Research Hub: um acervo da pesquisa da Pagaleve que o time pode consultar
A pesquisa da Pagaleve terminava em decks que ninguém abria de novo. Desenhei e construí um Research Hub com Lovable e Claude: um acervo que se enche sozinho, uma skill do Claude que guia cada estudo, um chat que cita a fonte de cada afirmação e um roadmap com IA que manda os estudos do próximo trimestre para o Jira.
- Research ops
- Ferramentas de IA
- LGPD por padrão
- Empresa
- Pagaleve, fintech brasileira de compre agora, pague depois (BNPL)
- Meu papel
- Product Designer Especialista · conceito, design e construção
- Quem usa
- O chapter de Product Design e qualquer pessoa da Pagaleve
- Créditos
- Pedido pela liderança de design · construído com a ajuda do time
- Research Hub (Lovable)
- O servidor MCP do hub
- Uma skill do Claude para pesquisa de ponta a ponta
- Um chat com o acervo, com fontes
- Um formato único de relatório
- Um guia para ninguém travar no começo
- Um conector do Claude para a empresa toda
- Um roadmap com IA que cai direto no Jira
- Proteções de LGPD por padrão
01 · O problema
Nossa pesquisa caía no esquecimento logo depois da apresentação.
Faço pesquisa há mais de dez anos, e a parte mais difícil sempre foi o que acontece depois da apresentação. Na Pagaleve, os achados viviam em decks espalhados pelo Drive. Alguém de produto perguntava algo que a gente já tinha respondido, e quem acabava de chegar não tinha como descobrir o que já sabíamos sobre nossos clientes, a não ser perguntando para a única pessoa que conduziu o estudo.
Ao mesmo tempo, mais gente no time queria pesquisar, inclusive designers que nunca tinham escrito um questionário. E a matéria-prima da pesquisa, planilhas com ID de cliente e gravações de sessão com rosto e voz, ficava a um clique dos slides que qualquer um podia abrir. Com a LGPD em jogo, esse não é um risco para deixar na memória das pessoas.
Ninguém achava os estudos antigos
As respostas estavam enterradas no slide 27 de um deck cujo nome você precisava lembrar.
Todo estudo começava do zero
Sem processo nem formato em comum. A qualidade dependia de quem conduzia.
Dado pessoal do lado dos slides
A proteção dependia de alguém lembrar de trancar um arquivo.
02 · A aposta
Fazer da publicação uma etapa do estudo, para o acervo se montar sozinho.
Repositórios morrem porque publicar dá trabalho extra. Então publicar virou o último passo da própria pesquisa, feito pela mesma ferramenta que conduz o estudo.
Quatro princípios guiaram cada decisão, da estrutura de pastas ao último toggle.
03 · O sistema
Um ciclo só, do que aprendemos ao que vamos aprender.
Uma skill do Claude conduz a pesquisa, o Google Drive guarda os arquivos e o Research Hub, construído no Lovable, transforma os dois em algo que as pessoas podem navegar, consultar e usar para planejar. As peças conversam por um servidor MCP que construí dentro do hub (o MCP é o padrão aberto que deixa um assistente de IA chamar uma ferramenta). Assim, o acervo vira uma ferramenta que a skill usa no começo e no fim de cada estudo, um conector que qualquer pessoa da empresa pode adicionar ao próprio Claude e a fonte de onde sai o roadmap do próximo trimestre.
Skill do Claude
Leva qualquer designer da pergunta ao relatório. Lê o acervo antes do estudo e publica os insights depois.
Google Drive
A pasta de pesquisa do time, organizada por área e por estudo.
Research Hub
Feito no Lovable, com servidor MCP próprio. Relatórios padronizados, temas marcados na importação, uma linha do tempo de tudo o que aprendemos e regras de privacidade aplicadas a cada arquivo.
Pergunte ao acervo
No chat do hub ou no Claude de qualquer pessoa, pelo conector. Cada afirmação leva ao seu estudo.
Roadmap de pesquisa
A IA transforma achados antigos nos estudos do próximo trimestre. O time prioriza, e cada estudo cai no Jira.
04 · O hub
As pastas do time no Drive viram produto.
O hub lê a estrutura que o time já usava. Uma pasta é uma área, uma subpasta é um estudo (data e método vêm do nome) e um resumo.md vira o resumo e os insights. Dá para soltar um .zip, um PDF, um deck ou uma planilha; nada vai para o ar antes de você revisar o que cada arquivo vira. Por trás, um painel de admin reúne estudos, autores, feedback e configurações num lugar só.
