Você recebe pedido por áudio no WhatsApp, copia para uma planilha, imprime a lista de separação e depois refaz tudo em outro arquivo para montar a rota de entrega. Quando um cliente liga perguntando o que comprou mês passado, começa a caçada na conversa antiga. E o preço especial de cada cliente mora na sua cabeça, não em lugar nenhum do processo.
Este post é o relato cronológico de um projeto real que trocou exatamente esse cenário por um sistema de pedidos personalizado, construído em três dias de trabalho com ajuda de assistentes de IA. Vou mostrar as horas gastas dia a dia, o que a IA acertou, os dois retrabalhos que custaram caro e a comparação honesta com o que esse mesmo sistema consumiria de forma tradicional. Sem números inventados e sem vender milagre.
O ponto de partida: planilha, WhatsApp e pedido perdido
O caso é de uma distribuidora pequena de bebidas e descartáveis do interior de Minas, com cerca de 40 clientes fixos (bares, lanchonetes e mercearias). O processo era simples e frágil: o cliente mandava o pedido pelo WhatsApp, alguém do escritório copiava para uma planilha, imprimia a lista para a separação e refazia tudo em outro arquivo para a rota de entrega.
Os problemas relatados antes de começarmos:
- Pedido chegava em áudio e era digitado errado (quantidade trocada, produto parecido).
- Não existia histórico por cliente: para saber o que o bar tal comprou mês passado, era caçar conversa antiga.
- A planilha ficava travada quando duas pessoas mexiam ao mesmo tempo.
- Preço diferenciado por cliente ficava na cabeça do dono.
Esse último ponto é importante porque explica por que um sistema pronto de prateleira não resolvia bem: a regra de preço era específica demais.
Como o escopo foi fechado antes de escrever qualquer linha
Essa parte não teve IA nenhuma, e é justamente onde a maioria dos projetos "de 3 dias" morre. Foram duas conversas de cerca de uma hora para escrever, em texto corrido, o que o sistema precisava fazer. O documento final tinha menos de duas páginas e listava:
- Cadastro de produtos com preço base e preço especial por cliente.
- Cadastro de clientes com endereço e observação de entrega.
- Tela de novo pedido: escolher cliente, adicionar itens, ver total na hora.
- Status do pedido: aberto, separado, entregue, cancelado.
- Lista de separação imprimível e romaneio de entrega do dia.
- Histórico por cliente com busca.
O que ficou de fora de propósito: emissão de nota fiscal, controle de estoque com baixa automática, contas a receber e app para o cliente fazer o pedido sozinho. Cortar esses quatro itens foi o que tornou o prazo curto possível. Um sistema de pedidos personalizado só fica pequeno quando alguém tem coragem de dizer não para funcionalidade.
Dia 1: estrutura de dados e as telas de cadastro
A ferramenta principal foi um assistente de código em terminal (do tipo Codex CLI ou equivalente), usado junto com um editor com IA integrada. Explicando o jargão: "assistente de código" aqui é um programa que lê os arquivos do projeto, entende o que existe e escreve ou altera código a partir de instruções em português.
A ordem foi deliberada: primeiro o banco de dados, depois as telas. Pedi para a IA propor a estrutura das tabelas (clientes, produtos, precos_cliente, pedidos, itens_pedido) a partir do documento de escopo colado inteiro no prompt. A proposta veio boa em 80% e com um erro clássico: ela guardou o preço apenas na tabela de produtos, sem copiar o valor para dentro do item do pedido.
Isso parece detalhe e não é. Se o preço do produto mudar em setembro, todo pedido de agosto passa a mostrar o valor novo, e o histórico vira ficção. Corrigido com uma instrução direta: "grave o preço unitário praticado dentro de itens_pedido, o pedido nunca deve depender do preço atual do produto".
Resto do dia: telas de cadastro de cliente e produto, com validação básica. Cerca de 7 horas de trabalho, contando as pausas para testar cada tela na mão.
Dia 2: a tela de pedido e o primeiro retrabalho grande
A tela de pedido é o coração do sistema e foi a parte em que a IA mais brilhou e mais tropeçou no mesmo dia.
Brilhou na velocidade: busca de produto por nome enquanto digita, cálculo de total, adicionar e remover itens sem recarregar a página. Isso saiu em cerca de duas horas, incluindo ajustes de layout.
Tropeçou na regra de preço especial. O pedido inicial foi "aplicar o preço especial do cliente quando existir". A IA implementou a busca do preço especial no navegador, ou seja, o cálculo acontecia na tela do usuário. Funcionava perfeitamente na demonstração. O problema é que qualquer pessoa com um pouco de conhecimento consegue alterar o que roda no navegador, então o valor final do pedido era manipulável.
Retrabalho 1: mover todo o cálculo de preço e total para o servidor, deixando a tela apenas exibir o resultado. Custou cerca de 3 horas, incluindo refazer os testes. Vale registrar que a IA não errou sozinha: ela fez exatamente o que foi pedido. O prompt é que não dizia onde o cálculo deveria acontecer.
Total do dia 2: aproximadamente 9 horas.
