Vendedores geram fichas de produto com IA: 7.500 exemplos em oito meses

A equipe do Habr analisou seu próprio serviço de geração de fichas para marketplaces: em oito meses, foram feitas mais de 7.500 gerações. O principal insight é que os vendedores não escrevem prompts perfeitos, eles corrigem o resultado pronto por meio de diffs. O pico de atividade ocorre entre 18h e 22h: as pessoas geram conteúdo à noite, após o trabalho principal no marketplace.

Processado por IA de Habr AI; editado por Hamidun News
Vendedores geram fichas de produto com IA: 7.500 exemplos em oito meses
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1Mais de 7.500 gerações em oito meses de operação do serviço
Pico de atividade18:00–22:00 (à noite — vendedores geram após o trabalho principal nos marketplaces)
Dado-chave #3Usuários preferem editar o produto final (diffs) em vez de reescrever prompts do zero

Ao longo de oito meses, o serviço de geração de fichas para marketplaces processou mais de 7.500 requisições. A equipe do Habr analisou o comportamento de vendedores e descobriu padrões inesperados: usuários pensam em diffs, não em prompts; o pico de atividade ocorre à noite; e por baixo, uma cascata de modelos de linguagem com Redis pub/sub oferece resposta em tempo real.

Como Vendedores Realmente Trabalham

Tudo não começa com um prompt perfeito. Vendedores não escrevem instruções polidas — carregam uma ficha em rascunho, veem o resultado da IA e editam através de diffs na interface.

  • Mais de 7.500 gerações em oito meses de operação do serviço
  • Pico de atividade: 18:00–22:00 (à noite — vendedores geram após o trabalho principal nos marketplaces)
  • Usuários preferem editar o produto final (diffs) em vez de reescrever prompts do zero

Isso significa que vendedores não planejam conteúdo. Trabalham de forma reativa: carregam um produto → clicam em gerar → veem o resultado → editam as linhas necessárias. O ciclo leva 2–3 minutos. Sem refinamento de prompt: pegam o primeiro rascunho e o trabalham.

Arquitetura Interna

O serviço usa fan-out — divide a geração de uma ficha em subtarefas paralelas: título, descrição, tags, características, recomendações de preço. Cada subtarefa vai como uma chamada separada para modelos diferentes.

O truque principal é uma cascata de modelos com fallback. Se o modelo principal está sobrecarregado ou produz resultados de baixa qualidade, o sistema automaticamente muda para uma alternativa sem atraso visível. Progresso em tempo real é enviado ao frontend através de Redis pub/sub: o vendedor vê no navegador quais partes da ficha já estão prontas e pode começar a editar o título enquanto a descrição está sendo gerada.

Isso é crítico para a experiência do usuário. Um vendedor espera 3–5 segundos — aguenta. Espera 30 segundos — fecha a aba. Se o sistema consultasse modelos sequencialmente, o tempo de resposta seria inaceitável para pequenos vendedores.

Por Que Prompts São um Mito

O marketing de ferramentas de IA insiste: o prompt perfeito = o resultado perfeito. Na prática, vendedores há muito adotaram uma filosofia diferente. Não escrevem instruções perfeitas.

Em vez disso: gera → vê → edita → envia. A IA é usada como assistente inteligente para o primeiro rascunho, e o vendedor permanece como editor final, responsável pelo resultado. A demanda por ferramentas com boa interface de edição (diffs, destaque de mudanças, histórico de versões) é explicada por esse comportamento.

Como É a Audiência

Dados são coletados de um serviço real: seus usuários são vendedores de pequenas e médias lojas no Yandex.Market, Ozon, Wildberries. Pico de atividade de 18:00–22:00 mostra que é uma ferramenta para proprietários de pequenos negócios, não para departamentos de conteúdo de grandes marketplaces: pessoas geram fichas em seu tempo livre, após o trabalho principal.

Isso determina requisitos de preço (um vendedor paga $5–10, não $100) e velocidade (geração em 3–5 segundos, não em um minuto). O tempo do vendedor é caro.

O Que Isso Significa

IA para conteúdo de marketplace funciona não como uma automação completa, mas como um assistente no trabalho. Vendedores estão dispostos a delegar o primeiro rascunho para uma rede neural, mas a palavra final permanece deles. Isso explica a crescente demanda por ferramentas com editores inteligentes — vendedores estão dispostos a pagar não por geração perfeita, mas por conveniência e velocidade de edição.

Perguntas frequentes sobre a notícia

Como Vendedores Realmente Trabalham?

Tudo não começa com um prompt perfeito. Vendedores não escrevem instruções polidas — carregam uma ficha em rascunho, veem o resultado da IA e editam através de diffs na interface. Mais de 7.500 gerações em oito meses de operação do serviço Pico de atividade: 18:00–22:00 (à noite — vendedores geram após o trabalho principal nos marketplaces) Usuários preferem editar o produto final (diffs) em vez de reescrever prompts do zero Isso significa que vendedores não planejam conteúdo. Trabalham de forma reativa: carregam um produto → clicam em gerar → veem o resultado → editam as l

O que se sabe sobre Arquitetura Interna?

O serviço usa fan-out — divide a geração de uma ficha em subtarefas paralelas: título, descrição, tags, características, recomendações de preço. Cada subtarefa vai como uma chamada separada para modelos diferentes. O truque principal é uma cascata de modelos com fallback. Se o modelo principal está sobrecarregado ou produz resultados de baixa qualidade, o sistema automaticamente muda para uma alternativa sem atraso visível. Progresso em tempo real é enviado ao frontend através de Redis pub/sub: o vendedor vê no navegador quais partes da ficha já estão prontas e pode começar

Por Que Prompts São um Mito?

O marketing de ferramentas de IA insiste: o prompt perfeito = o resultado perfeito. Na prática, vendedores há muito adotaram uma filosofia diferente. Não escrevem instruções perfeitas. Em vez disso: gera → vê → edita → envia. A IA é usada como assistente inteligente para o primeiro rascunho, e o vendedor permanece como editor final, responsável pelo resultado. A demanda por ferramentas com boa interface de edição (diffs, destaque de mudanças, histórico de versões) é explicada por esse comportamento.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Hands-On AI Engineering

Build & Ship Production AI Apps with Vibe Coding

Join Zhemal Khamidun's hands-on Vibe Coding Intensive at hamidun.com/vibecoding — master Claude Code, Cursor, and autonomous agentic workflows.

Explore Vibe Coding →Vibe Academy Platform
O que você acha?
Carregando comentários…