Victor Slompo
Eu faço estratégia de produto — e construo.
Quinze anos em produtos digitais. Nos últimos três, venho construindo AI-first em seis domínios sem relação entre si — quatro deles entregues a usuários reais, a maioria começando comigo construindo sozinho, antes de passar para um squad. O que eu conheço melhor é a parte depois do lançamento, quando fica claro que entregar não é a mesma coisa que ter adoção.
Três hábitos que aparecem em tudo o que já construí.
Separo o que o sistema calcula do que o modelo afirma
Um LLM devolve, sem hesitar, um número com cara de estatística e nada por trás, e a interface mostra esse número do mesmo jeito que um valor calculado pelo código. No meu próprio SaaS, classifiquei cada número como calculado, opinião do modelo ou placeholder, e mantive um registro auditado de defeitos com referência de arquivo e linha. Uma vez documentei que um painel chamado “motor de correlação” não calculava correlação nenhuma — um defeito de alta severidade contra o meu próprio trabalho.
Construo a coisa em vez de escrever mais um documento
Quando a especificação está ambígua, um protótipo que funciona resolve a discussão mais rápido que mais três parágrafos. A exceção é um fato que eu não posso inventar: numa automação do Revit para engenharia sanitária, eu parei de construir e mandei cinquenta e uma perguntas numeradas, porque protótipo nenhum diz qual é o volume de um reservatório de acumulação. Next.js, Supabase, Vercel, Postgres, APIs de LLM, C# quando o domínio exige, Claude Code todo dia. O suficiente para colocar algo real na frente da engenharia ou do cliente em poucos dias — e o suficiente para que conversa de viabilidade seja discussão, não repasse.
Entrego menos do que foi pedido, quando a evidência manda
O comercial de um marketplace me pediu um motor de precificação. Os dados mostraram que o efeito se concentrava em poucas categorias e não existia nas demais; as entrevistas com parceiros mostraram que a dor maior era o trabalho manual. Entreguei algo menor, pensado para eliminar cerca de 70% desse esforço, e validei com um grupo pequeno antes de partir para a construção completa.
São as perguntas que eu faria sobre qualquer projeto de IA — inclusive o seu.
Seis construções, seis domínios sem relação entre si. A maioria construída sozinho.
AskMoses.AI
Inteligência de conversas para times de vendas. Transcreve cada ligação e avalia com base no playbook do próprio cliente — não num modelo genérico —, devolvendo feedback escrito para cada parte da conversa. Defini o produto, construí o MVP de ponta a ponta e depois liderei o squad que o escalou.
Multi-tenant · 3 perfis de acesso · 3 planos · cobrança por uso · avaliação com LLM · ingestão do CRM GoHighLevel
Das 17 empresas que assinaram, só 6 chegaram a usar. Onze nunca ativaram — o onboarding pedia para conectar um CRM e configurar uma rubrica antes de entregar qualquer valor. Descobri isso conta por conta; no agregado, tudo parecia bem. Isso mudou como eu desenho a primeira experiência de uso, e é por isso que não trato “entregue” como linha de chegada.
Relatório Integrado 2025 — GEO
Um relatório corporativo de sustentabilidade reconstruído para ser lido e citado com precisão por modelos de linguagem, e não só indexado por buscadores. Renderizado no servidor para que os robôs recebam HTML de verdade, com dados estruturados, um llms.txt gerado da mesma fonte de verdade das páginas visíveis e roteamento separado para pessoas e robôs. Trilíngue, acessível e revisado número a número contra o relatório oficial.
Next.js (App Router) · Schema.org / JSON-LD · llms.txt · sitemap dinâmico · Vercel
Eu não queria só afirmar que funcionava, então instrumentei. Um coletor de logs separa os acessos disparados por uma pergunta real de usuário das varreduras autônomas de treinamento e indexação, e acompanha as citações que viraram visitas. A maior parte do trabalho de GEO vende uma narrativa; este tem medição por trás.
Freedom Marine
Configure-price-quote para uma revendedora canadense de iates, substituindo orçamentos feitos em planilha. Catálogo multimarcas, opções de motor e acessórios, conversão cambial ao vivo atualizada a cada hora com cache de contingência, e um painel administrativo que permite ao comercial manter modelos e política de preços sem depender da engenharia. Os orçamentos vão direto para o HubSpot.
Next.js · Supabase · câmbio EUR/USD → CAD ao vivo · integração com HubSpot
Plataforma corporativa de agentes
Uma arquitetura multiagente que executa processos de Jurídico e Vendas de forma autônoma, com revisão humana em pontos de controle definidos. Orquestração de LLMs, engenharia de contexto, uso de ferramentas externas e integração com APIs e dados corporativos. Rodando continuamente em produção na AWS.
