O diagnóstico antes da IA é a etapa que define qual problema a solução vai resolver, para quem, com quais fluxos e em que ordem, antes de qualquer código ser gerado. Com ferramentas de IA, construir um app ficou rápido e barato. Decidir o que construir continua sendo o trabalho difícil, e é nele que uma solução com IA acerta ou erra.
Neste texto a gente mostra por que a velocidade da IA aumentou o peso dessa etapa, o que um diagnóstico precisa responder, onde a própria IA ajuda nele e o que continua dependendo de julgamento humano.
Construir ficou rápido. Decidir continua lento.
O vibecoding mudou a conta de quem cria software. Em vez de escrever cada linha, a pessoa descreve em linguagem natural o que quer, e ferramentas como Lovable, Bolt, Cursor e Replit geram a aplicação. Quem não tem formação técnica consegue chegar a uma primeira versão funcional em pouco tempo.
Para testar uma ideia, isso é excelente. O intervalo entre perceber um problema e ver uma tela funcionando encolheu muito, e experimentar ficou barato.
O efeito colateral é menos visível. Quando construir custa pouco, fica fácil pular a parte que vem antes: entender o contexto, ouvir quem vai usar, escolher o que entra primeiro. A ferramenta entrega exatamente o que foi pedido. Se o pedido partiu de uma suposição errada, ela entrega a suposição errada funcionando.
Por que a solução rápida sem diagnóstico costuma falhar
Muitas soluções que não vingam falham por um motivo que está longe do código. O sistema roda. O que falta é encaixe com o problema real, com quem usa e com o mercado em que a empresa está. Três padrões aparecem com frequência.
Resolve o problema errado. A dor descrita na primeira reunião quase nunca é a dor inteira. Num exemplo hipotético, o gerente pede um painel de indicadores. Conversando com a equipe, aparece que os números chegam atrasados porque três áreas digitam o mesmo dado. O painel pronto mostra um número atrasado com um visual melhor.
Ninguém usa. A solução foi desenhada a partir de quem pediu, e quem executa o trabalho não foi ouvido. Na primeira semana, a equipe volta para a planilha, porque o fluxo novo ignora uma exceção que acontece todo dia.
Não aguenta crescer. Cada tela gerada faz sentido sozinha. Sem uma decisão prévia sobre dados, permissões e integrações, o conjunto vira algo difícil de mudar, e a segunda versão custa mais que a primeira.
Nos três casos, a velocidade da IA só antecipou o momento em que o problema aparece.
O que o diagnóstico antes da IA precisa responder
Um bom diagnóstico transforma uma intuição ("precisamos de um app para isso") em direção clara. Ele responde a um conjunto curto de perguntas, e cada pergunta sem resposta vira risco lá na frente.
| Pergunta | O que acontece quando ela fica sem resposta |
|---|---|
| Qual problema estamos resolvendo, e em que contexto? | A solução ataca o sintoma e o problema continua |
| Quem vai usar, e do que essa pessoa precisa no dia a dia? | A equipe contorna a ferramenta e volta ao jeito antigo |
| Quais fluxos e regras a solução precisa seguir? | Cada exceção vira retrabalho ou remendo |
| O que entra na primeira versão e o que pode esperar? | O escopo cresce e a entrega atrasa |
| Qual caminho tecnológico sustenta a evolução? | A segunda versão exige refazer a primeira |
| Quanto custa, quais os riscos e qual resultado deve mover? | Ninguém consegue dizer se o investimento se pagou |
A última linha costuma ser a mais esquecida. Sem um resultado definido antes, qualquer entrega parece sucesso no lançamento e vira dúvida alguns meses depois.
As entregas de um diagnóstico
Na Devvo, o diagnóstico serve para empresas que têm uma dor ou uma oportunidade e ainda não sabem por onde começar. Ele passa por seis etapas, e cada uma deixa algo concreto na mão do cliente.
- Problema e contexto. O que acontece hoje, onde dói e por qual razão, escrito numa linguagem que a diretoria e a operação reconhecem.
- Usuário e necessidades. Quem vai usar a solução, em que momento e com qual limitação. Aqui entram as conversas com quem executa o trabalho.
- Requisitos e fluxos. As regras que a solução precisa seguir e o caminho de cada tarefa, incluindo as exceções que aparecem toda semana.
