LLLucas LopesFalar comigo
Product Manager · Product Builder

Transformo hipóteses
em produtos que
as pessoas usam.

Como AI Product Builder, converso com quem usa e testo cedo. Depois, com o time, a gente olha o que os números dizem e ajusta a rota. Quando ajuda a decidir mais rápido, eu mesmo construo a primeira versão.

Ver os cases
Em escala
1M+
tickets por mês na IA de atendimento da AliExpress
2.000+
farmácias na plataforma Inteliger
Como builder
−80%
custo de CRM com a plataforma própria
5→2
dias de onboarding com a base de conhecimento
Onde atuo como Product Owner e Product Manager
01
Produtos digitais

E-commerce de 12 filiais, CRM próprio e plataformas B2B, com política de preço, frete e meios de pagamento.

02
Plataformas de dados

Retail media e sell out para mais de 2.000 farmácias, e um Data Warehouse construído do zero.

03
IA em produção

IA de atendimento com mais de 1 milhão de tickets por mês, agentes e RAG levados do protótipo ao uso real.

04
Conteúdo e growth

Funil de conteúdo até a conversão, testes de formato e CTA, retenção por coorte e aquisição orgânica.

Construí de ponta a ponta

Cinco produtos, em detalhe

Cada case mostra o problema, a decisão, o que construí e onde a IA entrou.

01American Burrs · 2025 a 2026

CRM próprio integrado ao ERP

Duas ferramentas pagas viraram uma plataforma própria, com agentes de IA.

crm próprio · Bubble
Funil comercial● Sincronizado com o ERP Sankhya
Prospecção
Proposta
Negociação
Fechado
Agentes de IA fazem o follow up e atualizam o funil a partir dos dados do ERP
−60%
custo operacional de CRM no MVP
−80%
com a força de vendas própria
Problema

A força de vendas rodava no Mercos e o CRM no Ploomes. Duas assinaturas pagas, e nenhuma automação ou agente de IA trabalhando para o time comercial.

Decisão

Antes de pedir investimento, validei barato: um MVP sobre um CRM white label, com a integração ao ERP refeita no n8n. Com o MVP rodando, a diretoria passou a discutir o que faltava para escalar.

O que construí

O MVP no Agendor ligado ao ERP Sankhya, com funil, automações e agentes de IA. Depois, o CRM completo no Bubble, com catálogo e montagem de kits vindos do ERP.

n8nAgendorAgentes de IABubbleERP Sankhya
Onde a IA entrou

Construí os agentes de IA do CRM, que não existiam na operação anterior. O modelo de dados, a integração e a decisão pela plataforma própria também foram minhas.

02American Burrs · Connect On the Road

OTR Hub: certificados e pesquisa

Cada certificado emitido gera uma avaliação, e as respostas orientam as decisões do marketing.

CONNECT ON THE ROAD
Certificado
Certificamos que
[Nome do aluno]
participou do curso [nome do curso], com carga horária de [x] horas.
[Professor] · CRO
Pesquisa do curso
Como foi o curso?
Didática
Materiais
Organização
Coffee break
Como conheceu o curso?
Receber meu certificado
Problema

O Connect On the Road leva cursos de odontologia a cidades de todo o Brasil. Cada aluno precisa de certificado com a assinatura do professor, e a empresa queria saber o que funcionou em cada curso.

Decisão

O certificado só sai depois da pesquisa, então a avaliação vira condição. Um código por curso no link faz um único formulário servir todos os cursos.

O que construí

Dois fluxos em n8n sobre Supabase: o coordenador cadastra o curso e recebe o link; o aluno responde e recebe o PDF por e-mail.

Dados para decisão

Cada resposta ia para o Supabase e virava insight para o time de marketing: avaliação por curso, canal por onde o aluno chegou e o próximo curso que ele queria fazer.

n8nSupabaseGotenbergOutlookLovable
Os dois fluxos em produçãon8n · Supabase
Diagrama dos dois fluxos do OTR Hub: o coordenador cadastra o curso e recebe o link; o aluno responde a pesquisa e recebe o certificado em PDF por e-mail.
Onde a IA entrou

IA generativa como copiloto no código dos nós e na depuração. O desenho dos fluxos, o modelo de dados e a regra do certificado foram decisões minhas.

