Uma das maiores Federações da Indústria do país
Cliente
Uma das maiores Federações da Indústria do país
Uma das maiores Federações da Indústria do país enfrentava um cenário de gestão fragmentada entre dois ecossistemas distintos: um sistema proprietário legado e um sistema SaaS de terceiros com arquitetura restrita.
A coexistência dessas soluções gerava alto custo, fragmentação de dados, riscos de conformidade e dificuldades de governança. A complexidade operacional do sistema proprietário também levavam usuários a criar controles paralelos em planilhas, ampliando o cenário de Shadow IT.
Para superar esse cenário, a organização buscou a Squadra com o objetivo de construir uma plataforma única, Multitenant e Whitelabel, capaz de unificar os sistemas sem reproduzir os problemas existentes.
O principal desafio era compreender a arquitetura e as regras de negócio do SaaS, uma verdadeira "caixa preta", sem acesso ao código-fonte, à documentação de APIs ou aos diagramas de banco de dados.
Com a plataforma Genius, a Squadra aplicou inteligência artificial ao processo de Discovery e Design de Produto, utilizando análise multimodal, engenharia reversa, prototipação e validação contínua por RAG a partir de uma base de conhecimento rigorosamente higienizada e validada. .
O processo permitiu transformar meses de pesquisa, prototipagem e validação arquitetural em semanas, acelerando decisões, reduzindo retrabalho e criando uma base estruturada para o desenvolvimento da nova plataforma.
Uma das maiores Federações da Indústria do país, com uma operação apoiada por diferentes ecossistemas tecnológicos para gestão de suas atividades e atendimento às indústrias associadas.
A organização mantinha sua gestão distribuída entre dois sistemas: um proprietário, que apresentava limitações técnicas e desafios operacionais, e um SaaS de terceiros, cuja arquitetura fechada restringia a flexibilidade e a capacidade de personalização.
Essa fragmentação impactava a governança de dados e induzia o uso de controles paralelos em planilhas para viabilizar as atividades operacionais. Simultaneamente, a natureza fechada do ecossistema SaaS impunha desafios técnicos adicionais à unificação, exigindo uma abordagem robusta para a mitigação de riscos.
O projeto visava, portanto, a evolução para uma plataforma única, Multitenant e Whitelabel.
O SaaS não disponibilizava código-fonte, documentação de APIs ou diagramas de banco de dados. Era necessário realizar uma engenharia reversa para compreender suas regras de negócio e funcionamento.
A complexidade operacional do sistema proprietário levava usuários a buscar alternativas em planilhas para viabilizar suas atividades, o que impactava a governança dos dados.
O SaaS não permitia personalização visual, dificultando a aplicação da identidade da organização e das diferentes empresas atendidas pela plataforma.
A ausência de uma arquitetura Multitenant claramente conhecida aumentava as preocupações sobre o isolamento de informações entre diferentes tenants e possíveis riscos de privacidade e concorrência.
Além de entender os sistemas existentes, era necessário garantir que os problemas e limitações identificados no cenário atual não fossem transferidos para a nova plataforma.
A plataforma Genius foi aplicada ao processo de Discovery e Design de Produto para acelerar a compreensão dos sistemas, a definição da nova arquitetura e a validação das decisões.
Os agentes orquestradores do Genius utilizaram análise multimodal para processar gravações de tela, transcrições de reuniões e logs de rede, permitindo mapear fluxos de navegação, comportamentos, endpoints, APIs e regras de negócio do SaaS, além de apoiar a análise do código-fonte do sistema legado.
Na definição da nova plataforma, a IA apoiou a estruturação de uma arquitetura Multitenant com isolamento lógico entre os diferentes tenants, além de um Design System baseado em Design Tokens para permitir uma experiência Whitelabel, com adaptação de cores, logotipos e tipografias.
Para reduzir a dependência das planilhas paralelas, também foram projetadas experiências voltadas à alta densidade de dados, incluindo Data Grid Dinâmico com edição inline e um construtor Drag-and-Drop para BI Self-Service.
Outro diferencial foi o uso de RAG para validação contínua. As informações levantadas durante o Discovery foram transformadas em uma base de conhecimento utilizada pelos agentes do Genius para validar novas telas, fluxos e decisões arquiteturais, ajudando a evitar que problemas do sistema legado fossem reproduzidos na nova solução.
Mapeamento de regras de negócio, APIs, fluxos, relacionamentos, campos e cadastros do sistema fechado, mesmo sem acesso ao código-fonte.
Interfaces de alta fidelidade e protótipos navegáveis que simulavam o uso real e permitiam validação contínua junto ao cliente.
Definição de uma arquitetura preparada para múltiplos clientes, com isolamento entre tenants e possibilidade de personalização da identidade visual.
Criação de uma estrutura baseada em Design Tokens, permitindo adaptar elementos visuais da plataforma para diferentes clientes.
Desenho de Data Grid Dinâmico e construtor Drag-and-Drop para BI Self-Service, ampliando a autonomia dos usuários.
Geração de documentação com Story Map, Roadmap estratégico, User Stories, regras de negócio, cenários de uso, critérios de aceite BDD, fluxos e arquitetura.
Com o apoio dos agentes de inteligência artificial do Genius, o processo de Discovery, UX Research e Arquitetura,etapa que normalmente levaria meses, foi conduzido em semanas, com uma cocriação até 4x mais rápida e uma aceleração geral de 80% em relação ao ciclo tradicional. Isso foi possível graças à reutilização contínua do conhecimento mapeado ao longo do projeto, que reduziu em 95% o tempo gasto buscando informações já levantadas.
90% de redução no tempo de prototipagem: interfaces de alta fidelidade e navegáveis passaram a ser produzidas em um ciclo muito menor, permitindo validação contínua junto ao cliente a cada etapa do Design.\
70% de visibilidade sobre um sistema fechado: mesmo sem acesso a código-fonte, documentação ou diagramas, a engenharia reversa apoiada por IA mapeou regras de negócio, APIs, fluxos, relacionamentos, campos e cadastros do SaaS legado.\
Handover automatizado para a Engenharia: o processo foi encerrado com a geração de um pacote completo de documentação — Story Map, Roadmap estratégico, User Stories, regras de negócio, critérios de aceite BDD e arquitetura — apoiando a transição para a etapa de desenvolvimento. ,
