4 Semanas Depois: Construindo uma Plataforma de Marketing com 10 Agentes Enquanto Tirava Sonecas

ATUALIZAÇÃO (novembro de 2025): O STRAŦUM está no ar! O que começou como um "speed run de 4 semanas" evoluiu para uma aplicação completa de inteligência de marketing com 9 agentes. Leia a história completa do lançamento: STRAŦUM: O Aplicativo de Marketing com 9 Agentes que Construí em 75 Dias

Experimente agora: em stratum.chandlernguyen.com (Alpha Privado — acesso somente por convite)

Seis dias. É quanto tempo esperai depois de lançar o DIALØGUE antes de começar meu próximo projeto.

Você pode estar pensando "você não deveria estar, sei lá, fazendo marketing do seu gerador de podcast? Conseguindo usuários? Corrigindo bugs?" E você estaria absolutamente certo. Mas aqui está a questão — queria ver até onde e tão rápido quanto conseguia me empurrar com as novas ferramentas de IA. Pode chamar de speed run, pode chamar de superambição, pode chamar do que acontece quando Claude Code e Gemini 2.5 Pro tornam a construção divertida de novo.

O Cronograma Que Não Deveria Ser Possível

Para colocar em perspectiva:

- DIALØGUE: 6-7 meses da primeira linha de código até o lançamento

- Marketing Suite: 4 semanas depois, já tenho 3 agentes de IA funcionando conversando entre si

Olhando pelo histórico do git, ao final do primeiro dia, eu tinha:

- Arquitetura multi-tenant com hierarquia organização → cliente → campanha

- Frontend React inicial com autenticação

- Um Agente de Estratégia de Negócios funcionando usando 11 frameworks diferentes, cobrindo diferentes regiões. Esses frameworks são usados pelas principais consultorias globais/regionais. Por exemplo:

- Integração com Supabase e Row Level Security

Isso é mais do que realizei no primeiro mês de construir o DIALØGUE.

Os Números Que Me Mantêm Animado

Algumas métricas rápidas das últimas 4 semanas:

- Features publicadas: 3 agentes completos + arquitetura multi-tenant

- Linhas de código: ~117.000 (Python: 39k, TypeScript: 58k, SQL: 20k, Javascript: o resto)

- Tabelas de banco de dados: 39 (cada uma servindo um propósito específico — mais sobre isso em breve)

- Commits no git: 232 (em cerca de 26 dias)

- Café consumido: Não pergunte

Por Que Este Projeto É Realmente 10x Mais Difícil

O DIALØGUE era complexo, com certeza. Funções AWS Lambda, Step Functions, eventualmente migrando tudo para Google Cloud Run. Mas fundamentalmente, era uma ferramenta de propósito único: gerar podcasts. Um tipo de usuário. Um workflow. Um caminho feliz.

Essa Marketing Suite? Deixa eu mostrar o que quero dizer:

Um Cenário Real: Uma agência gerencia Nike e Adidas (hipoteticamente). O estrategista da agência usa o Agente de Estratégia de Negócios para analisar a posição da Nike. Essa análise salva automaticamente na tabela strategy_outputs. Quando mudam para o Agente de Persona, ele puxa a estratégia da Nike para informar o desenvolvimento de persona — mas NÃO PODE ver dados da Adidas. Enquanto isso, as diretrizes de marca da Nike na tabela brand_guidelines cascadeiam para o Agente de Conteúdo, garantindo que cada peça de conteúdo use a voz da Nike, não da Adidas.

Isso requer:

- Tabela organizations com tipos SME vs AGENCY

- Tabela clients (apenas para agências)

- campaigns com foreign keys tanto para org QUANTO para client

- strategy_outputs com isolamento em nível de campanha

- brand_guidelines com herança hierárquica

- Políticas de Row Level Security em cada tabela

E isso é apenas um workflow. Agora multiplique por 10 agentes, cada um com seus próprios requisitos de dados.

O Que Realmente Está Funcionando (E O Que Ainda É Caos)

Funcionando (Os 3 Agentes Ativos + Business Intelligence)

Agente de Estratégia de Negócios: Este não é seu gerador típico de SWOT. Aplica 11 frameworks abrangentes:

- Análise SWOT

- As Cinco Forças de Porter (Rivalidade competitiva, Poder do fornecedor, Poder do comprador, Ameaça de substitutos, Ameaça de novos entrantes)

- Business Model Canvas (9 blocos de construção do design de negócios)

- Priorização ICE (Impacto, Confiança, Facilidade)

- Matriz BCG Growth-Share (Stars, Cash Cows, Question Marks, Dogs)

- Framework VRIO (Valor, Raridade, Imitabilidade, Organização)

