De Caos na Folha de Cálculo a Insights Impulsionados por IA: Uma Verificação de Realidade de 30 Dias de Vibe Coding

Porque os fundadores não vivem sem Excel — e por que deveriam

Tempo de leitura: 7 minutos
Ideal para: Construtores a experimentar desenvolvimento com IA, fundadores cansados de modelação financeira manual

O Problema de que Ninguém Fala

Entre numa reunião de apresentação e vais testemunhar a mesma cena: Um investidor de capital de risco pergunta “O que acontece se a rotatividade diminuir 2%?” A expressão do fundador fica em branco. A resposta está algures num pesadelo Excel de 47 abas. Três horas a procurar fórmulas. Um pequeno erro de entrada de dados. Uma referência circular que faz tudo crashar.

Isto não é uma excentricidade — é a norma. A maioria das empresas em fase inicial ainda depende de folhas de cálculo para previsão financeira, e os fundadores, universalmente, odeiam essa experiência. A matemática é simples, mas dolorosa: modelos complexos levam dias a construir, horas a atualizar e segundos a partir.

O problema merece melhor. Foi isso que inspirou um desenvolvedor a passar 30 dias a tentar o impossível — construir uma ferramenta de aconselhamento financeiro usando codificação vibe e IA, documentando cada erro, insight e lição aprendida.

O Experimento de 30 Dias: Números

A Configuração:

• Duração: 30 dias de codificação vibe contínua
• Plataforma: Ambiente de desenvolvimento na cloud
• Investimento total: $127 em créditos na plataforma
• Linhas de código geradas: ~3.500 (principalmente assistido por IA)
• Iterações e rollback: 73 vezes

Os Resultados:

• Interesse inicial expresso: 23 fundadores
• Inscrições efetivas: 2
• Onboarding concluído: 3
• Dispostos a pagar: 1
• Receita gerada: $0 (validação: compromisso de $50/mês)

O Escopo:

• Usuários-alvo: fundadores em fase pré-seed a Série A
• Problema principal abordado: atualizações de modelos financeiros que levam horas
• Solução tentada: consultor financeiro alimentado por IA
• Métrica chave acompanhada: precisão dos cálculos

Semana 1: A Lua de Mel Encontra a Realidade

A visão inicial era ambiciosa: dashboards financeiros em tempo real, sincronização de dados perfeita com software de contabilidade, planeamento de cenários sob demanda, exportações prontas para investidores em segundos. O cronograma parecia razoável: 2-3 semanas para lançar.

Não foi assim.

A primeira semana revelou três falhas críticas:

Falha #1: Processamento Paralelo Não Funciona
Enviar múltiplas instruções ao mesmo tempo a um agente de IA cria confusão. Pedir modo escuro, correções de bugs e melhorias de desempenho numa só prompt resultou num produto Frankenstein que não entregou bem nenhuma delas. A solução: uma instrução de cada vez, esperar pela conclusão, depois avaliar resultados.

Custo: 6 rollback, $23 em créditos, 3 horas perdidas

Falha #2: Complexidade da UI Não é Trivial
Um pedido simples de “modo noite” disparou 47 alterações não intencionais. Texto branco sobre fundos brancos. Botões invisíveis. Mismatch de fontes que exigiram ajustes manuais ao nível de pixel. A implementação da UI consumiu 3 semanas adicionais além do previsto.

Falha #3: Instruções Vagas Geram Erros Caros
Dizer “torne mais intuitivo” sem detalhes levou a reestruturações completas do layout. A precisão passou a ser a diferença entre $2 iterações e $50 iterações. Um prompt detalhado descrevendo cores, dimensões e posicionamento eliminou ambiguidades.

O momento de viragem veio ao descobrir uma única instrução que transformou todo o fluxo de trabalho: “Não faça alterações sem confirmar primeiro a tua compreensão comigo.”

Esta frase sozinha poderia ter evitado mais de $50###em créditos desperdiçados com iterações desnecessárias.

O Meio do Caminho: Quando as Coisas Quebram

Complicações surgiram na semana dois. Viajar com WiFi instável tornou quase impossível depurar erros de TypeScript em dispositivos móveis. A funcionalidade de rollback tornou-se indispensável — às vezes revertendo 12 vezes num só dia, quando funcionalidades experimentais causavam falhas múltiplas no sistema.

Até ao dia 15, o gasto de créditos acelerou dramaticamente. A semana 1 consumiu $34; a semana 2 atingiu $93. Cada iteração custava entre $2-5, dependendo da complexidade. Isto levou a estabelecer um teto semanal de orçamento: ultrapassado, pausa para reflexão estratégica.

