Como construí uma publicação completa sobre VE sozinho, usando IA como ferramenta

Pode conter links de afiliado; posso receber uma comissão, sem custo extra para você. Tudo aqui é minha opinião. Divulgações

Eu pesquiso, escrevo e edito uma publicação completa sobre veículos elétricos sozinho. Não com uma equipe. Com a IA como a ferramenta que permite a uma pessoa fazer o que antes exigia uma redação inteira. O custo total para montar a operação, somando tudo, ficou abaixo de trezentos dólares. É assim que funciona de verdade, e o porquê de eu ter construído desse jeito.

Eu construí o ThinkEV.ca, uma publicação canadense sobre veículos elétricos, e toco ele sozinho. Faço a pesquisa, a escrita e a edição. O que torna isso possível para uma pessoa só com um emprego em tempo integral é o sistema que construí em volta da IA: uma camada de gestão de conhecimento, um pipeline de redação, portões programáticos de qualidade, distribuição social automatizada, monitoramento de e-mail e um centro de comando em tempo real. Tudo num único PC na minha sala em Courtenay, BC. Sem capital de risco. Sem equipe. Menos de trezentos dólares no total. E digo isso sabendo perfeitamente que parte desses dólares foram erros que cometi pelo caminho, então o gasto realmente útil foi ainda menor.

Essa é a mesma ideia à qual eu sempre volto quando me perguntam como usar IA num pequeno negócio. A IA não é um funcionário. É alavanca. Ela não substitui você, ela estende você, para que uma pessoa carregue a carga de trabalho que antes precisava de uma equipe inteira.

Pontos-chave

---

Sou ex-bailarino, brasileiro. Inglês é minha terceira língua, depois do português e do espanhol. Não tenho diploma em computação, não tenho MBA e não tenho playbook de startup. Passei minha carreira em estúdios de dança e em palcos, não na frente de um terminal. O que eu tenho é disposição para construir coisas que fariam a maioria das pessoas dizer "isso é complicado demais para uma pessoa só", e um conjunto de ferramentas de IA que nunca dorme.

Aqui está como funciona.

Antes de escrever um único post para o ThinkEV, construí um lugar para guardar tudo o que eu vinha aprendendo sobre o mercado canadense de VE. Programas de subsídio por província. Dados de infraestrutura de carregamento. Fabricantes chineses entrando no mercado depois da redução das tarifas. Análise de concorrentes. Mudanças de política do governo. Isso virou o Brain Server, um sistema de gestão de conhecimento rodando na minha própria máquina. Cada pesquisa, cada artigo que leio, cada dado entra ali. É pesquisável, organizado por tema, e persistente, quer dizer, não desaparece quando fecho uma aba ou começo uma sessão nova. Quando sento para escrever sobre os incentivos de VE em Manitoba, os fatos já estão na base de conhecimento, verificados e prontos para serem citados, então a IA que redige em torno deles não tem espaço para adivinhar ou alucinar.

A maioria das pessoas que começam negócios de conteúdo pula essa parte. Vai direto para a escrita. Funciona por um tempo, mas no momento em que você precisa de consistência por dezenas ou centenas de artigos, você precisa de uma fonte única da verdade. Eu construí a minha primeiro, e tudo depois disso ficou dez vezes mais fácil por causa dela. O Brain Server é a infraestrutura sem glamour debaixo de tudo o que construí desde então. É também a parte de que ninguém fala, porque construir uma camada de conhecimento parece atraso quando as vozes mais altas em IA te dizem que a única coisa que importa é "lançar rápido e iterar".

O sistema que permite a uma pessoa escrever uma publicação

Uma redação tem repórteres, uma mesa de copidesque, um checador de fatos e um editor. Eu tenho um de cada função, e são todos eu, acelerados por um sistema que construí para o trabalho de fato caber nas horas que eu tenho.

Aqui está como uma peça anda por ele. Começa como um esqueleto de pesquisa, com fatos verificados puxados direto da base de conhecimento. A partir daí a IA redige o artigo em torno desses fatos, seção por seção em vez de tudo de uma vez. Redigir em passes é o que impede a escrita de colapsar no padrão macio, hedge e infinitamente educado em que a prosa de IA cai quando ninguém está dirigindo, e o que segura uma voz editorial única e consistente ao longo de uma peça longa em vez de deixá-la derivar no meio do caminho. A voz no ThinkEV é a voz da publicação, a que eu defino e aprovo. A IA faz o trabalho pesado de transformar pesquisa verificada num rascunho completo. Eu faço a direção, o julgamento e a palavra final sobre cada palavra que vai ao ar.

