levou à orquestração de agentes com o Claude. O problema pedia interpretação de contexto, não execução de regras encadeadas.
Como um componente é 'quebrado' em blocks.
Um tradutor que entende gramática, não um dicionário
A lógica central: o agente lê a biblioteca inteira de blocks, com propriedades, variantes e regras, depois lê o componente do cliente. Em vez de buscar correspondência um para um, ele desmonta o componente até a menor unidade e o reconstrói usando o vocabulário dos blocks.
O trabalho se divide entre três agentes: Margaret inspeciona o arquivo, gera o JSON e propõe blocks novos quando necessário; Grace revisa a implementação e valida os padrões da biblioteca; Clarice documenta os blocks no Figma e confere as propriedades contra o arquivo.
Quando um block ou propriedade não existe, a agente sinaliza e documenta em uma planilha. Esse mapa de gaps virou parte do processo e alimenta a decisão de criar blocks novos ou repensar a abordagem.
Processo de orquestração dos agentes.
A revisão humana é parte do sistema
Os agentes erram. Não com frequência, mas erram especialmente em componentes muito customizados, onde a distância entre as duas linguagens é grande. O caso mais comum: quando o espaçamento de um autolayout está como "auto", o agente interpreta como zero e os blocks aparecem colados. Erro pequeno, regular o suficiente para estar no radar.
Por isso a revisão final continua sendo minha: reviso o output, ajusto o que não foi encontrado e concluo. O objetivo nunca foi eliminar o julgamento, foi eliminar o trabalho mecânico que consumia a semana.
A IA fez o trabalho pesado, mas o design do processo foi 100% humano. Pensar bem no problema antes de escolher a ferramenta foi o que viabilizou tudo.
Impacto
De 36h semanais para ~1h, com revisão humana preservada como etapa do processo.
50% de redução no trabalho de implementação, com JSONs gerados via plugin direto no Figma.
Gaps mapeados automaticamente e documentados, alimentando a evolução da biblioteca de blocos.
Próximos projetos
Reduzindo o processo de inscrição no programa de reinvestimento de dividendos de 2 dias para 8 seg
Questrade
,
Fintech
Projetando a experiência on-the-go para aba documentos no QuestMobile a tempo da tax season
Questrade
,
Fintech
Soon
Transformando terabytes de dados geoespaciais em dashboards acessíveis para 1 milhão de usuários
MapBiomas
,
Geotech
© Cajá ・ Senior Product Designer ・ 2026
Aplicando IA para reduzir um processo operacional de 36 para 1 hora de trabalho
Bemobi Wave
,
Telecom
,
Utilities
2026
Visão geral
Wave é uma plataforma que ajuda empresas de telecom e utilities a vender e gerenciar planos de celular e internet.
Nesse projeto, desenhei uma orquestração de agentes com IA que automatiza o handoff entre o design system de cada cliente e a biblioteca interna de blocos da Wave, reduzindo um processo de 36 horas semanais para cerca de 1 hora.
Resultados
De 36 horas semanais para ~1 hora de trabalho, com revisão humana preservada
50% de redução no trabalho de implementação dos desenvolvedores
Gaps entre bibliotecas mapeados automaticamente, alimentando a evolução dos blocos
O problema
A Wave desenvolve produtos digitais para clientes de telecom, cada um com seu próprio design system, enquanto a implementação acontece sobre sua biblioteca interna de blocos. Todo handoff exige uma tradução: no design system do cliente, um componente é uma unidade completa; na biblioteca interna, ele se decompõe em blocos menores com propriedades próprias.
Essa tradução era feita manualmente: identificar os blocos de cada componente, mapear propriedades, documentar no Figma e repassar aos desenvolvedores para geração dos JSONs. Um trabalho repetitivo que consumia cerca de 36 horas da minha semana.
Desenhei uma orquestração de agentes com o Claude que executa essa tradução de ponta a ponta, da leitura da biblioteca à documentação final no Figma, por meio de um plugin que também construí. O processo passou a levar 1 hora, com revisão humana como etapa permanente.
Aprendizados
Automatizar não era a palavra certa
Meu primeiro instinto foi pedir ajuda aos desenvolvedores para escrever um script que fizesse a correspondência entre componentes e blocks. Parecia o caminho mais óbvio para diminuir um trabalho repetitivo.
O problema é que os dois sistemas funcionam com lógicas diferentes. No design system do cliente, um componente é uma unidade completa. Na biblioteca, ele pode se quebrar em vários blocks ou não ter equivalente. Não existe correspondência direta para um script seguir.
Foi essa constatação que me levou à orquestração de agentes com o Claude. O problema pedia interpretação de contexto, não execução de regras encadeadas.
Como um componente é 'quebrado' em blocks.
Um tradutor que entende gramática, não um dicionário
A lógica central: o agente lê a biblioteca inteira de blocks, com propriedades, variantes e regras, depois lê o componente do cliente. Em vez de buscar correspondência um para um, ele desmonta o componente até a menor unidade e o reconstrói usando o vocabulário dos blocks.
O trabalho se divide entre três agentes: Margaret inspeciona o arquivo, gera o JSON e propõe blocks novos quando necessário; Grace revisa a implementação e valida os padrões da biblioteca; Clarice documenta os blocks no Figma e confere as propriedades contra o arquivo.
Quando um block ou propriedade não existe, a agente sinaliza e documenta em uma planilha. Esse mapa de gaps virou parte do processo e alimenta a decisão de criar blocks novos ou repensar a abordagem.
Processo de orquestração dos agentes.