Dia 3: impressão, permissões e o segundo retrabalho
A lista de separação e o romaneio saíram rápido. A IA gerou uma versão para impressão limpa, com fonte grande, sem menu, agrupando itens por categoria para facilitar a vida de quem separa no depósito.
Retrabalho 2: controle de acesso. O escopo dizia "usuário e senha", e foi isso que a IA entregou: uma tela de login funcionando. Só que o funcionário da separação enxergava a tela de custo e a de cadastro de preço especial. Ninguém tinha escrito "níveis de permissão" no documento, então ninguém implementou. Foram cerca de 4 horas para criar três perfis (dono, escritório, separação) e bloquear as telas por perfil em cada rota do sistema, não só escondendo o botão do menu.
Esse é um erro que se repete muito em projeto feito com IA: esconder o link e achar que a página está protegida. A IA, quando você pede "esconder do usuário X", frequentemente faz literalmente isso. Proteção de verdade é o servidor recusar o acesso.
Fechamento do dia: importação dos clientes e dos produtos a partir da planilha antiga (feito por script gerado pela IA em cerca de 40 minutos, com dois erros de acentuação corrigidos na mão) e publicação no servidor.
As horas reais e a comparação de custo
"Três dias" soa como algo leve. Foram três dias corridos de trabalho concentrado, não três tardes.
| Etapa | Horas aproximadas |
|---|
| Levantamento e escopo | 2h |
| Dia 1 — banco e cadastros | 7h |
| Dia 2 — tela de pedido (inclui retrabalho 1) | 9h |
| Dia 3 — impressão, permissões, importação, deploy | 8h |
| Ajustes na primeira semana de uso | 5h |
| Total | 31h |
Sobre valores, prefiro faixas a números exatos, porque preço de software varia muito por região, complexidade e quem executa. Um sistema com esse escopo, feito de forma tradicional (sem assistente de IA), costuma consumir algo entre 80 e 150 horas de desenvolvimento. A conta não é mágica: a IA cortou principalmente o tempo de digitação de código repetitivo, telas de cadastro, formulários, validações e consultas ao banco. Ela não cortou o tempo de entender o negócio, testar com o usuário real e corrigir decisões erradas de arquitetura.
Traduzindo em orçamento: a economia real fica na casa da metade a dois terços das horas, e não em "90% mais barato" como se vê por aí. Some ainda o custo mensal de hospedagem e de uso das ferramentas de IA, que existe e normalmente fica na faixa de algumas dezenas a poucas centenas de reais por mês dependendo do volume.
O que a IA acertou e o que ela não resolve
Acertou com folga:
- Gerar telas de cadastro e formulários completos a partir de uma descrição em português.
- Escrever consultas ao banco e relatórios simples.
- Criar a versão de impressão, que costuma ser chata e demorada na mão.
- Fazer a importação da planilha antiga, incluindo tratar colunas bagunçadas.
Não resolveu:
- Decidir onde a regra de negócio mora. Foi o retrabalho 1 e é o erro mais caro.
- Pensar em quem mais vai usar o sistema. Foi o retrabalho 2.
- Saber o que não perguntar. A IA não vai avisar que faltou definir permissão ou histórico de preço. Ela executa o que está escrito.
- Testar de verdade. Todo teste foi manual, tela por tela, com um pedido real de um cliente real.
O que faria diferente no próximo
Três coisas mudariam o resultado com pouco esforço:
- Escrever no documento de escopo quem faz o quê. Uma tabela simples de perfil por tela teria evitado 4 horas de retrabalho.
- Definir antes que cálculo de dinheiro é sempre no servidor. Colocar essa frase como regra fixa nas instruções do projeto, para a IA seguir sem precisar ser lembrada em cada prompt.
- Testar com o usuário final no fim do dia 1, não no dia 3. O funcionário da separação viu a tela apenas no final, e foi ele quem apontou que a lista precisava agrupar por categoria.
E uma observação honesta sobre expectativa: sistema não termina quando entra no ar. Na primeira semana apareceram cinco pedidos de ajuste, todos pequenos, todos legítimos. Quem contrata precisa reservar tempo para essa fase, seja com equipe interna ou com quem desenvolveu.
Isso serve para o seu caso?
Serve se o seu processo já está documentado na prática, mesmo que seja na planilha, e se você consegue descrever o fluxo do começo ao fim. Não serve tão bem se o processo ainda muda toda semana, se envolve nota fiscal e obrigação fiscal desde o dia um, ou se você precisa integrar com sistemas antigos sem documentação. Nesses cenários o prazo estica e a IA ajuda menos, porque o gargalo deixa de ser escrever código.
Um bom teste: pegue um pedido real e escreva no papel, passo a passo, tudo o que acontece com ele desde a mensagem do cliente até a entrega. Se você conseguir fazer isso em uma página, já tem escopo suficiente para começar.
Se você já consegue descrever no papel o caminho de um pedido do WhatsApp até a entrega, metade do trabalho está feita. A WEEBs desenvolve sistemas de pedidos sob medida usando IA no processo, com escopo fechado antes de começar e as regras de preço rodando no servidor, do jeito certo. conversar sobre seu projeto e entender o que faz sentido no seu caso.