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