- Protótipo navegável validado. Telas clicáveis que os usuários testam antes do desenvolvimento. É o ponto em que a suposição encontra a realidade, com custo baixo para corrigir.
- Roadmap do produto. O que entra primeiro, o que vem depois e o que fica de fora por enquanto.
- Investimentos, riscos e prioridades. Quanto cada fase custa, o que pode dar errado e o que precisa ser decidido antes de começar.
Com esse material, a empresa decide se constrói, com quem e em que ordem. E passa a comparar propostas contra um problema descrito, em vez de uma promessa.
Onde a IA ajuda dentro do diagnóstico
A IA também acelera o próprio diagnóstico. A gente usa essas ferramentas em várias partes do trabalho:
- Gerar hipóteses iniciais a partir das anotações das primeiras conversas.
- Criar versões rápidas de telas para testar um fluxo com o usuário mais cedo.
- Traduzir requisitos em rascunhos que depois são revisados e ajustados.
- Sugerir fluxos de navegação alternativos para comparar.
Esse apoio encurta etapas e permite explorar mais alternativas no mesmo prazo. O diagnóstico chega a mais versões do protótipo antes de fechar, e cada versão testada é uma suposição a menos indo para o desenvolvimento.
O que continua sendo julgamento humano
Existe uma parte do diagnóstico que nenhuma ferramenta faz: a análise crítica. Ela inclui:
- Interpretar as nuances do mercado e do setor do cliente.
- Entender a dor real de quem usa, que muitas vezes difere da dor relatada.
- Avaliar se a solução se sustenta como negócio.
- Definir prioridades quando duas áreas querem coisas diferentes.
- Escolher o caminho tecnológico.
- Planejar a estrutura para a solução crescer.
Essas decisões pedem experiência, leitura de contexto e alguém que responda por elas. Elas definem custo, segurança, escala e capacidade de evolução pelos próximos anos. Um modelo de linguagem sugere caminhos com muita convicção, inclusive os errados, e não assume a consequência de nenhum deles.
Sinais de que o diagnóstico foi pulado
Algumas situações indicam que a construção começou antes da hora:
- O app ficou pronto e ninguém consegue dizer qual número ele deveria mudar.
- Cada reunião de acompanhamento adiciona uma tela nova ao escopo.
- Os usuários pedem ajustes que mexem no fluxo principal, e não em detalhes.
- A equipe mantém uma planilha paralela "por segurança".
- A segunda versão já está sendo discutida como reescrita.
Quando dois ou mais desses sinais aparecem, vale parar e fazer o diagnóstico agora. Ele custa menos do que continuar construindo em cima de uma suposição.
Protótipo com IA, sim. Produção sem revisão, não.
Usar vibecoding para validar uma ideia faz parte de um bom diagnóstico. O protótipo navegável pode, inclusive, nascer numa dessas ferramentas e ser testado por usuários reais em poucos dias.
O cuidado está na transição. Um protótipo validado mostra que o fluxo faz sentido para quem usa. Ele não mostra se o app aguenta usuário pagante, dado de terceiro e tentativa de acesso indevido. Esse é outro trabalho, com outro checklist, detalhado no artigo sobre vibecoding e app feito com IA em produção.
Diagnóstico de produto e diagnóstico operacional
Os dois nomes aparecem juntos, e a diferença está no ponto de partida. O diagnóstico antes da IA parte de uma solução que alguém quer construir e verifica se ela resolve o problema certo. O diagnóstico operacional parte da operação inteira e procura onde ela trava, sem assumir que a resposta é um software.
Muitas vezes um leva ao outro. O diagnóstico operacional aponta o gargalo, e o diagnóstico de produto desenha a solução para ele. Em outras, o levantamento mostra que a saída é mudar a rotina, e nenhuma tecnologia precisa ser construída.
Velocidade com direção
A IA deixou a execução mais rápida, e isso é bom para todo mundo que constrói software. O que ela não responde é a pergunta de antes: o que deve ser construído, por que e qual resultado precisa mover.
A combinação que funciona junta as duas coisas. O diagnóstico dá a direção, a IA dá a velocidade, e a solução nasce com mais chance de ser usada, de se pagar e de crescer sem precisar ser refeita.