Aprendi isso na prática. No começo experimentei rodar vários estilos de redação distintos para o site não soar monótono. Me ensinou muito sobre como fazer a IA segurar uma voz, mas adicionou complexidade sem deixar a publicação melhor, então consolidei numa voz editorial clara e num sistema mais forte por baixo. Essa é a lição em miniatura: a ferramenta é flexível o bastante para fazer quase tudo, o que significa que a disciplina tem que vir de você. Decida como a publicação soa, depois faça o sistema servir a isso, não o contrário.

Portões de qualidade, não vibe

É aqui que a maioria das pessoas erra em conteúdo com IA. Geram alguma coisa, leem, pensam "tá razoável" e publicam. É assim que se acaba com um site cheio de conteúdo que soa todo igual e não diz nada.

Meu pipeline tem portões programáticos de qualidade. A detecção de repetição pega quando a mesma expressão aparece três vezes num artigo. A pontuação de legibilidade garante que a escrita está acessível. A verificação de fatos confere alegações contra a base de conhecimento do Brain Server. A aplicação de ortografia canadense pega "color" e troca por "colour". Um sistema crítico pontua cada peça antes de ela ir ao ar e, se não passar, não publica. Ponto.

Isso não tem a ver com perfeccionismo. Tem a ver com construir um sistema em que os padrões estão codificados no processo. A IA cuida da redação. O sistema cuida da consistência. Eu cuido da visão e da palavra final. Os portões não são consultivos, são bloqueantes. Uma peça que falha no crítico não recebe um cutucão educado. É devolvida pelo pipeline com as falhas específicas marcadas para revisão. Isso muda a economia inteira do conteúdo com IA. O custo marginal de produzir uma peça com IA é baixo. O custo marginal de produzir uma peça boa é o que a maioria dos operadores discretamente ignora. Portões programáticos fecham essa diferença.

Também rodo um centro de comando em tempo real. Chamo de VP Operations Command Center. Um painel me mostra a saúde de cada sistema em tempo real: processamento de e-mail, agendamento de conteúdo, distribuição em redes sociais, roteamento de inferência, saúde do servidor, taxas de erro. Toda manhã olho o painel e sei exatamente o que aconteceu durante a noite, o que foi publicado, que e-mails entraram, o que falhou, o que precisa da minha atenção. Recebo uma mensagem no Telegram às oito da manhã com um digest de tudo: documentos criados, e-mails processados por categoria, posts sociais feitos, jobs de inferência concluídos, erros. A maioria das pessoas espera algo quebrar para olhar suas operações. Quando chega lá, você está apagando incêndio. Monitoramento não é overhead. É a diferença entre você tocar seu negócio e seu negócio te tocar.

O ThinkEV.ca roda num único PC com Windows, com uma GPU que me custou cerca de duzentos e cinquenta dólares usada. Os modelos de IA rodam localmente pelo Ollama, que é gratuito. O Brain Server é SQLite, gratuito. O pipeline de conteúdo são scripts Node.js, gratuitos. A hospedagem é o plano gratuito da Vercel. O domínio custou quinze dólares. Custo total de infraestrutura: menos de trezentos dólares. Não por mês. No total. Para sempre. Não estou dizendo isso para exibir. Estou dizendo porque a narrativa em torno de IA nos negócios é dominada por empresas gastando milhões em licenças corporativas e modelos sob medida, e essa narrativa silenciosamente convence operadores menores de que o mesmo resultado está fora de alcance. Não está. Você não precisa de contrato corporativo. Você precisa de clareza sobre o que seus sistemas devem fazer, paciência para construí-los direito, e humildade para consertar quando quebrarem, porque vão quebrar.

