O desafio
Times de produto repetem os mesmos artefatos analíticos a cada ciclo: sintetizar entrevistas, montar matriz CSD, definir personas, mapear jornada, escrever hipóteses testáveis, planejar GTM. Cada artefato exige método. Cada vez que é feito à mão, o formato varia, insights se perdem e horas de trabalho sênior vão para tarefas de estruturação em vez de julgamento. Usar um chat genérico de IA não resolve: sem system prompt, framework e formato de saída definidos, cada sessão produz um resultado diferente, impossível de encadear em pipeline.
A solução
Uma suíte de 17 assistentes construídos como Custom GPTs no ChatGPT (Plus ou Team). Cada assistente tem um system prompt estruturado que define persona, framework de raciocínio, restrições e formato de output, usando técnicas como Zero-shot, Few-shot, Chain-of-Thought e placeholders XML/{{VARIÁVEL}} para manter resultados consistentes. Alguns carregam exemplos de referência via Knowledge para calibrar profundidade e estilo. Nenhum exige ferramenta externa, código ou backend: são compartilháveis com o time e utilizáveis imediatamente.
A suíte não é uma coleção solta. Os assistentes foram desenhados para encadear: os outputs de Diagrama de Afinidades, Resumo Quali e Quanti e Matriz CSD alimentam o Resumo Desk Research; os artefatos de segmentação convergem no Resumo de Segmentação; estratégia GTM e testes A/B convergem no Resumo GTM. O resultado é um pipeline de discovery a lançamento operado em interface de chat.
Como funciona
Fase 1: Discovery e Pesquisa
- Especialista em Diagramas de Afinidades: transforma respostas de pesquisa e transcrições em hierarquia exaustiva de temas, com análise qualitativa, quantitativa e correlações.
- Especialista em Análise Qualitativa e Quantitativa: sintetiza documentos e datasets em tópicos hierárquicos com camadas quali, quanti e de correlações, via placeholders
{{DOCUMENTO}}e{{EXEMPLOS}}. - Matriz CSD: organiza dados de pesquisa em Certezas, Suposições e Dúvidas, com evidência rastreável associada a cada item.
- Resumo Desk Research: consolida os outputs dos três assistentes anteriores em sumários individuais, temas transversais e conclusão integrativa.
Fase 2: Definição e Estratégia
- Público-Alvo: análise detalhada e segmentação estratégica de público-alvo, com justificativas por segmento.
- Persona e Mapa de Empatia: cria personas detalhadas e mapas de empatia com frases representativas.
- Jornada do Usuário: mapeia a jornada em formato de tabela, com correlações entre etapas e elementos.
- Perfil do Cliente Ideal (ICP): constrói perfis de cliente ideal fundamentados em dados.
- Resumo de Segmentação: sintetiza os outputs de Público-Alvo, Persona, Jornada e ICP em uma visão única.
- Soluções de Negócio: desenvolve soluções via Value Proposition Canvas, Product Vision Board e Lean Canvas.
- Hipóteses e Métricas: mapeia hipóteses testáveis e métricas usando os frameworks AARRR, HEART e Jobs to Be Done.
- Resumo Solution Space: integra os outputs de Soluções de Negócio e Hipóteses e Métricas em síntese do espaço de solução.
Fase 3: Go-to-Market
- Estratégia GTM e Canais: desenvolve estratégias completas de go-to-market em 7 passos.
- Plano de Teste A/B: cria estratégias estruturadas de experimentação com testes A/B.
- Resumo GTM: consolida estratégia GTM e plano de testes em síntese integrada para o lançamento.
- Geração de Relatórios: produz relatórios de inteligência de mercado com foco 80/20, prontos para stakeholders.
Transversal
- Engenheiro de Prompt: transforma descrições vagas em prompts estruturados (persona, contexto, CoT, few-shot, regras, formato), com o racional explicado. É o meta-assistente usado para construir e evoluir os demais.
Resultados
- 17 assistentes reutilizáveis cobrindo o ciclo de produto de ponta a ponta, com zero código e zero backend
- Outputs em formatos previsíveis e encadeáveis: cada artefato de uma fase serve de input à seguinte
- Compartilháveis com o time sem onboarding técnico, qualquer pessoa abre e usa
- Cada artefato deixa de ser reestruturado do zero a cada ciclo: o formato fixo e o framework embutido eliminam a etapa de montagem manual
- Em uso em projetos reais de discovery, do levantamento de pesquisa ao plano de go-to-market
O aprendizado da suíte: a diferença entre "usar ChatGPT" e ter uma operação de discovery assistida por IA está no system prompt. Formato fixo, framework explícito e evidência rastreável transformam um chat genérico em uma ferramenta de método. E é o método que permite encadear os artefatos em pipeline.