Caso de Estudo: De uma Apresentação a um SaaS LegalTech em Produção em 6 Semanas
A Situação
Um fundador de legaltech em Barcelona tinha uma visão e um prazo. A visão: qualquer pessoa que carregue um contrato — um freelancer a rever um NDA, um inquilino a verificar um arrendamento, uma startup a fechar um acordo comercial — deveria receber uma avaliação de risco instantânea e fiável apoiada por legislação espanhola real. Não um wrapper de ChatGPT. Um SaaS em produção com gestão adequada de dados, processamento de pagamentos e raciocínio jurídico que cite artigos reais da lei.
O prazo: uma conferência do setor jurídico em seis semanas. Sem extensões.
O fundador tinha experiência no domínio, validação de mercado e uma apresentação. O que não tinha era uma equipa de engenharia, um codebase ou qualquer infraestrutura necessária para transformar a ideia num produto que pudesse aceitar pagamentos de utilizadores reais.
O Que Precisava Ser Construído
Isto não era uma landing page com lista de espera. O âmbito para um lançamento pronto para produção incluía:
Um motor de análise de contratos com IA cobrindo nove tipos de contratos espanhóis — trabalho, comercial, arrendamento, compra e venda, serviços, NDA, societário, franquia e agência. Cada tipo exigia a sua própria pipeline de raciocínio jurídico adaptada a legislação específica, padrões de risco e critérios de checklist.
Uma base de conhecimento de legislação espanhola com sete leis consolidadas indexadas do BOE (Boletín Oficial del Estado), pesquisável e citável pelo motor de IA, com sincronização diária para capturar atualizações legislativas.
Uma plataforma SaaS completa — frontend React com carregamento de contratos, visualização de riscos e fluxo de análise animado. Backend FastAPI com 31 endpoints de API. Autenticação JWT com verificação por email. Integração Stripe para compras pontuais de relatórios e assinaturas anuais.
Conformidade regulamentar da UE integrada na arquitetura — isolamento de dados RGPD, obrigações de transparência do Regulamento Europeu de IA, requisitos da LOPDGDD e avisos éticos do CCBE. Não adicionada no final. Construída como restrições fundamentais.
Infraestrutura de produção — HTTPS, CDN, monitorização, pipeline CI/CD, painel de administração, analítica.
Seis semanas. Do nada a tudo isso.
Como Entregámos
A Equipa: Duas Pessoas, Liderada por um CTO
Implementámos uma equipa de engenharia sénior de duas pessoas. Não um gestor de projeto e um programador — um CTO que construiu múltiplos produtos de IA e um engenheiro sénior full-stack. O CTO projetou a arquitetura do sistema e construiu as pipelines centrais de raciocínio IA. O segundo engenheiro tratou do frontend, pagamentos, deployment e infraestrutura da plataforma.
Duas pessoas. Sem transferências entre equipas. Sem lacunas de integração entre IA, backend, frontend e infraestrutura. Cada decisor era também um construtor.
O Acelerador: Framework Agêntico Interno
O fator mais importante no cronograma não foi trabalhar mais — foi não reconstruir infraestrutura que já existia.
A Conectia mantém um framework agêntico de IA interno — um motor de orquestração de LLM testado em produção com registo de ferramentas, encaminhamento de tarefas, respostas em streaming e recuperação de erros. Foi implementado em múltiplos projetos de IA. Para o Bonus Iuri, adaptámos este framework ao raciocínio jurídico em vez de construir a infraestrutura LLM do zero.
Essa adaptação poupou três a quatro semanas. Em vez de dedicar um mês à engenharia de prompts, configuração de geração aumentada por recuperação (RAG), integração de modelos e gestão de erros — problemas que já tínhamos resolvido — investimos esse tempo na lógica do domínio jurídico: os critérios específicos de checklist, os algoritmos de pontuação de risco e as correspondências legislativas que tornam uma ferramenta jurídica de IA realmente útil.
O Cronograma: Semana a Semana
Semana 1 — Arquitetura e conformidade.
Antes de escrever uma linha de código de produto, mapeámos os fluxos de dados e tomámos decisões de conformidade. A minimização de dados do RGPD ditou a arquitetura de armazenamento: retenção zero por defeito, prefixos S3 isolados por utilizador, direito ao apagamento que desencadeia a limpeza completa de documentos e vetores derivados. A classificação de risco do Regulamento Europeu de IA determinou os requisitos de transparência: cada análise mostraria um Badge de Transparência IA revelando os modelos utilizados, as suas limitações e a garantia de que os dados do utilizador nunca são usados para treino de modelos.
A infraestrutura foi aprovisionada em paralelo: EC2, S3, PostgreSQL, Amazon Bedrock Knowledge Bases para o sistema RAG de legislação.
Semana 2 — Motor central de IA.
A pipeline de processamento de documentos entrou em funcionamento: extração de PDF (com OCR de fallback via AWS Textract), análise de documentos Word, gestão de imagens e transcrição de áudio para contratos ditados. Foi construída a pipeline de ingestão do BOE — fragmentação jurídica consciente da estrutura que deteta limites de artigos, secções e considerandos, vetorizada através de Bedrock Knowledge Bases, deduplicada via hashing SHA256 de conteúdo.
O loop agêntico foi adaptado ao raciocínio jurídico: nove prompts de análise específicos por tipo de contrato, cada um mapeado para a legislação espanhola relevante e produzindo avaliações de risco estruturadas.
Semana 3 — Plataforma SaaS.
