Suíte de Assistentes de IA para Product Discovery & GTM

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.

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.

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.

• 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.