03Distribuidora B2B · cliente Malu Solutions

Agente de IA de cobrança

O discovery mudou o problema: o gargalo era a previsibilidade do caixa.

● Protótipo construído
agente de cobrança · exemplo de conversa
D+2 · cobrança enviada pelo agente
Olá, [cliente]. O boleto de [valor], vencido em [data], segue em aberto. Quer que eu envie a segunda via?
Consigo pagar só na sexta.
IA classificou: negociar · encaminhado ao financeiro
Obrigado pelo retorno. O financeiro vai confirmar a nova data com você ainda hoje.
O que encontrei

De 20 a 25 clientes em atraso por dia num relatório feito à mão, o histórico da cobrança vivendo num chat de WhatsApp e cada exceção decidida caso a caso pelo financeiro.

Decisão

A automação não substitui esse julgamento. O agente cobra, interpreta e registra; quem fica fora do protesto é o financeiro que define, numa lista prévia.

O que construí

O MVP do agente, desenvolvido com Claude Code e orquestrado no n8n: cobrança pelo WhatsApp, leitura da resposta pela IA e protesto no quinto dia pela API do CENPROT.

Claude Coden8nAgente de IAWhatsAppAPI CENPROT
D+0
Vencimento
D+2
Agente cobra e interpreta a resposta
Exceção?
Lista definida pelo financeiro
D+5
Protesto pela API do CENPROT
Fluxo do agenten8n · protótipo
Diagrama do agente de cobrança: agendamento diário, leitura das contas, filtro de vencidos, lista de exceção, agente de IA que cobra e interpreta a resposta, escalada ao financeiro e protesto no 5º dia pela API do CENPROT.
Onde a IA entrou

Construí o MVP com Claude Code. No produto, um LLM lê perfil e histórico do cliente, redige a cobrança e classifica a resposta. Regras de protesto e exceção ficam fora do modelo, em lógica que o financeiro audita.

04Indústria em SC · 2026 · Data product

Plataforma de dados como produto

Um Data Warehouse que a empresa queria havia anos virou um produto interno, com usuários, roadmap e métricas definidas antes de construir.

Roadmap da plataformabacklog com o tech lead
Entregue
Base de integrações em produção
Ambiente em nuvem com n8n e as integrações rodando em produção
Construído
DW modelado em ClickHouse
Cargas de ERP, CRM, força de vendas, service desk e planilhas; jobs legados migrando para o n8n
Próximo
Primeiros painéis
Apuração trimestral e relatórios recorrentes da TI no Looker Studio
Depois
Base para IA
Perguntas em linguagem natural sobre dados confiáveis, sem licença de terceiros
Métricas de sucesso, definidas antes de construir
Adoção
Áreas e relatórios atendidos pelo DW, no lugar de planilha e pedido à TI
Confiança
Divergência entre DW e ERP nos indicadores que as áreas usam
Impacto
Horas de apuração por trimestre e fila de pedidos de relatório

linha de base · 2 dias por base na apuração trimestral · a mesma base já sustenta 99,97% de sincronização com o chão de fábrica

Usuários e problema

A contabilidade fechava uma apuração trimestral em planilha, 2 dias por base. A TI recebia pedidos recorrentes de relatório. Cargas legadas falhavam sem alerta, e uma consulta de faturamento no ERP chegou a mostrar um ano com valor incompatível com o porte da empresa. Sem dado confiável, não havia base para IA.

Decisão

Comparei licenciar o analytics do ERP, com custo recorrente por usuário, contra uma plataforma própria open source. Escolhi a própria: o mesmo investimento servia às integrações já em produção e deixava os dados prontos para IA sem depender de fornecedor.

Como medir

Defini o sucesso antes de construir, em três dimensões: adoção, confiança no dado e impacto no trabalho das áreas.