A verdade é que construí esses sistemas porque tinha que construir. Não tinha orçamento para contratar um time de conteúdo, um gestor de redes sociais, alguém de operações e um desenvolvedor. Sou uma pessoa só, com uma visão e um conjunto de ferramentas de IA em que aprendi a confiar. Então construí a infraestrutura que permite a uma pessoa fazer o que antes exigia um time inteiro. Não porque eu queria provar alguma coisa. Porque o trabalho precisava ser feito e ninguém mais ia fazer. É aí que a maioria dos conselhos de startup erra. Mandam você contratar rápido, escalar rápido, gastar rápido. Eu diria: construa com inteligência primeiro. Entenda seus fluxos tão a fundo que, quando você de fato crescer, seja com gente, seja com ferramentas melhores, você esteja escalando algo que já funciona.

Os sistemas não são o produto. Os sistemas são o que permite, na prática, construir o produto. O ThinkEV hoje tem mais de noventa artigos publicados, cobre os programas de subsídio de VE de todas as províncias, analisa os principais elétricos disponíveis no Canadá e ranqueia em palavras-chave de cauda longa que trazem leitores que estão de fato considerando comprar um VE. Esse é o produto. Tudo que descrevi acima é o que torna isso possível para uma pessoa só. E roda inteiro de uma sala em Courtenay.

FAQ

Uma pessoa não-técnica consegue mesmo construir isso?

Sou ex-bailarino. Inglês é minha terceira língua. Não tenho diploma em ciência da computação. Construí cada parte dessa stack sozinho, em noites e fins de semana roubados, disposto a aprender o que o trabalho exigia. Se você tem uma visão clara do que seus sistemas devem fazer, você consegue construí-los. A parte difícil não é o código. A parte difícil é manter a cabeça clara sobre para que os sistemas servem enquanto a tentação é continuar adicionando funcionalidades. Construa o mínimo que resolve o problema, depois melhore quando ele tiver ganhado o direito de ser melhorado.

Quanto custa para rodar por mês?

A infraestrutura é efetivamente zero. Os modelos são locais. A hospedagem é o plano gratuito da Vercel. O banco é SQLite na minha máquina. O único custo recorrente é eletricidade, que entra na minha conta de luz e é pequena porque a máquina fica ociosa a maior parte do dia e só sobe quando uma geração longa está rodando. Os custos únicos, a GPU usada, o domínio, algumas pequenas ferramentas, somaram menos de trezentos dólares em toda a história.

Por que modelos locais em vez de IA na nuvem?

Três razões. Primeira, custo. Inferência local pelo Ollama é gratuita no marginal, e um pipeline de conteúdo que publica em qualquer escala real acumularia contas mensais de API que comeriam discretamente a margem do site. Segunda, controle. Eu sou dono dos modelos, dos prompts, da voz editorial e dos dados. Nada vaza para um log ou conjunto de treinamento de terceiros a menos que eu mande de propósito. Terceira, confiabilidade. Uma queda de uma API na nuvem não para meu pipeline. O trade-off é que eu tenho que cuidar da máquina. É um trade-off com o qual estou feliz.

Como você impede a IA de alucinar?

Duas camadas. Primeira, a base de conhecimento. Toda alegação que entra numa peça é para estar ancorada em algo já verificado dentro do Brain Server. A redação expande ao redor de fatos verificados, não os inventa. Segunda, o crítico. Antes de uma peça publicar, ela é pontuada em várias dimensões, e uma delas é verificação de fatos contra a base. Qualquer coisa que o crítico marca como não-suportada é devolvida com a alegação específica destacada. Se eu não consigo ancorar uma alegação, a alegação não vai.

Posso copiar essa stack?

Boa parte, sim. Ollama, SQLite, Node.js e Vercel são todos gratuitos ou perto disso. A orquestração específica, o pipeline de redação, o crítico, o schema do Brain Server, o painel de comando, é código sob medida que escrevi para as necessidades do ThinkEV. O formato é replicável. A voz editorial não, porque a voz é minha. Se você quer construir algo parecido, comece pela sua própria base de conhecimento antes de escrever uma única peça.

O que quebrou primeiro, e o que ainda é imperfeito?

A primeira coisa que quebrou foi a deriva de voz. Peças longas geradas numa única passada começavam firmes e terminavam em algo notavelmente mais macio e genérico. Resolver isso foi o que produziu o modelo de redação seção por seção. O que ainda se comporta mal de vez em quando é a qualidade de inferência em prompts de borda. O crítico pega a maioria, mas ainda tem dias em que uma peça cai sem graça e é devolvida para reescrita manual. O sistema é bom. O sistema não está pronto.