A Tecela AI foi fundada em 2026. Os trabalhos a seguir não são casos fechados pela empresa: são a experiência que o fundador traz para ela. Cada um está descrito por setor e tipo de solução, sem nome de cliente, com o status real até esta data.
Software B2B, vendas corporativas
Protótipo avançado
Inteligência comercial integrada a um CRM corporativo
O problema: reuniões de vendas ficam gravadas, mas raramente viram evidência estruturada dentro do CRM que a equipe já usa no dia a dia.
O que o fundador construiu: uma plataforma multiempresa que transforma essas gravações em evidência estruturada, com isolamento de dados por cliente e integração direta com o sistema de vendas que a equipe já usa.
Stack: Next.js, Supabase e Postgres com controle de acesso por linha, integração REST/OData, n8n para orquestração do pipeline, Anthropic e OpenAI para os modelos de linguagem.
Status: protótipo avançado, testado em ambiente de demonstração com dados pseudonimizados. Sem clientes pagantes confirmados até esta data.
O que isso mostra: isolamento de dados por cliente como parte da arquitetura, não como ajuste posterior, e capacidade de integrar com o sistema que o cliente já usa em vez de pedir que ele troque de ferramenta.
Software B2B, vendas
MVP local
Assistente ao vivo para reuniões comerciais
O problema: durante uma reunião comercial, o vendedor decide na hora, sem apoio estruturado, e a preparação antes e a revisão depois costumam ficar informais.
O que o fundador construiu: um assistente que acompanha a reunião ao vivo, com transcrição em tempo real, sugestões contextuais durante a conversa, preparação antes e revisão depois, em português e inglês. Ele comparou diferentes modelos de IA com votos humanos cegos antes de escolher qual usar.
Stack: Next.js e Node rodando localmente, SQLite, Deepgram para transcrição, OpenAI e Anthropic para os modelos, ElevenLabs para voz quando ativada.
Status: MVP local, em uso interno e em demonstração. Não é um produto publicado.
O que isso mostra: rigor na escolha de modelo, com comparação cega antes de decidir, e separação clara entre o que a IA sugere e o que a pessoa decide.
Educação, serviços
Em operação
Site institucional com qualificação automática de leads
O problema: um site institucional recebe visitantes interessados, mas sem qualificação automática esses contatos exigem trabalho manual da equipe comercial para serem filtrados.
O que o fundador construiu: um site institucional em três idiomas, inglês, espanhol e português, com um quiz de qualificação que envia os resultados automaticamente para a equipe comercial.
Stack: HTML, CSS e JavaScript estático, Google Apps Script, hospedagem na Vercel.
Status: publicado e em operação desde agosto de 2026.
O que isso mostra: automatizar a qualificação de leads não exigiu uma plataforma nova. Bastou um fluxo simples entre o quiz e a planilha da equipe comercial.
E-commerce, marketing digital
Entregue
Diagnóstico de funil de receita por perfil de cliente
O problema: uma plataforma de marketing digital precisava entender, por perfil de cliente, onde perdia oportunidades de receita ao longo do funil, sem depender de suposição.
O que o fundador construiu: um diagnóstico de funil de receita por perfil de cliente, a partir da análise de gravações reais de chamadas comerciais.
Stack: Next.js para o site do entregável, dados extraídos de chamadas comerciais anonimizadas.
Status: entregue como material analítico em agosto de 2026. Não é um software em operação contínua.
O que isso mostra: usar evidência real, e não suposição, para orientar decisões de funil e de oferta.
Serviços profissionais, contabilidade, saúde
Em validação
Painel de demonstrativo financeiro para escritório de contabilidade
O problema: um escritório de contabilidade que atende a área de saúde precisava apresentar demonstrativos financeiros de forma clara para os próprios clientes dele.
O que o fundador construiu: um painel de demonstrativo financeiro para uso dos clientes do escritório.
Stack: não detalhada publicamente nesta primeira versão.
Status: primeira versão em apresentação e validação com o cliente. Não está em produção.
O que isso mostra: a mesma disciplina de status honesto aplicada fora do software B2B de vendas. O que existe hoje é uma versão em validação, não uma alegação de produto pronto.