Gamma
Agentes de IA feitos para fazer o trabalho corporativo avançar

As empresas queriam colocar agentes de IA para trabalhar em atendimento, vendas, operações e finanças, mas cada time juntava prompts, scripts e chaves de API por conta própria.
Liderei o design de uma plataforma corporativa que cobre todo o ciclo de vida de um agente: criar em um canvas visual, avaliar com casos reais, publicar de forma gradual, observar cada execução, governar com guardrails e aprovações humanas e medir o seu custo.
- Pesquisa de UX
- Design de interação
- UI e design system
- Prototipação
Processo
Do problema à entrega, etapa por etapa.
06etapas documentadas neste case
- 01Wireframes
Antes de qualquer tela ganhar estilo, os fluxos principais foram desenhados em baixa fidelidade: o canvas de workflow, a lista de traces e o trace…
- 02Criar
Um builder visual permite que qualquer pessoa conecte entradas, um modelo de IA, conhecimento e ferramentas reais como o Gmail em um canvas, e…
- 03Avaliar, publicar, observar
Experimentos comparam cada nova versão com a de produção em casos reais, e os releases chegam à produção de forma gradual, com rollback automático…
- 04Observabilidade
Um agente em produção precisa ser explicável.
- 05Governança
Empresas só escalam o que conseguem governar.
- 06O que aprendi
Tornar visível o invisível: a confiança em IA vem de evidências, então cada execução, mudança e custo precisava ser algo que as pessoas pudessem…
Wireframes
Antes de qualquer tela ganhar estilo, os fluxos principais foram desenhados em baixa fidelidade: o canvas de workflow, a lista de traces e o trace que ela abre. Os wireframes resolveram primeiro a hierarquia e a densidade, e o caminho mais curto de uma execução com falha até a sua causa.
A spec depois transformou tudo em números que a engenharia podia implementar: uma barra de ícones de 54 px, margens de página de 28 px, 16 px entre blocos, controles de 38 px e linhas de tabela de 62 px, tudo em um ritmo de 8 pontos e tirado direto do auto layout do Figma.





Criar
Um builder visual permite que qualquer pessoa conecte entradas, um modelo de IA, conhecimento e ferramentas reais como o Gmail em um canvas, e depois execute o fluxo e acompanhe cada etapa antes de publicar.
Os times de negócio que entendiam o trabalho finalmente puderam criar agentes por conta própria, sem esperar semanas pela engenharia.


Consigo explicar o processo em cinco minutos. Só não consigo transformá-lo em um agente sem esperar semanas pela engenharia.
Gerente de operações, cliente enterprise
Avaliar, publicar, observar
Experimentos comparam cada nova versão com a de produção em casos reais, e os releases chegam à produção de forma gradual, com rollback automático se erro, latência ou custo saírem dos limites.
Em produção, cada execução vira um trace que pode ser reproduzido span por span, com avaliações automáticas em cada resposta.



Observabilidade
Um agente em produção precisa ser explicável. O rastreamento mostra cada execução como uma árvore: o que o agente recebeu, quais ferramentas chamou, quanto tempo cada passo levou e quanto custou. Os monitores transformam esses dados em alertas com causa provável, não só em um número vermelho.



Governança
Empresas só escalam o que conseguem governar. Os guardrails são escritos como políticas que qualquer pessoa lê, as versões saem em implantação gradual e os orçamentos mostram o custo por agente, para que segurança, engenharia e finanças olhem para o mesmo produto.





O que aprendi
Tornar visível o invisível: a confiança em IA vem de evidências, então cada execução, mudança e custo precisava ser algo que as pessoas pudessem ver e reproduzir.
Governança faz parte da UX. Guardrails, aprovações e logs de auditoria pensados desde o início transformaram a segurança de um bloqueio em um motivo para adotar.
Resultados
Tempo para publicar um agente
Custo de tokens por execução
Agentes em produção em 6 meses
Satisfação dos admins
