Em agosto de 2025, quase perdemos um cliente.
Nao por falta de qualidade. Por falta de velocidade. O cliente pediu 15 pecas de conteudo para cobrir um evento de cripto em tempo real — threads, posts, stories, newsletter especial. Nosso time de 5 pessoas ja estava no limite com os outros clientes. Entregamos 9 das 15 pecas. Com atraso.
O feedback foi educado, mas claro: "Se voces nao conseguem acompanhar o ritmo do mercado, vamos precisar de outra agencia."
Naquele momento, eu tinha duas opcoes: contratar mais gente ou construir um sistema melhor. Escolhi a segunda. E nasceu o KAI.
O problema real: producao manual nao escala
Antes do KAI, nosso workflow de conteudo era artesanal. Cada peca passava por 7 etapas manuais, envolvia 2-3 pessoas e levava em media 2 dias do briefing a publicacao.
O gargalo nao era criatividade — era operacao. Pesquisar referencia, adaptar tom de voz, formatar para cada plataforma, agendar, compilar metricas. Trabalho necessario, mas mecanico. Trabalho que consumia 70% do tempo e exigia 0% de genialidade.
A pergunta que mudou tudo: "E se a IA fizesse os 70% mecanicos e o humano focasse nos 30% criativos?"
A arquitetura do KAI
O KAI nao e uma ferramenta unica. E um sistema integrado com 4 componentes principais:
1. Skill Graphs — O cerebro de cada cliente
Cada cliente tem um grafo de conhecimento vivo que armazena:
- Voz da marca: Tom, vocabulario, expressoes proibidas, nivel de formalidade por plataforma
- Temas e pilares: O que o cliente fala, o que nao fala, e em que proporcao
- Historico de performance: Quais formatos, temas e hooks performaram melhor
- Audiencia: Segmentos, linguagem, dores, objecoes
- Regras por plataforma: Limites de caractere, hashtags, frequencia, horarios
2. Templates de formato (nao de conteudo)
Cometemos um erro no inicio: criamos templates de conteudo ("post sobre tendencia X", "thread sobre conceito Y"). O resultado era conteudo que parecia template.
A virada foi mudar para templates de formato:
- Template de thread no X (estrutura de hook + desenvolvimento + CTA, nao conteudo especifico)
- Template de post longo no LinkedIn (abertura com dado, corpo com insight, fechamento com pergunta)
- Template de carrossel no Instagram (capa provocativa, slides educativos, CTA no ultimo)
- Template de newsletter (curadoria + analise proprietaria + CTA)
3. Pipeline de producao
O fluxo do KAI funciona em 4 etapas:
Etapa 1 — Input humano (5 min): O estrategista define tema, angulo e plataforma-alvo. Pode ser uma frase: "Tendencia de IA agents para audiencia cripto, tom provocativo, X primeiro."
Etapa 2 — Geracao assistida (automatico): O KAI consulta o Skill Graph, seleciona o template de formato adequado, pesquisa referencias recentes (via curadoria RSS automatica) e gera o rascunho. Tempo: ~30 segundos.
Etapa 3 — Revisao humana (15-30 min): O criativo recebe o rascunho com contexto — benchmark de posts similares, score de previsao de engajamento, alternativas de hook. Ele refina, adiciona autenticidade, humor, referencias culturais. A decisao criativa continua sendo humana.
Etapa 4 — Distribuicao (automatico): Apos aprovacao, o sistema adapta para cada plataforma (cross-posting inteligente, nao copy-paste), agenda nos horarios otimizados e publica.
4. Feedback loop automatico
Todo conteudo publicado e rastreado. Apos 48 horas, o KAI atualiza o Skill Graph com:
- Metricas de performance (engagement, reach, saves, replies)
- Classificacao de tema e formato
- Score comparativo com a media do cliente
Decisoes tecnicas: por que construimos custom
Por que Supabase (e nao Firebase ou Prisma + Postgres)
- Row Level Security nativo: Cada cliente so acessa seus dados. Essencial para uma agencia multi-cliente
- Edge Functions: Logica de backend sem servidor dedicado. Nossos agentes de IA rodam como Edge Functions
- Realtime: Atualizacoes em tempo real no dashboard do cliente
- Custo: Previsivel e escalavel. Para nosso volume, sai 80% mais barato que Firebase
Por que Claude API (e nao GPT ou Gemini)
Testamos os tres extensivamente. Claude ganhou por 3 motivos:
- Qualidade de escrita em portugues: Significativamente superior para conteudo que precisa soar natural e nao "traduzido"
- Context window grande: Permite enviar o Skill Graph inteiro como contexto, sem fragmentar
- Seguir instrucoes complexas: Quando voce define "tom informal mas nao coloquial, provocativo mas nao agressivo", Claude entende nuance. Os outros chutam
Por que custom (e nao Jasper, Copy.ai, etc.)
