Como utilizei I.A. junto com uma equipe no Hackaton da NASA para criar um MVP em 32 horas
Recentemente participei do Hackathon 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.
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.