Autenticação de utilizadores com tokens JWT e verificação por email (códigos OTP). Integração de pagamentos Stripe — ciclo de vida de assinatura baseado em webhooks tanto para compras pontuais de relatórios a 14,90 € como para planos profissionais anuais a 490,90 €. O frontend React tomou forma: carregamento de contratos com arrastar e soltar, um indicador de progresso de análise animado em cinco passos, e o Semàfor de Risc (visualização semafórica de risco).
Semana 4 — Profundidade do raciocínio jurídico.
Checklists de doze pontos por tipo de contrato, cada ponto com indicadores de estado (OK, Aviso, Em Falta), extratos textuais do contrato carregado, e análise jurídica detalhada citando artigos específicos da legislação relevante. Matriz de risco com pontuação de gravidade. Verificação de citações contra referências do BOE — aplicando a regra "sem fonte, sem afirmação" onde cada asserção jurídica deve incluir uma referência rastreável.
Semana 5 — Polimento e documentação de conformidade.
Geração de relatórios PDF com marca. Páginas de destino SEO por tipo de contrato. Integração Google Analytics 4 e Tag Manager com rastreamento de eventos de funil desde o registo até ao carregamento, análise e compra. Implementação de consentimento de cookies, política de privacidade e painel de administração para gestão de assinaturas.
Semana 6 — Lançamento.
Deployment em produção com HTTPS (Let's Encrypt), CDN CloudFront, monitorização e ciclo completo de QA. Dashboard de rastreamento de custos de tokens para o fundador monitorizar a economia por análise.
A plataforma foi lançada dentro do prazo. Utilizadores reais na conferência.
Os Números
| Métrica | Resultado |
|---|---|
| Tempo do arranque à produção | 6 semanas (42 dias) |
| Tamanho da equipa | 2 engenheiros (CTO + sénior full-stack) |
| Tempo de análise de contratos | 60 segundos vs. 2 horas de revisão manual (redução de 97%) |
| Tipos de contratos suportados | 9 fluxos jurídicos especializados |
| Leis indexadas | 7 legislações espanholas consolidadas com sincronização diária |
| Endpoints de API entregues | 31 |
| Formatos de ficheiro suportados | 12 (PDF, Word, imagens, áudio e mais) |
| Quadros regulamentares abordados | 4 (RGPD, Regulamento Europeu de IA, LOPDGDD, Ética CCBE) |
| Custo médio por análise gratuita | Menos de $0,01 |
| Custo médio por análise premium | $0,03–$0,05 |
Porque Funcionou em Seis Semanas
Três fatores tornaram este cronograma possível. Remova qualquer um deles e o projeto teria levado três a quatro meses.
Fator 1: Infraestrutura de IA reutilizável. Construir uma camada de orquestração LLM, uma pipeline RAG e um sistema de encaminhamento multi-modelo do zero leva quatro a seis semanas para uma equipa sénior. O nosso framework interno eliminou essa fase inteira. O tempo de engenharia foi dedicado à lógica específica do domínio — as checklists jurídicas, as correspondências legislativas e a pontuação de risco que definem o valor do produto — não à canalização de infraestrutura.
Fator 2: Execução liderada por um CTO. A pessoa que tomava decisões arquiteturais também escrevia código. Sem camada de tradução entre "o que deveríamos construir" e "o que estamos a construir". Quando o CTO decidiu que a conformidade seria uma restrição arquitetural em vez de uma reflexão tardia, essa decisão refletiu-se imediatamente no modelo de dados, na camada de armazenamento e no design da API — porque a mesma pessoa projetou e implementou os três.
Fator 3: Propriedade full-stack por uma única equipa. Uma equipa de duas pessoas a construir tudo parece uma restrição. Na prática, foi uma vantagem. Sem negociações de contratos de API entre equipas de frontend e backend. Sem coordenação de deployment entre equipas de infraestrutura e aplicação. Sem revisão de conformidade por uma equipa separada que não viu o codebase. Uma equipa, contexto completo, zero overhead de transferências.
O Que o Fundador Disse
O feedback do fundador após o lançamento foi direto: passou de uma apresentação a um SaaS em produção com nove tipos de contrato, pagamentos Stripe e conformidade com o Regulamento Europeu de IA em seis semanas. A equipa de engenharia não se limitou a implementar especificações — contribuiu com experiência no domínio jurídico que tornou a análise de IA genuinamente útil para os profissionais.
Este último ponto importa. Uma equipa genérica de engenharia de IA poderia construir a infraestrutura. A diferença foram engenheiros que compreendiam porquê uma análise de contrato de arrendamento precisa verificar a duração mínima contra os artigos 9–10 da LAU, ou porquê um contrato de agência deve sinalizar a compensação obrigatória de clientela ao abrigo do artigo 28 da Ley 12/1992.
O Que Isto Significa Para Si
A entrega em seis semanas não é magia — é o resultado de três condições específicas: infraestrutura de IA reutilizável, engenharia ao nível de CTO e zero overhead de transferências. Nem todos os projetos cumprem estas condições, e somos transparentes sobre isso nas chamadas de descoberta.
Mas se o seu projeto envolve análise alimentada por IA, entrega SaaS e um cronograma apertado — particularmente em domínios regulados como jurídico, saúde ou finanças — o padrão que usámos para o Bonus Iuri é diretamente aplicável. O framework está construído. Os padrões de conformidade estão testados. A questão é como os adaptamos ao seu domínio.
Está a construir um produto alimentado por IA com um prazo que parece impossível? Fale com um CTO sobre o que é realista — e o que precisaríamos para torná-lo possível.
