Entregando produtos AI-native na NaturalTalks

A NaturalTalks foi onde passei o início de 2025 até meados de 2026 construindo software na interseção entre conversa, IA e entrega de produto. O trabalho atravessava apps mobile, plataformas web, sites corporativos e os backends que mantinham tudo responsivo sob tráfego real.

Este caso de estudo descreve o formato dessa atuação: o que eu era dono, como abordávamos produtos com IA integrada e as práticas de engenharia que sustentavam o stack.

O papel

Entrei como Desenvolvedor Full Stack focado em produtos de IA e machine learning, com ownership no dia a dia em mobile e web. O briefing era prático, não acadêmico: entregar experiências para o cliente que soassem conversacionais, manter as APIs rápidas o bastante para o chat nunca parecer travado, e deixar a plataforma observável o suficiente para incidentes serem diagnosticáveis.

A superfície típica incluía:

• Plataformas, dashboards e SPAs
• Sites corporativos em Next.js
• Apps React Native (Expo), inclusive com integrações a chatbots de IA
• Serviços Node.js com Express, Fastify e NestJS

O espaço do problema

Produtos conversacionais falham de formas chatas antes de falharem de formas sofisticadas. Latência se acumula. Um passo lento de retrieval transforma um assistente “inteligente” em UI congelada. Sessões de chat se espalham em jobs em background, webhooks e provedores de modelo — cada um um ponto de retry, falha parcial e drift silencioso de dados.

Do lado de produto, a NaturalTalks precisava de mais do que um chatbot de demo. Clientes esperavam:

• Experiências mobile usáveis em redes imperfeitas
• Dashboards web para operadores e times internos
• Backends capazes de absorver rajadas de mensagens sem derrubar o caminho feliz
• Deploys em cloud que pudessem crescer sem reescrita a cada trimestre

Essa combinação nos empurrou para desenhos distribuídos e event-driven, em vez de um monólito respondendo a cada request de forma síncrona.

O que eu construí

Superfícies web e de produto

Desenvolvi aplicações frontend em React e Next.js — dashboards, SPAs e sites corporativos — com atenção a fluxos claros para operadores e superfícies de marketing que ainda compartilhavam disciplina de design e entrega com os apps de produto.

Mobile com IA conversacional

No mobile, construí aplicações React Native com Expo, incluindo soluções ligadas a chatbots com IA. A parte difícil raramente era o balão de chat. Era manter o estado da sessão coerente, lidar com offline e reconexão com elegância, e garantir que as respostas do assistente chegassem sem bloquear o restante do app.

Serviços backend e distribuição

No servidor, projetei e mantive serviços Node.js de alta performance com Express, Fastify e NestJS. Aplicamos pensamento de microsserviços e sistemas distribuídos onde o domínio justificava: limites claros entre serviços, trabalho assíncrono nos caminhos pesados e APIs previsíveis para os clientes.

Cloud, containers e observabilidade

Os deploys rodavam com Docker, com pegada em cloud na AWS e no GCP. A observabilidade vinha de Grafana, New Relic e Sentry — porque uma plataforma conversacional sem traces e error budgets é só uma demo com branding melhor.

Processamento event-driven

Para caminhos de alto volume, construí sistemas event-driven com Apache Kafka, Redis e mensageria assíncrona. O padrão era deliberado: aceitar trabalho rápido na borda, empurrar processamento caro para pipelines e impedir que requests voltados ao usuário esperassem por cada hop downstream.

Esboço de arquitetura

Em alto nível, o sistema se parecia com isto:

Clientes mobile / web
        │
        ▼
   API gateways e serviços BFF
        │
        ├──► Serviços de chat / sessão ──► Provedores de IA
        │
        └──► Barramento de eventos (Kafka / filas)
                    │
                    ▼
            Workers, Redis, analytics, dashboards ops

Nem todo feature precisava de todas as caixas. O ponto era ter uma válvula de escape quando request/response síncrono deixava de ser honesto sobre o trabalho envolvido.

Práticas de engenharia que importaram

Alguns hábitos se pagaram repetidamente:

• Preferir async para trabalho caro — chamadas a modelos, enrichment e fan-out pertenciam a filas, não à thread do request que pinta a UI.
• Instrumentar antes de otimizar — Grafana, New Relic e Sentry tornaram latência e falhas visíveis cedo o bastante para corrigir antes de tickets de usuários.
• Manter contratos de cliente estáveis — web e mobile compartilhavam premissas sobre sessões, erros e retries; quebrá-las em silêncio era pior do que quebrá-las em alto.
• Entregar fatias verticais — um caminho fino de mobile → API → modelo → resposta ganhava de uma plataforma perfeita sem nada em produção.

Resultados

Essa experiência aprofundou como eu entrego produtos full stack sob restrições de IA: paridade mobile com web, backends que sobrevivem a tráfego conversacional em rajadas, e disciplina de cloud/ops que torna esses sistemas operáveis.

Temas concretos que levei adiante:

• Tratar UX de chatbot como problema de sistemas distribuídos, não só de prompt
• Separar latência interativa de trabalho de batch e enrichment
• Colocar observabilidade no loop de entrega, em vez de acrescentá-la depois do lançamento

Stack

Encerramento

A NaturalTalks foi um papel de ciclo completo: superfícies de produto em mobile e web, serviços por baixo, e a maquinaria de eventos/cloud que manteve features de IA com cara de responsivas. Se você contrata para plataformas conversacionais ou AI-native parecidas, esse é o tipo de ownership ponta a ponta que eu levo.