Projeto
Koinonia
Uma plataforma web (PWA) para a liderança de comunidades e igrejas acompanhar pessoas, presença e cuidado. Construída com IA, dirigida por mim. Publicada e em uso.
- Status
- No ar, em uso
- Ano
- 2026
- Papel
- Product builder: problema, fluxo, diretrizes para a IA, orquestração e testes
- Stack
- TanStack Start, React 19, Supabase, Tailwind CSS v4, Vitest
- Construído com
- Lovable, Claude
- Tags
- Web, PWA, IA

Sobre o projeto
O problema
Ninguém percebe quem está se afastando.
O Koinonia nasceu na AWAKE, uma rede de jovens cristãos. A liderança fazia quase tudo de memória: lembrar quem esteve nos encontros, perceber quem estava faltando, lembrar aniversários, procurar quem não apareceu.
Uma lista de presença registra quem veio. Não diz por quem começar. O produto existe para responder a uma pergunta só: quem precisa da minha atenção hoje?
O produto
Uma fila de cuidado, não uma lista de presença.
O Radar de Cuidado classifica cada pessoa pelo risco de afastamento, a partir da frequência recente e do tempo desde o último encontro. Depois vira uma fila de ação: contatar, registrar o cuidado, acompanhar.
Quem é novo não é punido: com menos de três encontros válidos, a pessoa aparece como “histórico insuficiente”, nunca como risco. Em volta do Radar: chamada rápida, aniversários, mensagens de WhatsApp com modelos, agenda com escalas, pequenos grupos, financeiro e várias organizações isoladas na mesma plataforma.


Processo e desenvolvimento
Etapa atual
Melhorar, etapa 5 de 5. Concluído, no ar e em uso diário.
Toque em uma etapa para ver o que ela teve neste projeto.
Melhorar
Desenvolvimento iterativo · etapa atual
- A auditoria de setembroEla achou o Radar errando em silêncio depois de mil registros e o filtro de 7 dias comparando datas invertidas. Os dois foram corrigidos. Hoje o Koinonia está no ar e em uso diário.
Como foi construído
A IA escreveu o código. A direção foi minha.
Não comecei por um editor de código. Comecei por um briefing para a IA, com uma exigência na primeira página: nada de protótipo visual. Uma aplicação real, que a liderança pudesse usar.
A partir daí, o trabalho foi direção: cada rodada foi um plano escrito por mim, executado pela IA e conferido antes da próxima. A IA encurtou a distância entre a ideia e algo testável. Decidir o que testar continuou sendo meu.
Definir o problema
Uma pergunta guia o produto: quem precisa da minha atenção hoje?
Desenhar o fluxo
Da chamada no encontro a uma fila de cuidado: a presença vira prioridade.
Escrever as diretrizes
Um briefing inicial e planos de evolução datados, escritos para a IA executar.
Orquestrar a construção
521 commits entre 16 de agosto e 5 de outubro de 2026.
Testar o resultado
Testes de navegador no desktop e no celular, e as regras do produto cobertas por testes automatizados.
O que a curadoria encontrou
Funcionar não é o mesmo que estar certo.
Em setembro de 2026, o que a IA tinha construído passou por uma auditoria técnica. O app abria, salvava e parecia certo. Os problemas estavam onde ninguém olha numa demonstração.
O Radar ia errar em silêncio.
As leituras não eram paginadas: depois de mil registros, frequência, Radar e relatórios ficariam errados sem nenhum aviso. Corrigido.
O filtro escondia quem mais precisava.
“Contatado nos últimos 7 dias” comparava datas invertidas: qualquer contato antigo contava como recente. Corrigido.
Sem testes, sem rede de segurança.
Nenhum teste automatizado e 1.806 problemas de lint. Hoje há testes das regras do produto e verificação contínua no GitHub.
Preso ao editor da IA.
Build, logo e telemetria dependiam da ferramenta onde o app nasceu. O projeto ganhou repositório e configuração próprios.
O que aprendi
Aprendi onde a ferramenta acaba.
Comecei o Koinonia usando o Lovable, mas rapidamente encontrei os limites da ferramenta. Migrei o desenvolvimento para o Claude, onde tive menos restrições e mais poder de criação.
Nesse processo, precisei aprender na prática a tomar decisões de design, implementar integrações de pagamento e realizar validações rigorosas. A IA escreveu o código, mas a minha curadoria e aprendizado contínuo foram o que garantiram que o produto funcionasse de verdade.