Com quem

Tech lead na arquitetura e na priorização do backlog, contabilidade como primeiro caso de uso, TI como dona da fila de relatórios.

ClickHousedbtn8nDockerLinuxCloudLooker StudioPower BI
Como está construído · a infraestrutura é meio, não fim
arquitetura · plataforma de dados
Servidor Linux em nuvem · rede privada da empresa● Docker Compose
Fontes
ERP
CRM
Força de vendas
Field Service / Service Desk
Planilhas
App
GA4
Integração e transformação
n8n
integração e cargas, com estado em Postgres
dbt
transformação e modelagem versionadas
Data Warehouse
ClickHouse
modelado do zero, fonte única para as áreas
Consumo
Looker Studio
dashboards
Power BI
relatórios das áreas
Agentes de IA
perguntas sobre dados confiáveis
Segurança e governança: ambiente isolado na rede privada, acesso restrito por perfil e transformações versionadas no dbt
Onde a IA entrou

Claude como copiloto na infraestrutura, nos workflows e na modelagem. E a plataforma existe também para isso: dados confiáveis são o que permite colocar IA em cima do negócio.

05American Burrs · case de builder

Base de conhecimento com IA

5→2dias de onboarding assistido

O conhecimento que passava de pessoa para pessoa virou um produto que o time consulta.

ShadowingEntrevistasLow codeRAGLLM
01 · Discovery

Workshop com as áreas, shadowing e entrevistas com quem executava cada processo.

02 · Captura

Os próprios colaboradores registravam a rotina com um software que capturava a execução do dia a dia.

03 · Produto

Plataforma low code com RAG sobre esse material, que o time consulta em linguagem natural.

Com time e em escala

Produto em escala

1M+
tickets por mês
AliExpress · Neusoft · Manila

IA de atendimento em escala global

Situação

A IA de atendimento da AliExpress recebia mais de 1 milhão de tickets por mês, e a transição do Remessa Conforme trouxe um pico de volume com clientes confusos com a nova regra fiscal.

Tarefa

Entender por que tantas conversas não se resolviam na IA e acabavam no atendimento humano.

Ação

Nomeei três causas: limitação do modelo, contexto contaminado por um atendimento humano anterior e cliente sem entender a legislação. Separei o que era problema de IA do que era problema de processo e escrevi, caso a caso, a resposta que a IA deveria ter dado, como insumo para a engenharia na China.

Resultado

CSAT acima de 90% durante toda a transição, no pico de volume e de pressão regulatória.

2.000+farmácias
Inteliger · Product Owner

Plataforma de retail media e sell out

Situação

Gerentes de farmácia controlavam metas de vendedores e lojas à mão, com erro e sem visão de rede.

Tarefa

Como PO do Voái Performance e do Voái Fornecedor, liderando squads, suporte e devs júnior.

Ação

Conduzi discovery, roadmap e backlog e lancei a gestão automatizada de metas, integrada aos dados de performance e de fornecedores. Começou na Nissei e foi expandida para outras redes.

Resultado

Gestão à vista em mais de 2.000 lojas, prêmio Destaque do Ano 2022 e ciclo de feedback entre negócio e tecnologia cerca de 30% mais curto.

Ao vivoconteúdo esportivo
Portal de análise esportiva · Product Owner

Do conteúdo até a conversão

Situação

Portal de análise esportiva com futebol, vôlei e e-sports, e jogos acompanhados ao vivo por narrador e trader esportivo.

Tarefa

Como PO, levar o público do conteúdo até a conversão nas plataformas parceiras.

Ação

Entrevistei creators, cruzei com dados, priorizei hipóteses e testei formato, ritmo e CTA em cada etapa do funil. Criei playbooks e treinamentos para os times de Conteúdo e Comunidade.

Resultado

Watch time, retenção e churn medidos por coorte, para saber se o conteúdo formava hábito antes da conversão, e não só volume convertido.

Vamos construir o próximo?

linkedin.com/in/lucas-lopes-it

Falar comigo