Como construí um app para 3 plataformas com 19 agentes de IA

Comecei o Palpite PRO no início de maio de 2026. No começo de junho, ele já estava na App Store e no Google Play. Hoje roda no iOS, no Android e na web, em 8 idiomas, com rankings ao vivo e insights escritos por IA.

Alguns anos atrás, esse ritmo seria difícil de imaginar. O que mudou não foi a IA escrever o código. O que mudou foi a forma como organizei o trabalho em torno dela.

O que é o Palpite PRO

O Palpite PRO é um jogo social gratuito: amigos criam ligas, dão palpites nos placares antes do início das partidas e sobem num ranking ao vivo. Sem odds, sem dinheiro, só pela resenha.

Por trás dessa ideia simples existe muito software:

• Uma API, workers em segundo plano para a pontuação e o status das partidas ao vivo, e atualizações em tempo real
• Três aplicações web: o site público, o app dos membros e um painel de administração
• Apps nativos para iOS e Android, publicados por pipelines automatizados nas lojas
• Recursos de IA: insights curtos sobre cada bolão e ajuda para importar novos campeonatos

O fluxo: especificação primeiro, agentes depois, eu no comando

Toda mudança, grande ou pequena, segue o mesmo caminho. Descrevo o que quero em linguagem simples. A IA transforma isso numa especificação escrita, que eu reviso em idas e vindas até ela dizer exatamente o que quero. Depois vem um plano de implementação, que reviso da mesma forma. Só então algum código é escrito, e ele passa por revisão antes de chegar a mim.

Cada etapa tem o seu especialista. O projeto tem 19 agentes de IA, cada um com uma única função: escrever especificações, arquitetura, front-end, revisão de segurança, testes, tradução, revisão de UX, releases e mais. Um assistente único que "faz tudo" esquece coisas. Um especialista com um objetivo claro, não.

Alguns números do projeto até agora:

Os testes importam mais do que parece. Quando a IA escreve a maior parte do código, são os testes que mostram que ele continua fazendo o que você pediu, principalmente três meses depois.

O que só uma pessoa percebeu

A lição mais útil veio de um quase acidente.

Montei um novo fluxo de release: em vez de gerar o app de novo para as lojas, ele promoveria exatamente o build que já tinha passado nos testes. Faz sentido. Todas as verificações automáticas passaram.

Então fiz uma pergunta: o build promovido está usando as configurações de produção? Não estava. O build testado apontava para o servidor de staging. Se tivesse sido publicado, todos os usuários estariam conectados ao backend errado.

Nenhum agente levantou isso, porque tecnicamente nada estava quebrado. Foi preciso alguém que soubesse para que servia aquele release. É por isso que cada etapa do meu fluxo tem um checkpoint humano. A IA faz o trabalho pesado; as decisões são minhas.

A base de conhecimento: ensinando o projeto a lembrar

No início, o mesmo crash no Android voltou quatro vezes. A cada vez, a investigação começava do zero e chegava à mesma causa raiz.

Hoje, todo bug que vale a pena lembrar vira um registro curto numa base de conhecimento dentro do projeto: o que aconteceu, por quê e como evitar. Os agentes leem essa base antes de planejar um novo trabalho. Já são mais de 60 lições, e o mesmo erro raramente acontece duas vezes.

Algumas das minhas favoritas:

• Todos os jogos "adiados" no início da partida. O provedor de dados esportivos leva alguns minutos para marcar uma partida como iniciada. O sistema lia "não iniciada" depois do apito inicial e marcava todos os jogos do dia como adiados. A correção foi fácil; perceber o padrão exigiu alguém que acompanhasse futebol.
• Falhas de IA que pareciam funcionalidades. Quando o provedor de IA atingia o limite de cota, o app passava silenciosamente para um texto padrão. Os usuários não conseguiam distinguir "fora do ar por enquanto" de "não configurado". Ter um plano B é bom, mas um plano B silencioso esconde problemas.
• Uma cota gasta à toa. Uma verificação em segundo plano consultava o serviço de dados esportivos a cada minuto, mesmo sem nenhum jogo em andamento.

O que isso significa se você está começando com IA

Você provavelmente não está construindo um app para três plataformas. Mas as lições valem para qualquer negócio que esteja adotando IA:

1. Escreva o que você quer antes de pedir. Um briefing claro vale mais que um prompt esperto. Se você não consegue descrever o resultado, a IA não consegue entregá-lo.
2. Mantenha uma pessoa em cada ponto de decisão. A IA é rápida e incansável, mas não sabe para que serve o seu negócio. Revise, questione e devolva o trabalho quando for preciso.
3. Dê memória à IA. Guarde suas decisões, regras e lições num só lugar, escritas tanto para pessoas quanto para a IA. Cada erro documentado é um erro que você não paga duas vezes.
4. Acompanhe os custos de uso. Serviços de IA e de dados cobram por uso. Meça esses custos desde o primeiro dia e torne as falhas visíveis, em vez de escondê-las.

A IA não substituiu o raciocínio. Ela eliminou boa parte da digitação, para que eu pudesse dedicar meu tempo às decisões que importam.

Quer ver o fluxo completo? Veja como uso IA, passo a passo.