Aumentando a conversão do fluxo principal de um produto com IA.

Projeto reconstruído para portfólio com informações anonimizadas e elementos visuais reconstituídos.

Visão geral

A R.E.A. era uma funcionalidade baseada em IA voltada à leitura e interpretação de matrículas e certidões imobiliárias, com o objetivo de identificar informações relevantes para operações de crédito e análise de risco. A tecnologia já encontrava pontos importantes no documento, mas a experiência ainda exigia esforço excessivo para interpretar o que realmente importava.

Contexto

A funcionalidade já entregava valor técnico ao extrair e destacar informações relevantes dos documentos. Ainda assim, a leitura seguia fragmentada e com pouco direcionamento para o usuário final. Havia uma oportunidade clara de melhorar percepção de valor, velocidade de análise e adoção do fluxo dentro do produto.

O problema

Mesmo com boa capacidade de leitura automatizada, a experiência ainda deixava o usuário com esforço cognitivo elevado para interpretar os principais achados.

• Dificuldade para entender rapidamente a situação geral da matrícula;
• Falta de um resumo claro dos principais pontos de atenção;
• Necessidade de navegar pelo conteúdo para identificar o que era realmente crítico;
• Pouca visibilidade imediata do valor entregue pela IA.

Objetivo do projeto

• Aumentar a percepção de valor da IA;
• Reduzir o tempo necessário para interpretar uma matrícula;
• Facilitar a identificação dos principais riscos e restrições;
• Tornar a leitura mais simples para analistas;
• Aumentar o volume de matrículas analisadas dentro do produto.

Meu papel

Atuei no redesign da experiência da R.E.A., com foco em estrutura de informação, organização dos achados da IA e definição de uma interface mais clara para leitura dos documentos analisados. O trabalho envolveu entender o problema junto ao time, reorganizar a forma como os resultados eram apresentados e transformar uma análise complexa em uma experiência mais simples, escaneável e útil para tomada de decisão.

Descoberta e processo

A investigação partiu do entendimento de que a funcionalidade já tinha capacidade técnica relevante, mas ainda podia evoluir em usabilidade, legibilidade e percepção de valor.

• Compreensão do comportamento esperado do analista ao avaliar uma matrícula;
• Entendimento dos principais pontos de atenção encontrados nos documentos;
• Identificação de oportunidades para destacar melhor os achados da IA;
• Reorganização da leitura para reduzir esforço e acelerar entendimento.

Processo do projeto

Solução

A solução partiu da ideia de que uma boa IA não basta por si só. Ela precisa apresentar seu valor de forma clara, direta e confiável. O redesign reorganizou a experiência em uma camada de síntese inicial e uma camada de aprofundamento para quando o usuário precisasse investigar melhor os achados.

• Resumo inteligente no topo da análise;
• Camada mais objetiva para entender rapidamente a situação da matrícula;
• Leitura mais escaneável dos achados, riscos e restrições;
• Maior percepção de valor do que a IA efetivamente entrega.

Telas do fluxo

Jornada de uso

Resultados e impacto

• Aumento de 27% no volume de matrículas analisadas por usuário no período;
• Crescimento de 19% na interação com a funcionalidade de análise da IA;
• Melhora na percepção de clareza e velocidade da análise por parte dos usuários.

Com a nova estrutura, a análise passou a comunicar melhor o valor da IA e a reduzir o esforço necessário para encontrar os pontos mais importantes do documento. A combinação entre um resumo inicial mais objetivo e uma leitura mais organizada ajudou a acelerar a análise, dar mais clareza ao processo e aumentar o uso da funcionalidade dentro do produto.

Aprendizados

Esse projeto reforçou a importância de pensar experiências com IA para além da capacidade técnica. Não basta que o sistema encontre a informação correta. A interface precisa comunicar com clareza o que foi encontrado, por que aquilo importa e como isso ajuda o usuário a tomar uma decisão mais rápida e segura.

Nota: este case foi reconstruído com dados anonimizados, telas reconstituídas e métricas representativas do contexto original, preservando o raciocínio de produto, a natureza da solução e o impacto esperado do redesign.