Carnier Studio

Resultado em uma frase

Uma loja de seminovos premium que dependia de portal, agência e vendedor acordado às 23h passou a ter um site que atende sozinho, um blog que se escreve a cada carro novo e um painel que mostra quanto dinheiro está parado no pátio.

• Cliente: Garage 665, loja de seminovos premium e blindados, hoje o primeiro cliente de um produto pensado para várias lojas
• Meu papel: produto, UX, frontend, backend, IA, infraestrutura e deploy dos três sistemas
• Prazo: site no ar em março de 2026; o Studio nasceu em maio e evolui desde então
• Resultado principal: um único cadastro de veículo alimenta o site, o chat com IA, o blog, as artes das redes e a análise de estoque

O contexto

Loja de carro premium vive de confiança e de giro. Um blindado de R$ 400 mil parado 30 dias a mais custa caro, e uma resposta errada sobre sinistro ou nível de blindagem custa mais ainda. A Garage 665 vendia bem, mas tudo que acontecia depois do cadastro do carro dependia de alguém lembrar de fazer.

O problema

O estoque vivia no sistema de gestão da loja (AutoCerto), e só lá. O site mostrava "Blindado: S" e uma lista de opcionais genéricos que não combinava com carro de alto padrão. O cliente perguntava à noite pelo WhatsApp e ninguém respondia. O Instagram dependia de quem tivesse tempo. E ninguém sabia dizer, sem planilha, quantos carros tinham passado de 90 dias ou se o preço estava acima do mercado (a FIPE não considera blindagem).

Um chatbot genérico não resolvia: em loja de carro, uma IA que inventa uma informação vira problema jurídico. Uma agência também não: não conhece o estoque do dia.

A abordagem

• Descoberta: comecei pelo briefing do dono e pelas perguntas que os clientes faziam de verdade no WhatsApp. Elas viraram a estrutura de dados: uma camada da loja (troca, financiamento, laudo), uma por veículo (procedência, revisões, blindagem, conservação) e uma do modelo, que a IA pesquisa sozinha e reaproveita entre carros iguais.
• Não substituir o sistema da loja: o Studio fica em cima do AutoCerto. O carro entra uma vez no sistema que a equipe já usa e aparece no site e no painel. Zero retrabalho, zero migração de rotina.
• IA que não inventa, por arquitetura: o chat responde só a partir dos dados do carro, da ficha preenchida pelo vendedor e da pesquisa do modelo. Quando não sabe, diz que vai confirmar com um consultor e a pergunta entra numa fila no painel. As sugestões de preenchimento sempre mostram o trecho do anúncio que as justifica; o que não está escrito é descartado.
• Multi-loja desde o primeiro dia: o dono já queria vender o produto para outras lojas, então tenants, configurações por loja e white-label entraram na fundação, não depois.

A solução

São três sistemas que conversam entre si.

O site da loja. Vitrine em Next.js com estoque real puxado da API do AutoCerto, páginas de veículo com fotos 360° do interior, bloco de blindagem completo, comparador, simulador de financiamento e o chat com IA de cada carro. Banners, cores, contatos e o simulador são controlados pelo painel e atualizam o site na hora. O Carnier Studio. O painel da loja. Ficha complementar em 7 passos pré-preenchida pelo sistema da loja, conversas do chat com busca e filtros, uma lista de "perguntas sem resposta" que vira resposta cadastrada (o atendimento melhora toda semana), blog que gera um rascunho para cada carro novo no estoque, gerador de artes para Instagram e Facebook com a identidade da loja, análise de tempo de pátio com o capital parado por faixa e preço comparado com a FIPE e com anúncios parecidos achados por IA, inclusive da mesma blindagem. O worker em Python. Um serviço FastAPI com agendador próprio que varre o estoque de hora em hora, gera os rascunhos do blog, refaz a pesquisa de mercado toda semana, sincroniza anúncios e converte as fotos fisheye das câmeras 360° em panoramas equiretangulares com FFmpeg.

Por baixo do capô

Next.js 16 (App Router, Server Components) e React 19 nos dois fronts, Tailwind v4 com design system próprio no painel, Supabase (Postgres, Auth, Storage) com dados isolados por loja, e um worker Python/FastAPI em container. A pesquisa do modelo roda em duas etapas: busca na web com citações e, depois, extração para um JSON schema estrito, sem ferramentas, para não haver alucinação no dado final. O chat passa por moderação e limite de mensagens por visitante e por IP. O estoque do AutoCerto é cacheado com revalidação por tag; o enriquecimento do Studio é casado por placa e falha em silêncio, ou seja, se o Studio cair, o site perde os extras, nunca o estoque. Na migração de IDs do sistema da loja, mapeei os códigos antigos e o site responde 308 para a URL nova, preservando o SEO. Observabilidade com PostHog, incluindo os custos e as respostas da IA.

Resultados

• Um cadastro feito uma vez abastece site, chat, blog, artes e análise de saúde do estoque
• Atendimento 24h com as informações reais de cada carro e um caminho seguro quando a IA não sabe
• Blog com rascunho automático para cada carro que entra no estoque, ligado ao estoque vivo
• O dono enxerga em segundos quanto capital está parado e quais carros estão acima do mercado
• O produto mede o próprio resultado: a aba Resultados compara carros trabalhados no Studio com os demais

O que eu levo deste projeto

A regra "a IA não inventa" não se garante com prompt, se garante com arquitetura: separar fato de geração, citar a fonte de cada sugestão e transformar o "não sei" em dado útil para a loja. Foi isso que deixou um dono de loja confiar o atendimento a um bot.