Antes de publicar, veja o que cada arquivo vira
Proteção LGPD aplicada automaticamente. Planilhas e gravações ficam trancadas para quem enviou. O resto do time vê o resumo, os achados e as citações, nunca a pessoa por trás delas.
A etapa de revisão. Cada arquivo mostra o que vai virar e quem pode abrir, antes de qualquer coisa ir para o ar.
Os temas se marcam sozinhos
As tags saem de cada estudo na importação, então “temas mais pesquisados” está sempre em dia.
Uma linha do tempo do aprendizado
Os estudos ficam agrupados por mês, então dá para ver o que a empresa queria entender, e quando.
Aberto a outras ferramentas
Além do servidor MCP, um endpoint REST com chave deixa qualquer ferramenta publicar um estudo sem abrir o hub.
05 · A skill
O meu jeito de pesquisar, empacotado para qualquer designer.
Empacotei numa skill do Claude o jeito como eu conduzo pesquisa. Ela descobre em que etapa você está, faz o trabalho e puxa o próximo passo. Só para quando precisa entregar o que cabe a uma pessoa (entrar na conta, apertar enviar, aprovar os insights), num card curto de “sua vez”. E conversa com o hub por MCP: lê o acervo no começo e publica os insights no fim, sozinha.
- 01
Planejar
De uma pergunta vaga a hipóteses e um roteiro.
- 02
Revisar
Lê estudos parecidos no hub e depois revisa o roteiro atrás de vieses.
- 03
Montar o formulário
Gera o questionário e os links.
- 04
Enviar
Base, convite e aprovação do CRM. Ninguém recebe um terceiro e-mail no mesmo dia.
- 05
Campo
Placar diário e encerramento automático, tudo agendado.
- 06
Debrief
Placar de hipóteses e insights do tamanho de um tweet.
- 07
Aprovar
A única parada obrigatória. Uma pessoa decide o que é verdade.
- 08
Relatório + publicação
Deck e PDF, e os insights entram no ar no hub.
→ research-hub · list_studies(“lembretes, tom, cobrança”)
✓ 2 estudos parecidos · 1 pergunta já respondida, cortada do roteiro
# fim do mesmo estudo
✓ 4 insights aprovados · respostas_anonimas.csv pronto
→ research-hub · publish_study(relatorio.md)
✓ Publicado. Arquivos confidenciais trancados para quem enviou.
A skill executa o processo inteiro por você. Quem nunca escreveu um questionário ganha a mesma revisão de viés, as mesmas travas de e-mail e o mesmo formato de relatório de alguém com anos de pesquisa.
A skill usa o acervo diretamente. No começo, ela lê todos os estudos anteriores e aponta o que for parecido, então pergunta repetida cai antes de chegar à caixa de entrada do cliente. No fim, publica sozinha os insights aprovados, então ninguém precisa fazer a etapa em que a maioria dos repositórios morre.
As ferramentas reais do conector; argumentos simplificados para facilitar a leitura.
Uma skill só ajuda se as pessoas instalam. Então o hub ganhou um guia: cinco minutos de leitura que montam com você a primeira pergunta em quatro partes (público, momento, dúvida e a decisão que ela informa), transformam tudo num pedido pronto para colar no Claude e ficam ao lado do download da skill. O guia também deixa claras as regras da casa: a skill sugere, as pessoas decidem, e dado de cliente nunca sai da sala.
Guia rápido · 5 minutos
Toda dúvida do time
pode virar um estudo.
Perguntar no canal qual versão o time prefere já é pesquisar, só que sem método. Este guia mostra o caminho completo, com a skill fazendo o trabalho pesado.
A ferramentaUma skill no Claude que conduz o estudo do começo ao fim.
O primeiro passoInstale e escreva a dúvida como contaria a um colega.
Sempre com vocêDecidir o que perguntar, para quem, e quando enviar.
Instalar a skillEscreva sua pergunta em quatro partes
PúblicoQuem tem saldo na carteira
+MomentoNo checkout
+DúvidaSe usaria o saldo pra pagar
=DecisãoO novo botão de pagamento
Quero entender se quem tem saldo na carteira usaria esse saldo no checkout. A decisão que isso informa é o novo botão de pagamento.