$47 A Crise de Cálculo

O ponto de viragem veio quando os testadores descobriram uma falha crítica: os cálculos financeiros estavam errados por aproximadamente 20%. Um custo de aquisição de cliente mostrava (quando a resposta correta era $58,75 — uma variação que poderia comprometer rondas de financiamento.

O culpado: IA fez suposições não declaradas sobre terminologia. “Rotatividade mensal” às vezes significava taxas anuais. Cálculos de “valor de vida do cliente” usavam fórmulas inventadas em vez de métodos padrão.

Isto levou a um princípio essencial: Validar sempre as saídas da IA manualmente. Uma folha de cálculo paralela para verificação tornou-se prática padrão. Prompts vagos como “calcula LTV” foram substituídos por instruções cirurgicamente precisas:

Calcula o LTV como: )Receita média por utilizador × Margem bruta( / Taxa de rotatividade mensal

Onde:

• Receita média por utilizador = Receita mensal recorrente total / Clientes ativos
• Margem bruta = )Receita - COGS( / Receita
• Taxa de rotatividade mensal = Clientes que cancelaram este mês / Clientes ativos no início do mês

Mostra os cálculos passo a passo.

Com precisão, a exatidão melhorou dramaticamente.

O Feedback dos Utilizadores Muda Tudo

Após duas semanas de construção, o primeiro grupo de testadores beta deu feedback brutal, mas esclarecedor:

• Os cálculos tinham margens de erro significativas
• Funcionalidades de exportação crashavam com datasets acima de 50 linhas
• Funcionalidades principais estavam enterradas sob camadas de navegação
• Os utilizadores completaram apenas 0% do onboarding, apesar do interesse inicial

Um comentário de feedback revelou-se transformador: “Não quero outra ferramenta de modelos financeiros. Quero alguém que me diga se os meus números fazem sentido.”

Este insight reorientou toda a direção do produto. A ferramenta não era uma folha de cálculo melhor — era um consultor. Não outra app de modelação financeira, mas um assistente de IA que valida suposições, sinaliza projeções irreais, compara com padrões do setor e responde a “e se” cenários.

A mudança eliminou complexidade. Em vez de construir integrações empresariais, controlo de versões avançado e colaboração multiusuário, o produto mínimo viável focou em:

• Entrada manual de modelos financeiros
• Validação e benchmarking alimentados por IA
• Planeamento de cenários básico )máximo de 3 cenários(
• Perguntas e respostas em linguagem natural sobre métricas financeiras
• Exportação para formatos comuns

Os Obstáculos Técnicos

Três limitações técnicas principais tornaram-se evidentes:

Arrependimento na Seleção de Linguagem:
Começar com TypeScript em vez de Python criou atrito. Erros de tipo consumiam horas de depuração. Projetos futuros precisariam de escolha de linguagem baseada no conforto do desenvolvedor, não na popularidade.

Promessas de Integração vs. Realidade:
Fundadores continuavam a perguntar sobre sincronização com QuickBooks. A realidade: fluxos OAuth 2.0, validação de webhooks, mapeamento de dados, tratamento de erros, lógica de atualização de tokens e validação de regras de contabilidade. Isto não é uma tarefa de codificação vibe.

Precisão em Cálculos Financeiros:
Fórmulas financeiras complexas — curvas de retenção de coortes, cálculos de NPV, valor de vida do cliente — levaram a assistência de IA ao limite. Prompts “fáceis” geravam respostas confiantes, mas incorretas. Apenas instruções hiper específicas com fórmulas explícitas produziam resultados fiáveis.

A Decisão de Pivotar

Até ao dia 28, foi necessário reduzir o escopo. A visão completa era demasiado complexa para prototipagem rápida. O MVP central foi lançado com:

✅ Criador manual de modelos financeiros
✅ Consultor de IA para validação de benchmarking
✅ Planeamento de cenários básico
✅ Funcionalidade de exportação
✅ Perguntas e respostas em linguagem natural

❌ Integrações em tempo real )adiadas(
❌ Colaboração avançada )adiada(
❌ Segurança empresarial )adiada###

Às vezes, menos é mais.

O Que Funcionou, O Que Não Funcionou, O Que Está Por Vir

Princípios-chave que ficaram

1. Precisão cirúrgica supera instruções vagas
“Melhora isto” → Desperdício. “Muda o botão para #0066CC, aumenta a fonte para 16px, adiciona 8px de padding” → Sucesso.

2. Atualizações sequenciais em vez de mudanças paralelas
Dá uma instrução. Espera. Revê. Avança. Nunca multitask ao agente de IA.

