4 princípios para criar produtos de IA realmente úteis

Como o CEO da Granola cria produtos de IA realmente úteis

• A Granola é uma startup em que a IA transcreve em tempo real o áudio de reuniões por vídeo e presenciais, e ainda cria automaticamente notas resumidas considerando contexto, participantes e o contexto das decisões.

4 princípios para aplicar na criação de startups de aplicações de IA

1. Não mexa em problemas que logo vão desaparecer
   • Os LLMs ampliam drasticamente seu desempenho e janela de contexto a cada poucos meses.
   • A Granola deixou para depois o recurso de “processar reuniões longas”, que os primeiros usuários pediam, e focou em “qualidade do resumo”. Quando os modelos evoluíram, a limitação de tamanho se resolveu naturalmente, e só restou a diferenciação pela qualidade.
2. Use o alto custo marginal como oportunidade
   • O custo de chamar os modelos mais recentes cresce em proporção ao número de usuários. Grandes empresas não conseguem usar os melhores modelos para uma base enorme de usuários.
   • Startups podem, no início, usar à vontade os modelos mais caros e chamadas em múltiplas etapas para poucos clientes, oferecendo uma experiência “nível Ferrari”. Com o tempo, o custo unitário dos modelos cai rapidamente, e o custo de escalar cai junto.
3. Contexto é rei
   • Encare o LLM não como uma “máquina de regras”, mas como um “estagiário novo inteligente, porém sem informação”.
   • É preciso coletar e injetar de forma sistemática contextos como objetivo da reunião, participantes e histórico do projeto para obter a saída desejada. Por mais que o desempenho do modelo suba, “qual contexto inserir e como inseri-lo” continuará sendo o centro da vantagem competitiva.
4. Vá fundo em um escopo estreito
   • Para competir com chatbots de uso geral, é preciso ser incomparável em uma tarefa muito específica.
   • A diferenciação não vem tanto do algoritmo de IA, mas do “wrapping” (fluxo de notificações, reconhecimento automático de participantes na reunião, remoção de eco e outros detalhes cuidadosos de UX).
   • Quanto mais estreito o escopo, mais rápido é possível encontrar e mitigar padrões de erro, reduzindo o “vale da estranheza”.
     Conclusão

• A velocidade da tecnologia dobrou, mas o princípio fundamental do desenvolvimento de produto — “crie aquilo que as pessoas realmente querem” — não muda.
• Produtos de IA realmente úteis nascem quando a equipe concentra sua capacidade em problemas que não vão desaparecer, em uma experiência de usuário profunda e no design de contexto.