01PlanoA decisão vem antes das perguntas.
02RevisãoViés e o que o acervo já responde.
03FormulárioMontado direto do roteiro.
04EnvioBase, convite e aprovação.
05IncentivoPedido quando o campo fecha.
06AnáliseHipótese por hipótese.
07RelatórioE publicado no hub.
O guia. Quatro campos viram um pedido pronto para colar no Claude, ao lado do download da skill.
06 · O formato
Todo estudo, as mesmas seis seções.
Venha de uma rodada de entrevistas, de um survey ou de um teste de usabilidade, todo estudo se lê do mesmo jeito, então dá para comparar estudos e entender cada um em um minuto, com o detalhe ali quando você precisa.
- #01Resumo executivoO parágrafo que a maioria dos stakeholders vai ler.
- #02Contexto e métodoPor que perguntamos, como e quem respondeu.
- #03Principais achadosCada um com a sua evidência.
- #04O que ouvimosCitações, anonimizadas.
- #05O que fazer com issoRecomendações e próximos passos, lado a lado.
- #06MateriaisDecks, dados e gravações, cada um com seu nível de acesso.
Carteira Digital ·
Teste de Usabilidade
O saldo da carteira é lido como “troco” de compras antigas, não como dinheiro. Por isso o atalho de adicionar saldo some: ninguém procura colocar dinheiro num lugar que parece um cofrinho de moedas.
Saldo parece troco, não dinheiro
7 de 10 participantes descreveram o valor da carteira como sobra de compras anteriores. Nenhum considerou usar o saldo para pagar uma parcela.
Evidência · “Isso aqui é tipo o troquinho que sobra, né? Não é dinheiro de verdade.”
O atalho de adicionar saldo compete com o banner
O botão fica logo abaixo de um banner de ofertas animado. Nos testes, o olhar ia direto para a oferta.
Todo achado traz a sua evidência, então ninguém precisa acreditar no resumo de olhos fechados.
07 · Pergunte ao acervo
Perguntas do seu jeito, respostas com fonte.
O chat só responde com base no hub e marca cada afirmação com o estudo de onde ela veio, a um toque da fonte. Ele abre numa página em branco com algumas perguntas para começar, e dá para anexar até dez estudos para manter a resposta dentro deles.
Depois, o chat virou o centro do hub. Um menu só passou a comandar o produto inteiro, como barra lateral no desktop e gaveta no celular: acervo, roadmap, guia e o conector do Claude ficam a um toque, ao lado das conversas que você quer guardar. Toda resposta pode ser copiada, refeita ou avaliada, e um joinha para baixo pergunta o que faltou, para o chat aprender com os próprios erros.
O mesmo acervo também vive fora do hub. O servidor MCP virou um conector que qualquer pessoa da Pagaleve pode adicionar ao próprio Claude, entrando com a conta da empresa: ferramentas para listar estudos, publicar um estudo, ler o roadmap e atualizá-lo. As pessoas perguntam no próprio chat, e as regras de confidencialidade viajam junto com os dados, então arquivos confidenciais continuam trancados lá também.
O próprio Claude
Pergunta em português, do jeito que fala, no chat que já usa todo dia.
Conector do Research Hub
Login com a conta Google da empresa. Sem conta, sem acesso.
list_studiesread_roadmappublish_studyupdate_roadmapsó quem é dono do roadmapTodos os estudos + o roadmap
Arquivos confidenciais continuam trancados aqui também. O conector só mostra o que o site mostraria.
A gente já pesquisou alguma coisa sobre a primeira compra?
list_studies “primeira compra” · 2 estudos encontrados
Sim, dois estudos tocam nisso. No Checkout no Celular a maioria saiu da compra para conferir o extrato e não voltou. No Carteira Digital quem tinha saldo não pensou em usá-lo. Nenhum dos dois ouviu quem ainda não comprou: essa pergunta segue aberta.
Exemplo com estudos fictícios: a resposta cita dois estudos e aponta a pergunta que segue aberta. As quatro ferramentas são as reais do conector.
08 · O roadmap
Usar o acervo para planejar os estudos do próximo trimestre.
Com o acervo pesquisável, o time precisava decidir o que pesquisar no próximo trimestre, e por quê. O planejamento acontecia numa planilha, de memória. Adicionei ao hub um roadmap de pesquisa que parte do acervo, em três passos.
