Tino | Fintech B2B
Personas Sintéticas
Como usamos IA para transformar personas esquecidas em PPTs em uma ferramenta para decisões centradas no cliente
Minha atuação
Liderei essa iniciativa de ponta a ponta, da identificação do problema ao lançamento, combinando dados, entrevistas com usuários, design e IA para criar as Personas Sintéticas
Empresa
O Tino é uma fintech B2B que conecta pequenos e médios lojistas a fornecedores por meio de uma solução de pagamentos.
Time
Head de Produto · Head da Tribo Lojistas
· 2 PMs · PD Jr. · Data Analyst · Marketing
Ano
2025
O problema
Nossos clientes mudaram. Nosso conhecimento sobre eles ficou para trás.
Em conversas com diferentes áreas do Tino, percebi que cada pessoa tinha uma referência diferente de quem era nosso cliente, de “Tania” e “Tina” a “seu João da padaria”.
Sem uma visão compartilhada dos clientes e de como cada necessidade se distribuía na base, acabávamos priorizando funcionalidades para segmentos muito pequenos, sem impacto nas métricas, a partir de comentários como “eu acho que isso é melhor para os lojistas”.
O problema se tornava ainda maior à medida que o Tino expandia sua atuação de food service para novos segmentos, como eletrônicos e moda. Estávamos criando produtos, oferecendo crédito e nos comunicando com clientes que ainda não conhecíamos, aumentando o risco de impactos em métricas como adoção e inadimplência.
Ao identificar o problema, propus ao Head de Produto uma priorização da iniciativa, apresentando os impactos que a falta de conhecimento sobre o cliente já estava gerando no roadmap.
How might we
Como poderíamos transformar o conhecimento sobre nossos lojistas em algo acessível e compartilhado, capaz de fortalecer uma cultura de decisões centradas no cliente em toda a empresa?
Para reconstruir nossa compreensão sobre os lojistas, priorizamos comportamento em vez de dados demográficos, criando Data Personas.
Começamos alinhando objetivos com stakeholders e trabalhando com o time de dados para combinar diferentes fontes de informação. O objetivo era compreender não apenas quem eram os lojistas, mas como tomavam decisões, se organizavam financeiramente e quais eram suas necessidades de crédito.
Decidi usar o conceito de Data Persona: personas baseadas em dados de uso e comportamento para deixar estereótipos de lado. Empresas semelhantes demograficamente podem tomar decisões completamente diferentes.
Triangulamos diferentes fontes de dados e informações para criar 7 clusters, que foram priorizados por relevância na base e prioridade estratégica e viraram 3 personas.
Dados mostram padrões e entrevistas explicam por que eles existem. As 3 Data Personas usavam crédito, mas não pelo mesmo motivo.
Porém as Data Personas, sozinhas, não resolviam
o problema. Precisávamos resolver o acesso
ao conhecimento.
As fichas foram construídas no Notion, mas nas primeiras validações com stakeholders percebi que o conteúdo das três personas era rico, porém extenso e difícil de consumir no dia a dia.
O risco era reproduzir o mesmo problema que queríamos resolver: criar conhecimento e, depois, vê-lo esquecido. A partir disso, pivotei a ideia inicial de usar o Notion como repositório e formulei uma nova problemática.
Novo How Might We
Como podemos facilitar a leitura e compreensão de tanto conteúdo para tornar o conhecimento fácil de acessar e utilizar no dia a dia?
A partir dessa pergunta e das explorações de IA que eu vinha estudando, surgiu a ideia de transformar as personas em uma ferramenta online, compartilhável e interativa, na qual os times pudessem não apenas consultar uma ficha, mas conversar com cada persona. Não para substituir a pesquisa com clientes reais, mas para ampliar o acesso ao conhecimento produzido por ela.
Decisão de Design #1
De dados a pessoas
Para tornar as personas mais fáceis de reconhecer e lembrar, propus evoluir o conceito de Data Personas para Personas Sintéticas. Além dos arquétipos comportamentais, cada persona ganhou nome e rosto, tornando a representação mais humana.
Em um workshop com o time e stakeholders, definimos nomes inspirados em clientes reais entrevistados. Assim nasceram: Renato, Carla e João
Decisão de Design #2
De PDF estático a ferramenta viva, editável e compartilhada.
Para validar rapidamente a hipótese sem depender de um time dedicado de engenharia, construí a primeira versão inteiramente no Figma Make.
Em vez de uma biblioteca de PDFs, projetei uma plataforma compartilhada onde qualquer pessoa pudesse consultar, comparar e explorar as personas. Cada uma ganhou uma ficha visual com seus principais comportamentos, funcionando como uma fonte única de conhecimento.
Decisão de Design #3
As fichas resumem. O chat aprofunda.
Dentro de cada ficha, um chat conversacional orientado pelas evidências da pesquisa permite ir além do resumo. O objetivo era incentivar a curiosidade e aproximar os times dos clientes.
Como funciona por trás
A interface e o comportamento de cada persona são orientados por arquivos .md com o contexto, características e padrões comportamentais identificados na pesquisa.
A IA do Figma Make utiliza esse contexto para simular os critérios de decisão da persona e responder de forma coerente com os padrões encontrados na pesquisa.
Assim, em vez de consultar uma persona estática, o time pode conversar com ela, explorar diferentes situações e acessar o conhecimento da pesquisa de forma mais natural e contextual.
Guardrails para a IA
Também criei e testei guidelines para orientar as respostas e reduzir alucinações:
Não inventar citações ou dados
Priorizar evidências antes de inferências
Assumir “não sei” quando não houver evidência
Impacto
Quando o conhecimento ficou acessível, ele passou a fazer parte das conversas do dia a dia.
Para disseminar e incentivar o uso da ferramenta, criamos um plano de Go-To-Market. Começamos apresentando o projeto e as personas em um All Hands para toda a empresa.
Primeiros sinais de adoção
• Inclusão das Personas Sintéticas na chegada de novos colaboradores.
• Em algumas semanas, começamos a ouvir o time de Produto substituir “eu acho que é melhor” por “o que a Carla acharia dessa funcionalidade de adiar pagamento?”
O que não conseguimos medir
O MVP não chegou à etapa de mensuração de uso e adoção por pessoa ou time, que seria o próximo passo para validar, com dados, seu impacto na cultura de decisão.
A operação do Tino foi encerrada antes que essa etapa pudesse ser desenvolvida.
Evoluções previstas: métricas de uso e adoção, recomendação de persona e histórico de conversas.
Aprendizados que levo desse projeto
Pesquisa só gera valor quando é utilizada.
Criar conhecimento não basta; é preciso pensar em como ele será acessado
e incorporado ao trabalho.
IA abriu uma nova frente de experimentação.
O projeto ampliou minha experiência em IA aplicada a produto e construção de um produto sem depender de um time de desenvolvimento.
O papel de Design pode ir além da interface.
Esse projeto me mostrou que posso sair do escopo tradicional de Design, identificar um problema organizacional, articular diferentes áreas e criar uma solução capaz de influenciar a forma como a empresa pensa sobre seus clientes.