3. Validação manual é inegociável
Nunca confies nas cálculos da IA sem verificação independente, especialmente em contexto financeiro.

4. Reverte sem culpa
73 rollback em 30 dias significaram iteração rápida sem medo. Reverter é mais rápido que depurar.

5. Os utilizadores sabem o que precisam
O insight vencedor veio ao ouvir: “Diz-me se os meus números fazem sentido” tornou-se a estratégia do produto.

O Que Mudaria Amanhã

Se começasse do zero, as prioridades mudariam:

1. 10 entrevistas com utilizadores ANTES de construir qualquer coisa — Descobrir o insight de “consultor, não ferramenta” no Dia 1, não no Dia 21
2. Escolher Python em vez de TypeScript — Conforto na linguagem importa mais que popularidade do framework
3. Orçamento de crédito rígido de $200-300 — Força melhor engenharia de prompts e evita espiral de iteração
4. Processo manual primeiro, automação depois — Validar a procura antes de construir integrações
5. Prazo de MVP de duas semanas — Evitar expansão de funcionalidades, forçar priorização

( O Que Deve Ser Ignorado Completamente

• Modo noite )ninguém pediu; consumiu 3 dias(
• UI perfeita )fundadores priorizam função sobre estética(
• Promessas de integração )validar fluxos manuais primeiro(
• Funcionalidades avançadas )obter 10 utilizadores pagantes antes de expandir(

O Caminho à Frente

O sucesso não significa perfeição — significa um fundador disposto a pagar $50/mês pela versão simplificada. Essa é a validação.

A roadmap realista:

Fase 1 )Semanas 5-8(: Validar a proposta de valor principal com codificação vibe. Objetivo: 10 clientes pagantes a $50/mês. Indicadores de sucesso: <10% de rotatividade mensal, NPS >40.

Fase 2 )Após 50-100 clientes(: Passar para desenvolvimento tradicional. Contratar desenvolvedores fintech. Construir integrações. Adicionar funcionalidades empresariais. Orçamento: $50K-100K.

Quando a Codificação Vibe Chega ao Seu Limite

Onde brilha:

• Prototipagem rápida )semanas vs. meses(
• Operações CRUD
• Integrações com API de IA
• Funcionalidade de exportação
• Landing pages
• Ciclos de iteração rápidos

Onde encontra obstáculos:

• Fórmulas financeiras complexas )NPV, curvas de retenção de coortes(
• Integrações API empresariais )OAuth, webhooks(
• Tarefas de sincronização de dados em background
• Arquitetura de segurança multi-inquilino
• Otimização de desempenho )consultas <300ms(
• Colaboração em tempo real

O limite de graduação: Quando mais de 10 clientes pagantes pedem funcionalidades que a codificação vibe não consegue entregar fundamentalmente.

Lições Para Qualquer Construtor a Experimentar Desenvolvimento com IA

Antes de começar:

• Escolhe uma linguagem que realmente entendas
• Define um orçamento semanal de créditos e honra-o
• Escreve uma definição de “feito”
• Encontra 3 testadores reais )não interessados, apenas observadores(
• Entrevista mais de 10 potenciais utilizadores primeiro

Durante a construção:

• Um prompt por iteração; espera pela conclusão
• Define termos vagos )“intuitivo,” “limpo,” “simples”$200 de forma explícita
• Valida todos os cálculos de forma independente
• Acompanha os gastos diários
• Tira screenshots de versões funcionais antes de pivôs importantes

Quando é hora de recuar:

• O mesmo erro persiste após 5 tentativas
• Estás a explicar mais do que a construir
• Utilizadores de teste não conseguem completar fluxos principais
• Pedidos de funcionalidades empresariais continuam a surgir
• Créditos gastos ultrapassam (sem utilizadores pagantes)

A Conclusão:

A codificação vibe entregou um MVP funcional em 30 dias por $127. Comprovou o problema principal (fundadores odeiam Excel) e descobriu a solução principal precisam de um consultor, não de mais uma ferramenta. Não conseguiu garantir precisão nos cálculos e descobriu que a IA luta com especificidade em fórmulas financeiras.

Mais importante: um fundador disposto a pagar validou toda a experiência.

A jornada continua além do Dia 30. A próxima fase foca em converter validação em receita, escalar de ideia para produto sustentável, e saber quando passar do protótipo rápido para desenvolvimento profissional.

Elimina o modelo Excel de 47 abas. Todo fundador merece inteligência financeira em tempo real, explicação por IA, planeamento de cenários instantâneo e exportações prontas para investidores. As ferramentas existem. A questão é se os fundadores as vão realmente usar.

O Dia 31 começa amanhã.