Nove meses liderando a engenharia de uma startup de inteligência de varejo — e o caso que aponto para como trabalho hoje: usando IA para construir com mais rapidez e eficiência.
Seus clientes eram alguns dos maiores nomes que vendem no Brasil — Ambev, GPA, Haleon, Corteva e Grupo Boticário entre eles — então os dados de preços da plataforma carregavam peso comercial real.
Entrei como CTO interino com uma transição curta do CTO que estava saindo, e assumi o roadmap: priorizando as decisões técnicas do time enquanto seguia com a mão na massa na base de código em TypeScript e React. Um dos projetos foi migrar um banco de dados de produtos de MongoDB para ClickHouse. Estávamos em parceria com outra empresa que fornecia a camada de IA conversacional, no estilo ChatGPT — do nosso lado, cabia alimentá-la com os dados, para que os clientes pudessem fazer perguntas a números que antes precisavam exportar para planilhas. Isso exigia consultas muito mais rápidas do que o MongoDB conseguia entregar; um banco de dados SQL colunar como o ClickHouse era muito mais adequado ao acesso analítico e de leitura intensa que ela exigia. Fiz o trabalho preliminar — adaptando as APIs em Python e traduzindo os pipelines de agregação do MongoDB em consultas ClickHouse, com IA auxiliando ao longo do caminho — antes de passar para um engenheiro backend sênior assumir e concluir.
Mais duas coisas foram entregues em paralelo: um upgrade importante do aplicativo mobile em React Native, e um Portal de Prospecção de Revendedores para o Boticário — a maior marca de beleza do Brasil — um MVP construído principalmente com IA, que minerava a base de usuários existente para identificar e qualificar possíveis revendedores.
É o caso que mostro para assumir um roadmap e um time sem sair do código — e para tratar as ferramentas de IA como uma forma de entregar, não um discurso da moda.