Orquestração de LLMs · MCP (Google Workspace, Miro, GitHub) · RAG sobre dados corporativos · AWS · Cloudflare Access
Validadores de quality gate, um replay buffer, um documento de pesquisa congelado e a disciplina de verificar de forma independente o que o agente relata sobre si mesmo. Peguei o sistema inflando as próprias métricas e emitindo diagnósticos confiantes demais mais de uma vez — e é exatamente por isso que a verificação existe.
Automação Revit — estações elevatórias
Um add-in do Revit que gera o modelo de uma estação elevatória de esgoto a partir da topografia, de um layout 2D e de um arquivo de parâmetros — terreno, unidades, diâmetros e tubos ligados. O mesmo código roda de duas formas: dentro do Revit do engenheiro e headless na nuvem, pelo Autodesk Design Automation. O motor roda e é testado sem o Revit instalado.
.NET 10 · API do Revit 2027 · Autodesk APS Design Automation · C# · CI em runner Windows
O que não puder andar corretamente fica parado, com aviso dizendo por quê, e nenhuma ligação fica solta. Dez situações em que isso acontece estão catalogadas em vez de resolvidas no silêncio. Quando o Revit dá erro no meio da operação, a operação inteira é desfeita — porque a resolução padrão do próprio Revit pode remover uma restrição sem avisar.
Atendente de balcão — busca no catálogo
Um atendente por mensagem para uma loja de materiais de construção: 13.312 produtos vindos da planilha do ERP, buscados em 1–5ms por um índice invertido na memória. Sem banco, sem embeddings, sem base vetorial. O modelo de linguagem nunca vê o catálogo — ele recebe oito resultados e redige a resposta. Rodada com o dono da loja para descobrir onde um atendente desses quebra de verdade.
Python · Índice invertido em memória · Filtro de medida tipado · Camada de sinônimos do balcão · Agente com ferramentas
Tirar o modelo da recuperação consertou a recuperação: a busca não devolve o produto errado. A superfície que sobrou — redigir a resposta — continuou inventando. Afirmou especificações que o cadastro não tem, leu "4 estágios" de um produto como quatro cavalos de potência, e confirmou um produto que a loja não vende antes de procurar por ele. Numa loja, uma frase dessas é uma oferta. Essa descoberta é a entrega.
Marketplace e finanças reguladas, de onde vieram os números.
Retail E/commerce Luxuxy
Marketplace global de moda, Europa e EUA
- Unifiquei Shopify, WooCommerce e Adyen numa única camada de integração, eliminando a barreira técnica para atrair vendedores
- Reconstruí o onboarding de parceiros como uma capacidade compartilhada entre comercial, operações e engenharia — o tempo até entrar no ar caiu de semanas para dias
- Precificação assistida que eliminou ~70% do trabalho manual de precificação
- Checagens automáticas de qualidade do catálogo: tempo até a vitrine 40% menor
Sistemas Cooperativos Brasileiros
Instituição financeira sob supervisão regulatória
- Lancei e escalei o crédito digital: 25% de conversão mensal sobre as aprovações, substituindo um processo feito nas agências
- Aprovação automatizada que reduziu em 40% o tempo de espera do cliente, mantendo risco e compliance
- Criei o modelo operacional de produto adotado entre as áreas — critérios de DOR/DOD, Scrum, Kanban, Flight Levels e SAFe integrados, para que os times parassem de renegociar processo
- Conduzi um programa de mentoria técnica de 80 horas para POs e tech leads
Trato documentação como entrega, não como detalhe.
Dois documentos que posso compartilhar sob pedido, porque dizem mais sobre como eu trabalho do que um currículo.
Manual do sistema — AskMoses.AI
Como cada número do produto é obtido, classificado como calculado, opinião do modelo ou placeholder. Inclui uma lista auditada de defeitos conhecidos, com referência de arquivo e linha, e uma separação explícita entre escolhas intencionais e bugs de verdade — inclusive os que são meus.
Notas de trabalho — operando agentes pelo terminal
Um registro da minha prática rodando agentes em produção: alterar arquivos pelo conteúdo, com verificações de segurança, em vez de número de linha; validar a configuração antes de reiniciar; depurar um fluxo OAuth a partir dos princípios; e a regra à qual sempre volto — duas validações que passaram não são prova.
Quando o trabalho é maior do que uma pessoa.
Parte do que construí começou só comigo e terminou com um squad — um PO, um tech lead, engenheiros. A VS Solutions é como eu assumo esse tipo de escopo: um time pequeno com quem trabalho em projetos de clientes, em que eu continuo cuidando de produto e arquitetura em vez de repassar.
Se você está avaliando se algo precisa de uma pessoa ou de um time, essa é uma conversa que vale ter antes de alguém escrever uma especificação.
Vamos falar sobre o que é viável de verdade.
Seja uma vaga, um projeto ou vinte minutos para ouvir uma segunda opinião sobre algo que você está pensando em construir. Eu digo quando IA não é a resposta — normalmente essa é a conversa mais útil.
Moro em Florianópolis, Brasil. Trabalho remotamente com times distribuídos na Europa e nos EUA, e faço isso há três anos.