- Modelo dos Três Horizontes (Core atual, Oportunidades emergentes, Apostas futuras)

- Estratégia do Oceano Azul (Grade Eliminar, Reduzir, Aumentar, Criar)

- Framework McKinsey 7S (Estratégia, Estrutura, Sistemas, Valores Compartilhados, Habilidades, Estilo, Pessoal)

- Framework OKRs (Objetivos e Resultados-Chave)

- Jobs to Be Done (Trabalhos do cliente, Dores, Ganhos)

Cada framework gera dados estruturados que alimentam outros agentes. Quando você roda uma análise SWOT, as "Oportunidades" automaticamente informam as táticas de crescimento do Agente de Estratégia de Marketing.

Agente de Persona: Gera personas detalhadas de clientes com 15+ atributos E — aqui está a parte louca — você pode entrevistá-las. Conversa real:

Você: "O que mais te frustra nas ferramentas atuais de gerenciamento de projetos?"

Persona (Fundador de Startup Tech): "A constante troca de contexto. Preciso checar Slack, depois Asana, depois nosso dashboard de analytics. Quando descubro o que precisa de atenção, já perdi 30 minutos."

Cada resposta de entrevista fica mais inteligente porque puxa do histórico de persona_interactions. Os usuários passam 20-30 minutos nessas entrevistas. Um usuário disse "É como focus groups, mas instantâneo e realmente útil."

Agente de Estratégia de Marketing: Esta é a ponte. Pega sua estratégia de negócios, entende suas personas e cria planos de go-to-market acionáveis. Não diz apenas "use redes sociais" — mapeia personas específicas para canais específicos com mensagens específicas. Táticas de orçamento zero para startups bootstrapped. Alocação de budget 70-20-10 para PMEs. Orquestração multicanal para enterprises.

Business Intelligence (O Herói Oculto): Toda conversa com qualquer agente extrai automaticamente insights e constrói conhecimento organizacional. Conversa com o Agente de Estratégia sobre entrada no mercado europeu? Esse insight salva na tabela ai_insights. Na semana seguinte quando você estiver usando o Agente de Conteúdo, ele já sabe sobre seus planos de expansão europeia. Sem re-explicar. Sem contexto perdido.

Ainda Construindo (Os Próximos 7 Agentes)

Agente de Execução de Campanha: É aqui que as coisas ficam assustadoras. Como você armazena com segurança chaves de API para Google Ads, Meta, LinkedIn, TikTok? O plano atual envolve armazenamento criptografado na tabela platform_credentials com logs de auditoria para cada chamada de API. Mas o modelo de permissões me mantém acordado à noite.

Agente de Analytics: Quais APIs integrar primeiro? Google Analytics 4? Meta ads? LinkedIn Analytics? O desafio não é apenas puxar dados — é normalizá-los entre plataformas para que você possa realmente comparar maçãs com maçãs.

Agente de ROI e Orçamento: Rastreamento em tempo real entre múltiplas plataformas com diferentes modelos de atribuição. Como reconciliar os dados do Google baseados em data-driven attribution com o modelo do Meta? Ainda descobrindo isso.

Os Outros 4 Agentes: Quick Wins (encontrando oportunidades imediatas), Competitive Intelligence (análise ética de concorrentes), Client Success (estratégias de retenção) e Agente de Conteúdo (que na verdade já funciona, mas precisa de polimento).

As Perguntas Difíceis Que Me Mantêm Acordado

- Nome da marca: como devo chamar essa aplicação? :P Se você tiver boas sugestões, me conta nos comentários!

- Segurança de API: Como lidar com chaves de API para múltiplas plataformas de anúncios sem virar um pesadelo de segurança?

- Experiência Coesa: Como fazer 10 agentes especializados parecerem uma plataforma unificada em vez de 10 ferramentas diferentes coladas com fita adesiva

- e muito mais :)

A Evolução da Arquitetura: Aprendendo com a Dor

Com o DIALØGUE, aprendi do jeito difícil sobre race conditions. Lembra aquele bug de cadastro de 3 minutos? Novos usuários esperavam uma eternidade porque o auth trigger e a Edge Function estavam correndo para criar o mesmo registro de usuário.

Desta vez, construí do jeito certo desde o primeiro dia. Aqui está um exemplo real de alguns dias atrás:

O Problema: O Agente de Estratégia de Marketing precisa saber quais personas existem, quais estratégias foram criadas e quais diretrizes de marca seguir — tudo isso mantendo isolamento completo de dados.

