Construindo este portfólio

A apresentação anterior já não representava plenamente a convergência atual entre Product Design, UX, conhecimento de desenvolvimento de software, colaboração com Engenharia, implementação e fluxos assistidos por IA. O objetivo deixou de ser apenas mostrar projetos: era tornar visível como penso, estruturo decisões, construo e valido.

Tratei o portfólio como um produto: conteúdo primeiro, evidências claras, duas línguas, acessibilidade, responsividade, manutenção técnica e validação contínua. A implementação deveria sustentar o posicionamento profissional, não funcionar apenas como sua embalagem.

• Conteúdo primeiro e narrativa orientada por evidências
• PT-BR canônico e experiência equivalente em inglês
• Componentes compartilhados, comportamento acessível e critérios testáveis

Não houve telas finais previamente desenhadas no Figma. As decisões passaram por discussão, implementação, renderização no navegador, crítica humana, testes e refinamento. Isso não torna o Figma obsoleto nem define um método universal: neste produto, o código foi um dos meios de design. Figma continua relevante para documentação, referências e materiais de apoio.

• Objetivo → hipótese → implementação → render
• Revisão humana → teste → refinamento
• Commit → deploy → validação em produção

A arquitetura bilíngue, a hierarquia editorial da Home, a ordem dos projetos, a navegação sem hierarquias artificiais, o Evidence System, os temas Light/Dark e o refinamento de escaneabilidade do SUBITER são decisões do produto — não apenas detalhes de interface.

Next.js App Router, React e TypeScript sustentam rotas e dicionários tipados. Componentes compartilhados e tokens semânticos mantêm consistência. Tailwind CSS é o padrão atual para UI nova e migrada; shadcn/ui e primitivas Radix são usados onde resolvem interação e acessibilidade de forma significativa.

Velocidade de implementação foi acompanhada por gates explícitos: testes automatizados, typecheck, lint, build de produção, QA responsivo, Light/Dark, localização PT-BR/EN, teclado, movimento reduzido, contraste, revisão visual humana e validação do deploy em produção.

Após a publicação, o portfólio passou a contar com Microsoft Clarity como camada de observação comportamental. Heatmaps, gravações de sessão e padrões de interação passam a apoiar novas revisões de UX com evidências de uso real, mantendo analytics condicionado à escolha do visitante. O ciclo se expande para Design → implementação → validação automatizada → produção → observação comportamental → refinamento.

Conventional Commits organiza o histórico semântico. BEM permanece na arquitetura CSS original/legada, enquanto Tailwind é o padrão de UI atual. A documentação evoluiu junto com decisões e implementação; ela apoia colaboração, não a substitui.

As revisões de UX foram orientadas por princípios de usabilidade e referências publicadas pela Nielsen Norman Group (NN/g). A acessibilidade foi tratada por revisão, validação de contraste, QA de teclado e critérios relevantes orientados pela WCAG quando avaliados — sem alegação de certificação ou endosso.

A crítica visual e semântica encontrou problemas que a validação automatizada, sozinha, não encontraria. Alguns exemplos documentam como decisões foram revistas sem perder o escopo.

• Uma falsa hierarquia de breadcrumb virou o link contextual “← Portfólio”.
• Evidência principal e complementar receberam pesos distintos; na DASA, o disclosure foi validado no ciclo 4 → 8 → 4.
• O lightbox passou a derivar sua largura das dimensões intrínsecas da mídia.
• O SUBITER ganhou melhor medida narrativa, lista semântica de responsabilidades e callouts editoriais contidos.
• Tokens Dark foram corrigidos de 3,83:1 e 3,86:1 para 4,61:1 e 4,72:1, com teste de regressão.

A IA participou de diferentes etapas do trabalho, mas não como uma camada autônoma de decisão. Usei ChatGPT para discutir problemas, organizar contexto, criticar alternativas e transformar decisões em tarefas mais claras; Codex no VS Code para trabalhar diretamente sobre o repositório; e GitHub Copilot Pro+ como outra camada de assistência integrada ao ambiente de desenvolvimento.

Com o avanço do projeto, aprendi que o resultado dependia menos de simplesmente “usar IA” e mais de definir bem o problema, fornecer contexto suficiente, controlar o escopo e validar o que era produzido.

As ferramentas aceleraram partes da execução. Decisões de produto, direção de UX, critérios de qualidade, revisão visual, validação factual e aprovação final continuaram sob minha responsabilidade.

Construir o portfólio também significou aprender a operar o sistema ao redor das ferramentas. Configurei ChatGPT Plus, VS Code, Codex, Git, GitHub e GitHub Copilot Pro+, além de autenticação, permissões, fluxo do repositório e ambientes local e de produção.

A escolha do agente e do nível de capacidade também fez parte da operação do projeto. Tarefas foram distribuídas entre diferentes ferramentas conforme complexidade, disponibilidade e custo, preservando os mesmos critérios humanos de revisão e qualidade.

Ao longo do trabalho, deixei de tratar toda tarefa como se exigisse a maior capacidade disponível. Problemas de arquitetura, refactors amplos, debugging difícil e auditorias justificavam mais capacidade de raciocínio; mudanças menores e bem delimitadas podiam ser executadas com configurações proporcionais ao problema.

Snapshot v1.0 — histórico Git observado entre 7 e 11 de agosto de 2026; horas estimadas até 10 de agosto de 2026. 70 commits · 5 dias de atividade · ~22h de trabalho identificável até 10 de agosto.

Commits e dias de atividade foram recalculados a partir do histórico Git entre 7 e 11 de agosto de 2026, incluindo implementação, refinamento e validação; a estimativa de horas permanece limitada à reconstrução anterior, encerrada em 10 de agosto.

Essa estimativa técnica não representa o esforço intelectual total do projeto: ela não mede discovery anterior, conversas e planejamento fora do Git, trabalho em Figma sem commits nem o trabalho de imagem/art direction definido na D-022.

Esse limite não foi tratado como um obstáculo a contornar aumentando gastos, mas como uma restrição operacional. Passei a trabalhar com tarefas menores, escopo mais explícito, inspeção do repositório antes da implementação, separação entre execução e validação e escolha de capacidade proporcional à complexidade.

O aprendizado principal foi que trabalhar bem com IA envolve também administrar contexto, capacidade, custo e critérios de aceitação. A ferramenta pode executar parte do trabalho; a responsabilidade por decidir o que fazer, por que fazer e quando considerar concluído continua humana.

A documentação pública de custo prioriza somente valores com atribuição explícita neste projeto. Não há publicação de preço inferido a partir de transações ambíguas nem extrapolação de mensalidade sem vínculo comprovável com a operação.

• Ferramentas de IA: consumo operacional documentado por capacidade e créditos (captura de 10 de agosto de 2026), sem publicar valor monetário não atribuível com precisão.
• Hospedagem: Netlify, no ambiente atual de produção.
• Desenvolvimento e validação realizados diretamente pelo autor, com revisão humana responsável por escopo, qualidade e aprovação final.