Post
Como utilizei I.A. junto com uma equipe no Hackaton da NASA para criar um MVP em 32 horas
Recentemente participei do maior Hackathon do mundo, o NASA Space Apps Challenge, um evento intenso de 32 horas para criar uma solução de impacto real — sem fins comerciais — voltada para as pessoas e o meio ambiente.
Como o processo se desenrolou
- Ninguém do time se conhecia. Então, começamos conversando para gerar empatia e entender as habilidades de cada um — como poderíamos contribuir e como isso se conectava aos desafios da NASA.
- Identificamos competências em Desenvolvimento de Software, Negócios, Hardware, Ciência Espacial, Design e Produto.
- Fizemos um brainstorm inicial para escolher um problema real a resolver — tudo ainda na primeira conversa.
- Definimos em qual desafio do evento nossa ideia se encaixava. A partir daí, discutimos qual seria a experiência esperada do usuário e o que ele poderia fazer ao entrar no sistema.
- Criamos um esboço simples, com apenas quatro passos, para que qualquer pessoa pudesse obter a informação que precisava de forma rápida.
Enquanto isso, parte do time usava IAs (Claude e Genspark) para processar todas as ideias vindas das conversas, brainstorm e descrição do desafio. Tudo acontecia de forma paralela: enquanto desenhávamos a jornada no papel, outro colega gerava ideias visuais no Genspark.
Depois, um colega criou o pitch da ideia (com ajuda do ChatGPT). Tudo era compartilhado em um grupo de WhatsApp. Em seguida, outro colega pegou esse pitch e gerou uma documentação detalhada no Genspark sobre o que o sistema poderia fazer.
Eu comecei a refinar as ideias visuais no FigJam, criando prompts para cada tela. Outro colega, com o Claude, estruturou um prompt completo com as quatro telas, descrevendo o que cada uma deveria resolver.
Enquanto isso, o desenvolvedor do time estudava com o Claude como integrar imagens e prompts para outra IA interpretar e gerar o front-end.
Com tudo estruturado, preparei um documento com o prompt das quatro telas e as imagens correspondentes (Tela 1, 2, 3 e 4) para serem usadas no v0.dev e no Lovable.
Na primeira versão, o v0 se saiu melhor — optamos por seguir com ele, hospedando o projeto na Vercel. O desenvolvimento seria feito no Cursor, integrando o front-end gerado pelo v0 com o back-end e as APIs da NASA.
O back-end foi desafiador, pois estávamos aprendendo a usar o Cursor.
À noite, percebemos que não tínhamos definido um método para atualizar o front-end no v0 sem quebrar o código no Cursor. Quando atualizamos o front-end, o código no Cursor quebrou, e perdemos tempo voltando versões.
Aprendemos que deveríamos ter definido esse fluxo logo no início, entendendo como as IAs se complementariam. Assim, poderíamos trabalhar front e back-end separadamente antes de unir tudo.
As integrações foram sendo feitas no Cursor, com ajuda constante do Claude (que, claro, travou e alucinou várias vezes). Enquanto isso, o restante do time aprimorava o pitch de apresentação.
Utilizando o Claude e Figjam criei algumas personas para ajudar a dar foco em pra quem estávamos tentando resolver os problemas, esse trabalho contribuiu com a narrativa que iríamos criar sobre o projeto. As imagens criei utilizando o Chat GPT 5.
Para evitar novos erros e aproveitar créditos que eu tinha, decidi recriar todo o fluxo e as interfaces no Lovable. Mas antes, quis melhorar a experiência do usuário como um todo.
Como designer, analisei todas as telas do v0 no FigJam, criei um screenflow e fiz uma avaliação crítica do que precisava ser aprimorado.
No FigJam, reduzi etapas e deixei a comunicação mais simples e prática, para que o usuário pudesse decidir com clareza como sair de casa para atividades ao ar livre sem comprometer a saúde.
Nos momentos finais, focamos em preencher o formulário do projeto no site da NASA.
Ao fim do segundo dia, apresentamos o projeto aos consultores do evento e recebemos diversos feedbacks valiosos.
Corremos para corrigir os pontos levantados e, por fim, entregamos o projeto completo.
Como ficou a interface final totalmente feita em Lovable: https://responsive-grid-recreation.lovable.app/
Também criei uma landing page também no Lovable para o projeto: https://responsive-grid-recreation.lovable.app/
O que fizemos bem 💪
- Rapidez na tomada de decisão
- Colaboração ágil entre design, engenharia e produto
- Jornada do usuário simples, clara e colaborativa
- Foco em resolver um fluxo enxuto e funcional
- Uso de IAs para gerar, estruturar e validar ideias
- Criação de front-end em minutos com ferramentas de IA
Principais aprendizados 🌱
- Dedicar mais tempo para avaliar o problema e entender de quem ele é (persona, jornada e momento).
- Definir um responsável pela coordenação do time e garantir foco e coesão.
- Estudar com mais profundidade os desafios antes de começar a criar.
- Buscar problemas reais, claros e mensuráveis.
- Ter clareza sobre quem é afetado e como a solução gera impacto.
- Investir mais tempo enquadrando o problema e demonstrando o impacto social ou ambiental.
- Criar uma narrativa mais poderosa sobre como a solução melhora a vida das pessoas e o meio ambiente.
- Entender que IAs alucinam quando recebem dados demais.
- Saber criar prompts melhores e mais contextuais.
- Estruturar o fluxo de trabalho entre IAs, front-end e back-end desde o início.