A revisão humana é parte do sistema
Os agentes erram. Não com frequência, mas erram especialmente em componentes muito customizados, onde a distância entre as duas linguagens é grande. O caso mais comum: quando o espaçamento de um autolayout está como "auto", o agente interpreta como zero e os blocks aparecem colados. Erro pequeno, regular o suficiente para estar no radar.
Por isso a revisão final continua sendo minha: reviso o output, ajusto o que não foi encontrado e concluo. O objetivo nunca foi eliminar o julgamento, foi eliminar o trabalho mecânico que consumia a semana.
A IA fez o trabalho pesado, mas o design do processo foi 100% humano. Pensar bem no problema antes de escolher a ferramenta foi o que viabilizou tudo.
Impacto
De 36h semanais para ~1h, com revisão humana preservada como etapa do processo.
50% de redução no trabalho de implementação, com JSONs gerados via plugin direto no Figma.
Gaps mapeados automaticamente e documentados, alimentando a evolução da biblioteca de blocos.
Próximos projetos
Projetando a experiência on-the-go para aba documentos no QuestMobile a tempo da tax season
Questrade
,
Fintech
Soon
Transformando terabytes de dados geoespaciais em dashboards acessíveis para 1 milhão de usuários
MapBiomas
,
Geotech
© Cajá ・ Senior Product Designer ・ 2026
Aplicando IA para reduzir um processo operacional de 36 para 1 hora de trabalho
Bemobi Wave
,
Telecom
,
Utilities
2026
Visão geral
Wave é uma plataforma que ajuda empresas de telecom e utilities a vender e gerenciar planos de celular e internet.
Nesse projeto, desenhei uma orquestração de agentes com IA que automatiza o handoff entre o design system de cada cliente e a biblioteca interna de blocos da Wave, reduzindo um processo de 36 horas semanais para cerca de 1 hora.
Resultados
De 36 horas semanais para ~1 hora de trabalho, com revisão humana preservada
50% de redução no trabalho de implementação dos desenvolvedores
Gaps entre bibliotecas mapeados automaticamente, alimentando a evolução dos blocos
O problema
A Wave desenvolve produtos digitais para clientes de telecom, cada um com seu próprio design system, enquanto a implementação acontece sobre sua biblioteca interna de blocos. Todo handoff exige uma tradução: no design system do cliente, um componente é uma unidade completa; na biblioteca interna, ele se decompõe em blocos menores com propriedades próprias.
Essa tradução era feita manualmente: identificar os blocos de cada componente, mapear propriedades, documentar no Figma e repassar aos desenvolvedores para geração dos JSONs. Um trabalho repetitivo que consumia cerca de 36 horas da minha semana.
Desenhei uma orquestração de agentes com o Claude que executa essa tradução de ponta a ponta, da leitura da biblioteca à documentação final no Figma, por meio de um plugin que também construí. O processo passou a levar 1 hora, com revisão humana como etapa permanente.
Aprendizados
Automatizar não era a palavra certa
Meu primeiro instinto foi pedir ajuda aos desenvolvedores para escrever um script que fizesse a correspondência entre componentes e blocks. Parecia o caminho mais óbvio para diminuir um trabalho repetitivo.
O problema é que os dois sistemas funcionam com lógicas diferentes. No design system do cliente, um componente é uma unidade completa. Na biblioteca, ele pode se quebrar em vários blocks ou não ter equivalente. Não existe correspondência direta para um script seguir.
Foi essa constatação que me levou à orquestração de agentes com o Claude. O problema pedia interpretação de contexto, não execução de regras encadeadas.
Como um componente é 'quebrado' em blocks.
Um tradutor que entende gramática, não um dicionário
A lógica central: o agente lê a biblioteca inteira de blocks, com propriedades, variantes e regras, depois lê o componente do cliente. Em vez de buscar correspondência um para um, ele desmonta o componente até a menor unidade e o reconstrói usando o vocabulário dos blocks.
O trabalho se divide entre três agentes: Margaret inspeciona o arquivo, gera o JSON e propõe blocks novos quando necessário; Grace revisa a implementação e valida os padrões da biblioteca; Clarice documenta os blocks no Figma e confere as propriedades contra o arquivo.
Quando um block ou propriedade não existe, a agente sinaliza e documenta em uma planilha. Esse mapa de gaps virou parte do processo e alimenta a decisão de criar blocks novos ou repensar a abordagem.
Processo de orquestração dos agentes.
A revisão humana é parte do sistema
Os agentes erram. Não com frequência, mas erram especialmente em componentes muito customizados, onde a distância entre as duas linguagens é grande. O caso mais comum: quando o espaçamento de um autolayout está como "auto", o agente interpreta como zero e os blocks aparecem colados. Erro pequeno, regular o suficiente para estar no radar.
Por isso a revisão final continua sendo minha: reviso o output, ajusto o que não foi encontrado e concluo. O objetivo nunca foi eliminar o julgamento, foi eliminar o trabalho mecânico que consumia a semana.
A IA fez o trabalho pesado, mas o design do processo foi 100% humano. Pensar bem no problema antes de escolher a ferramenta foi o que viabilizou tudo.
Impacto
De 36h semanais para ~1h, com revisão humana preservada como etapa do processo.
50% de redução no trabalho de implementação, com JSONs gerados via plugin direto no Figma.
Gaps mapeados automaticamente e documentados, alimentando a evolução da biblioteca de blocos.
Próximos projetos
Projetando a experiência on-the-go para aba documentos no QuestMobile a tempo da tax season
Questrade
,
Fintech
Soon
Transformando terabytes de dados geoespaciais em dashboards acessíveis para 1 milhão de usuários
MapBiomas
,
Geotech