Ferramentas off-the-shelf sao genericas por definicao. Elas nao tem:
- Skill Graphs por cliente (o conceito nao existe nessas plataformas)
- Feedback loop automatico baseado em performance real
- Integracao nativa com nosso stack (Supabase, analytics, agendamento)
- Controle total sobre prompts, modelos e pipeline
Resultados concretos
Seis meses apos implementar o KAI:
| Metrica | Antes | Depois | Variacao |
|---|---|---|---|
| Pecas por mes por cliente | 40 | 120+ | +200% |
| Tempo medio por peca | 3h20 | 47min | -76% |
| Taxa de engajamento media | 2.1% | 2.8% | +34% |
| Time-to-publish (noticia) | 72h | <24h | -67% |
| Clientes atendidos | 4 | 6 | +50% |
| Tamanho do time | 5 | 5 | 0 |
Licoes aprendidas construindo IA para trabalho criativo
1. IA e amplificador, nao substituto
O KAI nao cria conteudo sozinho. Ele amplifica a capacidade do humano. A decisao criativa — o angulo, o timing, a provocacao, o humor — continua sendo 100% humana. A IA cuida da pesquisa, estruturacao, formatacao e distribuicao.
Quando tentamos deixar a IA fazer tudo, a qualidade caiu. Quando definimos claramente o que e mecanico (IA) e o que e criativo (humano), tudo melhorou.
2. Garbage in, garbage out — elevado ao cubo
Se o Skill Graph esta mal construido, o conteudo sai ruim. Se o input do estrategista e vago, o rascunho e generico. A qualidade do sistema e diretamente proporcional a qualidade do que voce alimenta nele.
Investimos mais tempo construindo Skill Graphs do que construindo o pipeline em si. E isso foi a decisao certa.
3. O feedback loop e o ativo mais valioso
Qualquer um pode conectar uma API de IA e gerar texto. A vantagem competitiva real esta no feedback loop — o sistema que aprende o que funciona para cada cliente especifico e melhora continuamente. Apos 6 meses, o KAI "conhece" cada cliente melhor do que um novo funcionario conheceria em 1 ano.
4. Transparencia com o cliente e obrigatoria
Todos os nossos clientes sabem que usamos IA no processo. Mostramos exatamente onde e como. Nenhum esconde. A reacao unAnime: "Desde que o resultado seja bom, nao me importo como voces fazem."
A honestidade gera confianca. Tentar esconder o uso de IA e um risco desnecessario.
O futuro: Kreator SaaS
O KAI nasceu como ferramenta interna, mas o feedback do mercado foi claro: outras agencias querem isso.
Estamos desenvolvendo o Kreator — uma versao SaaS do KAI que permite qualquer agencia construir Skill Graphs, usar o pipeline de producao e ter o feedback loop automatico.
A filosofia e open-core: o sistema base sera acessivel, com features avancadas para quem precisa de mais. Acreditamos que democratizar a producao de conteudo com IA eleva todo o mercado — inclusive a gente, que vai estar sempre um passo a frente por ser quem construiu.
Quer ser avisado quando o Kreator lancar? Fala com a gente ou acompanha a Kaleidos nas redes.
Para fechar
Construir o KAI foi a melhor decisao que tomamos como agencia. Nao porque a IA e magica — mas porque o sistema certo transforma uma limitacao operacional em vantagem competitiva.
Se voce opera uma agencia e sente que esta no limite de capacidade, a resposta provavelmente nao e "contratar mais gente". E "construir um sistema melhor".
E se quiser ajuda para construir o seu, a Kaleidos esta aqui.
