I.AGORAPlanejamento financeiro

Todos os projetos

ITAÚ / CONCEITO DE PRODUTO COM IA · 2026

i.agora

Do diagnóstico a um próximo passo.

Desenhei a jornada, a interação com IA e o sistema visual de uma experiência financeira que transforma diagnóstico em um plano revisável. Refinei individualmente o protótipo após o hackathon.

Conceito de hackathon · dados sintéticos · refinamento posterior. Não lançado pelo Itaú.

Testar protótipo

Contexto antes da orientação

Partir da conversa existente no banco, sem criar outro aplicativo.

Um plano revisável

Mostrar valores concretos e permitir que a pessoa aceite ou ajuste a proposta.

Projeção, não promessa

Separar cálculos determinísticos, interpretação por IA e escolha humana. Arquitetura proposta, não validada em produção.

< 01 > CONCEITO

Tornar o futuro visível. Preservar a escolha.

Durante a Batalha de agentes Itaú, exploramos como contexto transacional, cálculos determinísticos e IA generativa poderiam ajudar pessoas em vulnerabilidade financeira a passar do diagnóstico à ação.

Maria é uma personagem. Telas do protótipo refinado após o hackathon; todos os valores financeiros são simulados.

< 02 > PROBLEMA

O saldo era um retrato. Faltava enxergar a trajetória.

O que encontramos

Partimos da hipótese de ajudar pessoas endividadas. A análise da base sintética revelou um padrão mais amplo: fechar o período perto de zero ou no negativo, mesmo sem inadimplência.

O que isso mudou

O foco passou de reagir à dívida para tornar consequências financeiras compreensíveis antes do próximo aperto. Entender o contexto, antecipar cenários e orientar uma escolha.

Banco reativo → orientação financeira preventiva.

Como interpretar os 30–34%

Essa faixa descreve apenas a leitura direcional da equipe sobre a base do hackathon. Não é uma estimativa da população de clientes do Itaú, uma estatística oficial ou evidência de significância estatística. O sinal ajudou a enquadrar o problema; não demonstra eficácia do conceito.

BASE SINTÉTICA

~1

mil

Clientes na amostra do desafio

Amostra de hackathon · não representa a base do Itaú

BASE SINTÉTICA

~98

mil

Registros transacionais analisados

Dados fornecidos no desafio

SINAL DIRECIONAL

30–34

%

Da amostra com sinais de vulnerabilidade

Leitura da equipe · não é estatística oficial do Itaú

< 03 > DECISÃO DE PRODUTO

Uma pessoa. Um problema. Um plano.

A primeira ideia reunia múltiplos futuros, agentes, metas, gamificação, produtos e recompensas. O tempo do desafio exigia uma história que pudesse ser entendida e experimentada.

EXPLORAÇÃO INICIAL

Ecossistema amplo

Múltiplos futuros, agentes, objetivos e recompensas.

DIREÇÃO REFINADA

Uma próxima decisão

Contexto → plano ajustável → acompanhamento.

O refinamento posterior reduziu distrações e protegeu a história de Maria.

< 04 > JORNADA

Do contexto à escolha. Da escolha ao acompanhamento.

Realidade → conversa → diagnóstico → plano → compromisso → acompanhamento.

DECISÃO 01

Entrar pela conversa que já existe.

Maria chega pela i.ai, no contexto de sua conta. O i.agora aparece como uma capacidade especializada, evitando criar outro aplicativo ou mais um destino para aprender.

DECISÃO 02

Trocar “gaste menos” por uma proposta que pode ser ajustada.

O plano apresenta limites e valores concretos. A referência 50 / 30 / 20 é adaptada ao cenário da personagem; Maria escolhe entre aceitar ou ajustar. É uma simulação, não uma fórmula universal.

DECISÃO 03

Mostrar o que é compromisso e o que ainda é projeção.

O cartão opcional aparece depois do aceite e não expõe valores financeiros. O acompanhamento distingue a reserva projetada de R$ 620 do progresso de janeiro, ainda não confirmado. Nenhuma transferência é automática.

< 05 > IA E CONFIANÇA

Calcular com regras. Explicar com contexto.

Na arquitetura proposta, dados transacionais alimentam o contexto financeiro. Cálculos determinísticos e simulações produzem os números; o LLM apoia interpretação, conversa e explicação. A interface transforma isso em uma proposta que a pessoa pode revisar.

01

Dados

Histórico transacional

02

Contexto

Renda e compromissos

03

Cálculos

Regras e simulação

04

Conversa

Interpretação com LLM

05

Interface

Escolha informada

A IA explica possibilidades. A pessoa continua no controle.

Autonomia

Aceitar ou ajustar o plano. Não decidir nem movimentar dinheiro pela pessoa.

Transparência

Explicitar premissas, dados simulados e projeções. Não prometer resultados.

Cuidado

Sem culpa, medo ou vergonha como persuasão. Prever encaminhamento humano.

Minha contribuição e os limites da entrega

Meu trabalho conectou enquadramento do problema, jornada, interação com IA, prototipação, sistema visual e métricas propostas. Criei componentes e tokens no Figma a partir da experiência existente do app, explorei prompts e comportamentos conversacionais e refinei individualmente o protótipo após o hackathon.

A equipe reuniu Engenharia, Dados, Produto e Design. Análise e modelagem de dados, backend, arquitetura completa e infraestrutura GCP eram responsabilidades de outras especialidades. A separação entre cálculos e linguagem é um princípio do conceito; não foi validada em produção.

No processo de design, a IA ajudou a explorar alternativas, estruturar prompts, prototipar e iterar o front-end. As decisões de escopo e qualidade da experiência continuaram sob julgamento humano.

< 06 > VALIDAÇÃO PROPOSTA

Uma experiência funcional. Hipóteses ainda abertas.

O conceito não foi para produção. Não há resultados medidos de clientes ou de negócio. As métricas abaixo foram propostas para testar se a experiência ajuda a compreender, decidir e acompanhar um plano.

HIPÓTESE / QUALIDADE

>80

%

Sucesso em relevância, clareza e contexto

Meta proposta no desafio · não medida

Ação após a simulação

A pessoa consegue transformar o cenário em uma próxima ação?

Aderência ao plano e metas

O que foi acordado se traduz em evolução ao longo do tempo?

Relevância e conversão

Produtos só entram na avaliação quando fizerem sentido para o contexto e para a jornada.

A oportunidade de negócio vem depois do valor para a pessoa.

< 07 > RETROSPECTIVA

Menos teria tornado a ideia mais forte.

O que funcionou

O problema emergiu dos dados do desafio. A colaboração entre especialidades e a prototipação rápida aproximaram uma ideia abstrata de uma experiência funcional.

O que eu faria diferente

Escolheria uma hipótese central mais cedo, definiria critérios de sucesso antes da fase final e cortaria funcionalidades paralelas para proteger a clareza da apresentação.

O refinamento pós-hackathon seguiu esse aprendizado: reduziu distrações, fortaleceu a história de Maria e deixou mais claras a proposta e suas limitações. As telas apresentadas são dessa iteração posterior, não da versão exata avaliada na competição.

Tornar o complexo claro o suficiente para agir.

Experimentar o protótipo

Continuar explorando

Ver case Turn2C

Ver case Time Brasil

Ver case Smarters

Todos os projetos

I.AGORA · ÍNDICE