Cyperus
Cyperus (produto próprio)
problema
Pesquisadores de pós-graduação acumulam leituras sem conseguir transformá-las em argumento. Falta um método e uma ferramenta integrados ao fluxo real da dissertação.
meu papel
Founder, designer, desenvolvedor e usuário-alvo simultâneo. Construí o produto inteiramente com IA como par de desenvolvimento, o que também se tornou um método próprio de construção de produto.
decisão-chave
Ser simultaneamente founder, desenvolvedor e usuário-alvo, e construir o produto inteiramente com IA — eliminando a necessidade de discovery externo na fase inicial e desenvolvendo, no processo, um método próprio de construção de produto com IA.
resultado
Produto submetido como PTT (Produto Técnico e Tecnológico) ao EnANPAD 2026, com primeiros usuários cadastrados e sistema de analytics e onboarding ativo.
prazo
2026, em andamento
time
Solo founder
plataforma
Web
restrições
Orçamento zero, desenvolvimento paralelo ao mestrado, equipe solo.
confidencial
Não
Contexto
Quem faz pós-graduação lê muito. O problema não está na quantidade de leitura, está no que acontece com ela depois. Artigos são fichados em PDFs soltos, citações ficam em planilhas sem conexão, e quando chega a hora de escrever o capítulo, o pesquisador não consegue transformar tudo aquilo em argumento.
O Cyperus nasceu dessa frustração. Da experiência direta de ser mestrando e não encontrar uma ferramenta que fizesse sentido para o fluxo real de uma dissertação.
A ideia central foi adaptar o método Zettelkasten, originalmente criado para escritores e pesquisadores independentes, à estrutura concreta de uma dissertação acadêmica: Objetivos, Capítulos, Artigos e Notas Atômicas. Cada peça conectada visualmente em um grafo de conhecimento que emerge do próprio trabalho do pesquisador.
Construção com IA
A decisão que mais define o Cyperus não é técnica. É o fato de eu ter construído o produto sendo, simultaneamente, o founder, o desenvolvedor e o único usuário real.
Ter uma dor genuína sobre o problema mudou a natureza do desenvolvimento. Não se trata de eliminar o processo de discovery, mas de reconhecer que uma dor profunda e vivida funciona como ponto de partida qualificado. Quando eu percebia que algo não funcionava, eu sabia imediatamente, porque o problema era meu. Esse conhecimento encurtou ciclos e permitiu avançar com mais segurança nas decisões de produto.
// ciclo contínuo de desenvolvimento
Fundador, usuário e desenvolvedor no mesmo loop — o feedback nunca sai do mesmo cérebro.
A segunda decisão foi construir o produto inteiramente com IA como par de desenvolvimento. Não como acelerador pontual, mas como infraestrutura cognitiva e operacional do projeto: arquitetura, código, decisões de produto, textos, emails de onboarding. No processo, desenvolvi um método próprio de construção de produto com IA que se tornou, ele mesmo, parte do aprendizado do Cyperus.
O que tornou esse método eficaz não foi a IA sozinha. Foi a combinação de IA com conhecimento prévio em UX e em pesquisa acadêmica. Saber avaliar um output de interface, estruturar um prompt com critério de usabilidade, ou reconhecer quando uma decisão de arquitetura criaria problemas de escala mais tarde — essas competências determinaram a qualidade do que a IA entregava. A IA amplificou o julgamento. Não o substituiu.
Sugestão, não imposição
(Agência do pesquisador)
O sistema recomenda ações; cabe ao pesquisador aceitá-las e executá-las. A agência sobre o próprio conhecimento é sempre do usuário.
Feedback imediato
(Resposta visual a cada ação)
Cada ação gera resposta clara: notificação ao criar nota, atualização do grafo ao vincular artigo a capítulo.
Ideia como unidade
(O átomo de conhecimento)
A unidade fundamental é a ideia extraída do artigo — conectada à estrutura completa da pesquisa desde a captura.
Uma consequência direta disso foi a criação do Cypher Design System: um sistema de design próprio com tokens de cor, tipografia e componentes padronizados. Nasceu de uma necessidade prática: sem consistência visual documentada, cada geração de código introduzia variações que precisavam ser corrigidas manualmente, aumentando o custo de tempo e de tokens. O Design System resolveu esse problema e tornou o desenvolvimento mais escalável.
// cypher design system · atomic design
01 / 05Uma quarta decisão com impacto técnico e econômico direto: construir o grafo de conhecimento sem LLM. Todas as relações entre notas, artigos e capítulos são derivadas deterministicamente via RPCs em PostgreSQL. Zero custo por uso. Zero dependência de modelo externo para a funcionalidade central do produto.