A Solução: Em vez de ter cada agente consultando múltiplas tabelas (lento, complexo, propenso a erros), construí um Enterprise Context Service que age como única fonte de verdade:

// Antes: Cada agente fazendo múltiplas queries
  const personas = await supabase.from('personas').select()
  const strategies = await supabase.from('strategies').select()
  const guidelines = await supabase.from('brand_guidelines').select()

  // Depois: Um serviço inteligente
  const context = await getEnterpriseContext(campaignId)
  // Retorna dados filtrados, em cache e com escopo correto em 45ms

O resultado? O Agente de Conteúdo pode instantaneamente acessar diretrizes de voz de marca, ver quais personas escrever e entender a estratégia de marketing — tudo em uma chamada que respeita os limites dos dados.

A Diferença de Velocidade é Real

14 de setembro foi insano. Veja o log real do git com timestamps:

08:04 - Migrei frontend para cliente de API padronizado
08:19 - Completei padronização de API (100% de cobertura)
11:34 - Fase 1: Configuração de rotas centralizada
            (sem mais URLs hardcoded em lugar nenhum)
13:00 - Fase 2: Padronizei todas as 10 páginas de agentes
            (padrões consistentes de URL como /agents/strategy/:campaignId)
13:10 - Fase 3.1: Gerenciamento de contexto central
            (hierarquia workspace → client → campaign nas URLs)
16:31 - Fase 3.2: Componentes de navegação tornaram-se context-aware
            (breadcrumbs mostram "Nike › Campanha de Verão › Agente de Estratégia")
16:38 - Fase 3.3: Todos os agentes integrados com sistema de contexto
            (mudar de campanha preserva seu lugar)
17:03 - Fase 3.4: Testes e Polimento
            (redução de 92% no tamanho do bundle via code splitting)

Seis grandes melhorias arquiteturais. O sistema de URLs sozinho tocou mais de 40 arquivos no codebase. Antes da assistência de IA, isso teria sido uma refatoração de uma semana, provavelmente com algumas features quebradas no processo.

E eu na verdade não estava na frente do computador a maior parte do tempo :D

Era domingo então fomos à igreja, ao supermercado, tivemos um almoço completo com frutos do mar, tirei uma soneca, fomos ao Costco e joguei alguns jogos no meu iPad. Isso é possível graças à programação assistida por IA. Obrigado, Claude Code e Gemini CLI!

Aqui está o que essa padronização de URLs realmente significa para os usuários:

// Antes: Contexto perdido ao trocar entre agentes
  "/strategy" // Qual campanha? Qual cliente? Quem sabe?

  // Depois: Contexto preservado na URL
  "/workspace/nike/campaign/summer-2025/agents/strategy"
  // Marque como favorito, compartilhe, atualize — o contexto permanece intacto

Por Que Construir Isso Quando o DIALØGUE Acabou de Lançar?

Porque posso. Porque as ferramentas ficaram tão boas assim. Porque depois de 20+ anos em publicidade, finalmente tenho as habilidades para construir a plataforma de marketing que sempre quis usar.

Mas principalmente? Porque quero documentar o que é possível quando você combina expertise de domínio com ferramentas modernas de IA. Isso não é sobre substituir desenvolvedores — é sobre amplificá-los. Quatro semanas atrás, construir algo tão complexo teria requerido uma equipe. Agora requer determinação, bons assistentes de IA e uma quantidade perigosa de cafeína. (Embora, como descobri mais tarde quando construí um app nativo para iOS sem saber Swift, a IA te leva cerca de 60% do caminho — os últimos 40% de gosto e polimento ainda são completamente humanos.)

O Que Vem a Seguir?

Estou mirando um lançamento alpha em outubro/novembro. Aqui está o que precisa acontecer:

- Terminar os 7 agentes restantes

- Construir a interface de planejamento de campanha

- Descobrir a segurança de integração com plataformas de anúncios

- Garantir que o fluxo/UI da agência faça sentido

- Testar tudo com usuários reais (assustador)

O Agente de Analytics sozinho precisará agregar dados do Google Analytics, plataformas de anúncios e métricas internas em dashboards unificados. O Agente de ROI precisa de rastreamento de orçamento quase em tempo real em múltiplas plataformas.

Cada um é um projeto por si só. Mas nesse ritmo? Está parecendo possível???

Quer acompanhar? Vou compartilhar mais atualizações conforme construo.

Construir em público significa compartilhar o caos junto com as vitórias. Agora mesmo, é principalmente caos. Mas é caos produtivo, e isso é o que conta.

Volte em um mês. Se tudo correr bem, você poderá testar uma plataforma de marketing que tem agentes de IA fazendo o trabalho de um departamento de marketing inteiro. Se não correr bem… bem, pelo menos os posts do blog serão entretenimento. :P