Cuando el backlog traba la expansión comercial
El problema central no era falta de demanda. Era falta de escala operacional para responder a ella.
La producción de landing pages personalizadas exigía codificación manual em HTML e CSS com alto nível de detalhe para garantir aderência visual, consistência funcional e conformidade com o ambiente do banco. Esse trabalho levava entre 15 e 20 dias úteis por ativo, consumindo cerca de 234 horas por página.
Na prática, isso criava um custo invisível de artesania. Profissionais sêniores, capazes de atuar em desenho estrutural, otimização e evolução da frente digital, ficavam presos a tarefas repetitivas de construção. O backlog crescia e campanhas importantes, inclusive de produtos estratégicos, esperavam mais do que deveriam para entrar no ar.
Houve uma tentativa de acelerar esse fluxo com IA genérica. O tempo caiu para 136 horas, mas o ganho veio acompanhado de novo atrito: código inconsistente, desalinhamento com o design system, falhas de padronização e necessidade constante de refatoração. A velocidade melhorou parcialmente, mas a gobernanza não veio junto.
O desafio, portanto, não era apenas usar IA para escrever código. Era criar um mecanismo capaz de gerar produção mais rápida sem trocar esforço manual por retrabalho técnico.
Un agente entrenado para construir dentro de la regla
A resposta foi sair da improvisação generativa e entrar em uma arquitetura de IA com contexto, memória e controle.
A MATH desenvolveu o Code Scribe na MATH AI Platform para apoiar a criação de landing pages com base em RAG especializado. Em vez de responder com base em conhecimento genérico, o sistema consulta uma base proprietária antes de gerar qualquer estrutura, usando como referência o design system, a documentação de componentes e repositórios de páginas já validadas.
Essa base de conhecimento foi formada por ativos centrais da operação, incluindo o design system do banco, documentação de atomic design e exemplos anteriores de landing pages com alta performance. Com isso, a IA deixou de improvisar interface e passou a trabalhar dentro do DNA técnico e visual já consolidado.
A segunda camada foi a automação de conformidade. O agente passou a aplicar automaticamente tags de analytics e taxonomia, reduzindo erro humano na coleta de dados. Também incorporou geração contextual de descrições alternativas para imagens, reforçando acessibilidade e aderência legal sem depender de preenchimento manual ponto a ponto.
A terceira camada foi o redesenho do fluxo de trabalho. O desenvolvedor deixou de atuar como executor de cada bloco de código e passou a operar mais como validador e arquiteto da solução. O centro do processo mudou de escrever e depois testar para orientar, validar e ajustar com base em uma geração muito mais aderente ao contexto do banco.
Outro ponto decisivo foi a proteção dos ativos. A solução operou em ambiente isolado na nuvem, preservando identidade visual, regras de campanha, lógica de implementação e conhecimento técnico do banco sem exposição a ferramentas públicas.
O ganho não veio de pedir código a um modelo qualquer. Veio de construir uma IA capaz de gerar dentro do padrão, do contexto e da gobernanza exigidos pela operação.
Lo que ganó el área cuando el código dejó de ser cuello de botella
O primeiro resultado foi tempo. O esforço por landing page caiu de 234 para 60 horas, reduzindo o cycle time em 74%. Esse número mostra que a mudança não foi marginal. Ela alterou de forma relevante a capacidade de resposta da operação.
O segundo resultado foi escala. Com o mesmo time, a área passou de uma entrega para quatro landing pages no mesmo período. Isso ampliou a capacidade de ativação comercial sem necessidade de expandir headcount, mostrando que produtividade aqui não foi apenas aceleração individual, mas multiplicação real da boca do funil.
O terceiro resultado foi técnico. Diferentemente do uso de IA genérica, a redução de tempo não trouxe queda de qualidade. Pelo contrário. A geração padronizada e aderente ao design system sustentou notas máximas de SEO e performance no Google Lighthouse, tornando a eficiência compatível com consistência.
O quarto resultado foi organizacional. Ao deslocar o desenvolvedor do trabalho repetitivo para a validação estratégica, a operação passou a usar melhor sua capacidade especializada. Em vez de ampliar equipe para sustentar volume, passou a ampliar capacidade com uma estrutura mais inteligente.
Ao final, a criação de landing pages deixou de ser uma fila artesanal e passou a operar como uma fábrica assistida, com mais gobernanza, mais velocidade e mais aderência ao que o negócio precisa.