// ontologia do conhecimento · cyperus
Relações geradas deterministicamente via RPC em PostgreSQL. Zero custo de LLM por consulta.
O Conflito
O pesquisador precisa de fluidez. O conhecimento não chega organizado: ele chega em flashes, em conexões inesperadas, em notas incompletas feitas tarde da noite depois de ler um artigo difícil.
Mas o Cyperus só gera valor com estrutura. O grafo só conecta o que está categorizado. O argumento só emerge quando as notas estão vinculadas aos artigos certos, nos capítulos certos.
Forçar essa estrutura cedo demais cria fricção no momento de captura e o usuário abandona. Não forçar estrutura suficiente deixa o grafo vazio de sentido e o usuário também abandona.
Esse é o conflito central que orienta cada decisão de onboarding e interface do produto: como guiar sem prender, como estruturar sem engessar.
O Desafio
A validação do Cyperus seguiu uma lógica de effectuation. Houve conversas com professores e pesquisadores que confirmaram a dor e a direção do produto. Mas não houve um processo estruturado de UX research, sem testes de usabilidade formais, sem entrevistas sistemáticas, sem ciclos clássicos de descoberta.
// o que sabemos · o que ainda é aposta
(conversas com pesquisadores)
- ▸A dor existe e é reconhecida por quem faz pós-graduação
- ▸A direção do produto faz sentido para o fluxo da dissertação
- ▸O método Zettelkasten ressoa com a rotina real de pesquisa
(sem research estruturado)
- ▸Testes de usabilidade formais com usuários
- ▸Entrevistas sistemáticas e ciclos clássicos de descoberta
- ▸Calibração além do meu próprio perfil de pesquisador
- ▸Validação da solução em escala
O produto avançou pelo sinal de que ninguém disse para parar, mais do que pela evidência de que a solução resolve exatamente o problema de outros pesquisadores além de mim.
Isso é uma aposta. Consciente, mas uma aposta. A fusão de papéis acelerou o desenvolvimento e pode ter criado um produto perfeitamente calibrado para um único perfil de pesquisador sem que isso tenha sido testado em escala.
O maior risco do Cyperus hoje não é técnico. É não saber com precisão se a dor é compartilhada da forma como o produto a resolve.
A Solução
O Cyperus organiza a dissertação em quatro etapas — da leitura à escrita autoral. Cada uma resolve um ponto onde o pesquisador costuma perder material, contexto ou argumento.
// quatro etapas · da leitura à escrita autoral
Adicione suas referências
Cadastre as informações dos seus artigos e o Cyperus organiza o contexto completo de cada obra para que você nunca perca a referência. Ao concluir a leitura, marque como lido e crie a primeira nota.
Crie notas atômicas
Uma ideia por nota: citação original, sua interpretação e as implicações para a pesquisa. Quando for escrever, você parte das suas próprias ideias já estruturadas, não do zero.
Visualize as conexões
Cada nota se conecta a artigos, capítulos e outras notas. O grafo não é decorativo — é o mapa de onde sua argumentação já está, e de onde ainda está vazia.
Agrupe notas e escreva
Selecione notas relacionadas e componha uma nota permanente, criando sua síntese autoral. Você monta o argumento a partir do que já pensou.
Quem Fez o Quê
Solo. Do zero. A IA como único colaborador — real, não autocomplete.
Resultados
O Cyperus está em operação com primeiros usuários cadastrados. O sistema de analytics está ativo e já identificou o principal ponto de abandono no funil: entre a criação do primeiro objetivo e a criação do primeiro capítulo — o momento em que a tela vazia não orienta o próximo passo.
Esse diagnóstico redirecionou o foco do produto para onboarding diretivo: como fazer o usuário perceber valor antes de sentir a fricção da estrutura.
PTT
EnANPAD 2026
submetido como Produto Técnico e Tecnológico ao principal congresso de administração do Brasil
1ºs
usuários em operação
sistema rodando com analytics e onboarding ativos; funil de ativação instrumentado
R$ 0
custo de IA no core
grafo de conhecimento determinístico em PostgreSQL — sem dependência de LLM
// próximo capítulo
A validação de mercado em escala ainda está por vir.
A etapa de testes de usabilidade não foi esquecida — nem será substituída. O foco inicial foi construir a ferramenta para resolver uma dor real e vivida. Agora, com visão de negócio, entram os testes com usuários para validar cada ponto e escalar entregando mais valor.
Conhecer o Cyperusfim da linha — por enquanto
Mais cases em breve.