Ideias
A IA sugere estudos a partir do que o acervo já sabe, lendo só conteúdo Interno e citando o estudo por trás de cada sugestão. Qualquer pessoa pode adicionar uma ideia e votar. Toda ideia chega como um brief: pergunta, decisão que ela informa, público e por que agora.
Prioridade
A IA propõe impacto e esforço, cada um com uma justificativa de uma linha. O time mexe no que discordar num mapa de impacto × esforço, e o topo da lista vai primeiro.
Calendário
A lista ordenada vira um estudo por semana numa linha do tempo, com duração e status. Publicar manda cada estudo para o Jira com a pergunta, a decisão e o público.
Ideias do time e ideias da IA ficam lado a lado, e as duas precisam conquistar o lugar do mesmo jeito: com uma pergunta, uma decisão que ela informa e um motivo para fazer agora. A IA só lê conteúdo Interno, então estudos confidenciais informam o time sem vazar para as sugestões.
Depois, a lista ordenada vira calendário. Um rascunho só vira o plano quando alguém publica, e é a publicação que cria os cards no Jira, então o roadmap e o backlog do time nunca se desencontram. Três travas pequenas nasceram do uso: um alerta quando o calendário deixa de seguir a prioridade, uma simulação que mostra o que mudaria no Jira antes de criar qualquer coisa e uma sincronização que traz de volta o status de cada card.
Com isso, o roadmap alimenta a skill, a skill alimenta o acervo, e o acervo alimenta o próximo roadmap.
09 · Privacidade por padrão
O sistema aplica as regras da LGPD, e ninguém precisa lembrar delas.
Desenhei as regras de privacidade antes da primeira tela. Os achados são abertos para a empresa toda, e os dados das pessoas por trás deles ficam trancados. Toda regra é aplicada automaticamente: na importação, dentro da skill e no que a IA do roadmap tem permissão de ler.
Abre o que é seguro, tranca o que é pessoal. O time continua recebendo todos os insights.
Só contas da empresa
Login com Google restrito ao domínio da empresa.
Dado bruto se tranca sozinho
Planilhas e gravações só abrem para quem enviou.
Anonimizado antes de sair
A skill tira nome, e-mail e ID do cliente, e corta respostas abertas que mencionam dados de contato.
Dois níveis, sempre à vista
Todo estudo e todo arquivo levam a etiqueta Confidencial ou Interno, bem onde você vê.
10 · O que mudou
De “quem fez aquele estudo?” para “o que a gente aprende agora?”
11 · O que aprendi
Com IA, boa parte do meu trabalho passou a ser descrever como o sistema deve se comportar.
- Fazer da publicação o último passo do estudo. É o único motivo de o acervo continuar vivo
- As regras de privacidade desenhadas antes da primeira tela, para o sistema lembrar da LGPD e as pessoas não precisarem
- Começar com o roadmap e o acervo juntos: a memória só se pagou quando passou a alimentar a próxima pergunta
- Colocar o conector no Claude de cada pessoa desde a primeira semana, em vez de esperar que elas fossem até o hub
Escrever a especificação virou o trabalho.
Com Lovable e Claude, a distância entre uma intenção bem escrita e um software funcionando ficou muito curta. O ofício passou a ser descrever comportamento com precisão: o que o sistema deve fazer, o que deve recusar e o que deve mostrar sempre.
Comecei pelas restrições.
Começar pela LGPD deixou o produto mais simples. Quando “quem pode ver isso?” ganhou resposta para cada arquivo, o resto do design se encaixou.
As pessoas confiam no que podem conferir.
Um chat que responde sobre clientes só serve se as pessoas acreditam nele. O chip de fonte acabou sendo o componente mais importante do hub inteiro.
Um acervo também precisa de um plano.
Com o passado pesquisável, o time passou a perguntar o que aprender em seguida. O roadmap usa o mesmo acervo para planejar, e cada novo estudo parte da evidência que já existe.
Próximo passo: satisfação toda semana.
Ligar pesquisas contínuas de satisfação, feitas dentro dos fluxos, direto no acervo, para o hub receber dados novos toda semana, também entre um estudo e outro.
Telas reais do produto, anonimizadas: estudos, pessoas, citações e números são fictícios. Os achados, números e dados internos da Pagaleve são confidenciais e não aparecem aqui.