Eu lancei meu primeiro produto AI SaaS há oito meses. É uma ferramenta que lê as declarações da SEC e gera resumos em inglês simples para investidores de varejo. Receita: **R$ 4.200/mês**. Usuários: cerca de **340 assinantes pagantes**. Tempo para construir o MVP: **12 dias**.
Não estou te contando isso para me gabar — **R$ 4.200/mês** não é dinheiro que te permite largar o emprego. Estou te dizendo isso porque, há oito meses, eu nunca havia construído um produto SaaS, não sou um desenvolvedor particularmente talentoso e todo o stack técnico é essencialmente uma interface bem projetada em torno da API de Claude. Se eu consigo, a barreira de entrada é realmente baixa.
Aqui está tudo o que aprendi, incluindo os erros.
Encontrando a Ideia (Pare de Pensar Demais)
Eu deixei passar dois meses fazendo brainstorming sobre a “ideia perfeita de AI SaaS”. Li artigos sobre o tamanho do mercado, o TAM e as barreiras competitivas. Nada disso importava.
O que importava: meu sogro me chamou em um sábado perguntando o que significava uma declaração 10-K. Passei 30 minutos explicando para ele. Então pensei: quantos investidores de varejo têm a mesma pergunta, mas ninguém para perguntar?
Aí está. Esse é todo o processo de ideação. Alguém tinha um problema. O problema era solucionável com um LLM. Eu construí a solução.
As melhores ideias de AI SaaS não são engenhosas. Elas são óbvias em retrospectiva. Encontre um fluxo de trabalho onde alguém gasta horas fazendo um trabalho cognitivo que um LLM pode fazer em segundos. Construa um produto em torno desse fluxo de trabalho. Fim.
A armadilha a evitar: “AI-powered [coisa genérica]” não é um produto. “AI writing tool” é uma funcionalidade. “AI tool que gera descrições de anúncios imobiliários a partir de fotos e especificações de propriedades, formatadas para Zillow e Realtor.com” é um produto. A especificidade é o produto.
Arquitetura Técnica (Mantenha-a Chata)
Meu stack tecnológico: frontend **Next.js**, backend **Node.js**, banco de dados **PostgreSQL**, API de **Claude** para a IA, **Stripe** para pagamentos, **Vercel** para hospedagem. Custo total mensal da infraestrutura: **R$ 87**.
Aí está. Nada de microserviços. Nada de Kubernetes. Nada de bancos de dados vetoriais (adicionei um mais tarde quando precisei de RAG para comparar declarações históricas, mas o MVP não tinha). Nada de frameworks de orquestração sofisticados.
Vejo fundadores construindo arquiteturas de IA complexas antes de terem seu primeiro usuário. Eles gastam meses em fluxos de trabalho LangChain, orquestração de agentes e refinamento de pipelines. Então lançam e descobrem que seus usuários só querem uma caixa de texto e um botão “Iniciar”.
Construa a coisa mais simples que resolva o problema. Você pode adicionar complexidade depois, quando tiver usuários te dizendo o que realmente precisam.
A camada de IA era literalmente: pegue o texto da declaração da SEC, envie para Claude com um prompt cuidadosamente formulado, transmita a resposta ao usuário. O design do prompt levou dois dias. O restante dos **12 dias** do MVP foi autenticação, pagamentos e fazê-lo não ser terrível do ponto de vista estético.
O Prompt É o Seu Produto
Aqui está algo que demorou muito para eu perceber: para a maioria dos produtos de AI SaaS, o prompt É o produto. Não a infraestrutura. Não o framework. Não o esquema do banco de dados. O prompt.
Eu passei dois dias elaborando e testando meu prompt de resumo. Fiz cerca de **40 iterações**. O prompt final inclui instruções específicas sobre o que enfatizar (riscos materiais, mudanças nas receitas, declarações prospetivas), qual formato usar (pontos para os principais, narrativo para a visão geral) e qual nível de linguagem mirar (evitar jargão, explicar termos técnicos).
Esse prompt é o que torna meu produto diferente de “colar um 10-K no ChatGPT”. A UX é uma interface bonita, mas o prompt é onde reside o verdadeiro valor.
Versione seus prompts. Faça testes A/B com eles. Acompanhe quais prompts produzem resultados que os usuários avaliam mais alto. Trate o design de prompts como desenvolvimento de produto, não como uma configuração única.
Preços (Cobrar Mais do que Você Pensa)
Eu lancei a **R$ 9/mês**. Os usuários se inscreveram. Aumentei para **R$ 19/mês**. Os usuários ainda se inscreveram, quase na mesma taxa. Eu deveria ter começado a **R$ 19**.
Meu custo por usuário por mês é de cerca de **$2,50** em chamadas de API (o usuário médio resume cerca de **8 declarações por mês**). A **$9/mês**, minha margem era de **72%**. A **$19/mês**, é de **87%**. Mesma carga de trabalho, mesmo produto, quase o dobro da receita.
A lição: produtos de IA oferecem um enorme valor em relação ao seu custo. Um investidor de varejo que consegue entender as declarações da SEC em **5 minutos** em vez de **2 horas** ficaria feliz em pagar **$19/mês**. Muitos estariam dispostos a pagar **$49/mês**. Eu estava definindo os preços com base em meus custos em vez do valor para meus usuários. Erro clássico.
Os Erros Que Cometi
Construir funcionalidades que ninguém pediu. Passei uma semana construindo uma função de “comparação de declarações” antes do lançamento. Zero usuários a utilizaram em **oito meses**. Eu deveria ter lançado uma semana antes.
Não falar com os usuários cedo o suficiente. Construí por **duas semanas** antes de mostrar a qualquer pessoa. Quando finalmente o fiz, as três primeiras pessoas disseram “isso é incrível, mas pode destacar os riscos especificamente?” Aquilo se tornou a funcionalidade mais popular — e eu poderia ter descoberto isso desde o Dia 1 se tivesse perguntado.
Ignorar a latência. Minha primeira versão enviava a declaração completa para Claude e esperava pela resposta completa antes de exibir qualquer coisa. Os usuários viam um carregamento por **30-45 segundos**. Mudar para respostas em streaming (mostrando o resumo enquanto está sendo gerado) melhorou drasticamente a experiência percebida. A latência importa mais do que você pensa.
Investir pouco na integração. Meus primeiros usuários chegavam ao painel e não sabiam o que fazer. Adicionar um simples prompt “cole um símbolo de ticker para começar” com uma declaração amostra aumentou a ativação de **40% para 78%**.
O Que Eu Faria Diferente
Comece com **10 usuários beta pagando** antes de construir qualquer coisa. Cobrem **$29/mês** deles. Use as conversas para moldar o produto. Construa apenas o que aquelas **10 pessoas** precisam. Lançar publicamente quando **8 em 10** disserem que ficariam irritados se você retirasse o produto.
Essa abordagem teria me salvado **duas semanas** de construção de funcionalidades que ninguém queria e me teria dado um produto mais precisamente direcionado desde o primeiro dia.
AI SaaS é a oportunidade comercial mais acessível no setor tecnológico nesse momento. As ferramentas estão maduras, os custos são baixos e a demanda é real. A parte difícil não é a tecnologia — é encontrar um problema específico e ter a disciplina de resolvê-lo de forma simples.
🕒 Published: