A conversa com o cliente vira o documento do negócio

1. Em resumo

O Sam é um assistente dentro de um aplicativo de celular. Ele escuta a conversa do profissional com o cliente, mostra ao longo dela o que já foi entendido e, com um toque, reúne em texto o que foi dito: que serviço é, quando, por quanto, o que comprar, para quem e para onde ir. A partir disso o profissional cria com um botão o cartão do projeto, ao qual volta no dia seguinte ou uma semana depois.

A segunda entrada tem o mesmo peso da primeira: dá para não escutar nada e simplesmente colar a conversa do mensageiro ou um print. Daí em diante o processo é o mesmo.

A tese em uma linha: a conversa com o cliente vira o documento do negócio. A tradução existe dentro disso, mas a tradução não é o produto. Fones de ouvido traduzem a conversa e a esquecem; depois dela o profissional não fica com nada que possa enviar ao cliente. Com o Sam, fica.

Onde estamos. O aplicativo está montado e funciona no iOS, está no TestFlight e entende cinco idiomas: inglês, espanhol, português, russo e ucraniano. Temos zero usuários externos. Até agora não chamamos ninguém para o alfa e não convidamos visitantes. Tudo o que se diz abaixo sobre o produto pode ser conferido na build; tudo o que se diz sobre o mercado e sobre a comunidade de profissionais é uma aposta, e escrevemos à parte como pretendemos verificá-la.

2. O que já funciona

Aqui não há promessas. Tudo o que está listado existe na build e pode ser conferido no aparelho.

Escuta ao vivo. O profissional segura o botão, o Sam escuta a conversa e mantém o "Painel": sete campos que vão sendo preenchidos à vista, ou seja, tarefa, preço, quando, estimativa de duração, cliente, endereço e materiais. Durante a escuta o Sam não escreve no chat e não interfere na conversa. Um campo vazio continua vazio: se o endereço não foi dito, o Sam não o inventa, apenas marca que o endereço precisa ser confirmado.

A análise depois. Ao parar, o Sam responde ao profissional em texto no idioma dele e, quando faz sentido, entrega uma fala pronta para o cliente: um bloco separado "ler para o cliente", com áudio ao toque e cópia em um toque. Quem envia ao cliente é o próprio profissional, do seu telefone, com as próprias mãos.

A segunda entrada. Uma conversa colada ou um print são processados do mesmo jeito que uma conversa escutada. Para o profissional que recebeu o pedido pelo mensageiro, esse é o cenário principal.

O cartão. O salvamento acontece por um toque da pessoa. Só então os campos são extraídos da conversa e o cartão é gravado no servidor: tarefa, preço, data, endereço, materiais e fotos da obra. Uma semana depois o profissional abre a lista de serviços e encontra tudo no lugar, em vez de rolar a conversa.

O valor é um campo, não um cálculo. O Sam mostra o valor que o próprio profissional disse. Ele não faz o orçamento no lugar dele, não emite fatura e não recolhe pagamento.

O consentimento. Durante a escuta corre na tela a faixa "TRANSCRIBING, NOT RECORDING". O áudio não é armazenado: a fala vira texto e a gravação original não fica guardada. Isso não é uma nota jurídica no rodapé da página, é um elemento da interface que tanto o profissional quanto o cliente veem, se olharem para a tela.

O que o Sam não faz, por princípio. Ele não tem permissão de escrita para nada: sabe lidar apenas com texto. Não salva, não agenda, não envia e não paga. Qualquer ação no sistema é feita por uma pessoa, com um toque. Consideramos isso não uma limitação, mas a condição para que o documento mereça confiança: nele entra só aquilo que o profissional deixou entrar.

Em breve. Fatura, agendamento do encontro no calendário e lembretes, ligação com os mensageiros. A decisão está tomada, o trabalho não está feito; onde citamos esses itens, eles aparecem marcados como "em breve".

3. O problema

O profissional que trabalha sozinho toca o ciclo inteiro: achou o cliente, conversou, orçou, anotou, fez, recebeu. Sua única ferramenta de trabalho é o telefone. Ele domina o próprio serviço e conhece o material melhor que o cliente. O ponto em que ele trava é um só: a conversa em que o negócio fecha ou fica no ar.

A barreira aqui não é "fala mal inglês". Descrever assim é impreciso e ofensivo. A barreira é a dificuldade de captar com precisão e confirmar aquilo que importa para aquele cliente específico, quando o idioma não é o materno. Ela existe até entre dialetos de um mesmo idioma: o profissional chega na casa de um britânico, está tudo em inglês, e ainda assim a leitura do pedido escorrega. Ele sai da casa do cliente com a sensação de que deixou de perguntar alguma coisa, e está certo.

Depois vem a segunda parte: aquilo que chegou a ser dito se perde. Os detalhes ficam na cabeça e na conversa do mensageiro, à qual ninguém volta. Uma semana depois o profissional não lembra se ficou combinado "antes do meio-dia" ou "depois", nem se a torneira já foi comprada.

É entre essas duas coisas que o Sam se coloca: ajuda a captar o que importa no momento e deixa, depois da conversa, um texto ao qual se pode voltar.

4. Quem é o usuário e quem paga

O formato do público. Uma pessoa que trabalha por conta própria em projetos curtos e percorre o ciclo "cliente → orçamento → agendamento → execução → pagamento", sem vitrine e sem rotina de assinaturas. Chamamos esse critério de estimate-driven project services. Entram nele handymen, pintores, azulejistas, pisos e drywall, hidráulica e elétrica de pequeno porte, cercas e decks, paisagismo, limpeza, mecânicos móveis e fotógrafos que atendem no local. A lista cresce pelo critério, não por um catálogo setorial.

O retrato importa mais que o rótulo. Habilidoso, tem orgulho do ofício, aprende por vídeos curtos. Alta autonomia e pouca paciência com atrito: ele vai ler o onboarding e entender, desde que isso se pague em tempo ou em dinheiro. O telefone é a ferramenta principal e ele o usa no momento: na casa do cliente, no carro, depois do turno.

O produto é uma escada e a entrada é pelo assistente. Nível 1, o ajudante no momento: escuta ao vivo e análise. Nível 2, o caderno inteligente: o cartão. Nível 3, um acompanhamento leve da agenda. Nível 4, CRM, que está longe. A porta de entrada da primeira versão são os níveis 1 e 2. É uma inversão consciente do funil em relação aos sistemas de gestão de serviço em campo: eles começam pela gestão, nós começamos pelo assistente, e a gestão entra quando o profissional chega até ela.

Quem paga. O profissional que já ganha dinheiro e bateu no teto por causa da comunicação. Não é o diarista sem dinheiro do estacionamento da loja de material de construção, nem o gerente de uma equipe. O iniciante, para nós, é combustível do boca a boca e comprador de amanhã, mas não é de quem cobramos hoje.

A cabeça de ponte. Handymen da Bay Area. O handyman foi escolhido como a entrada tecnicamente mais simples: um único usuário, o cliente fica fora da plataforma, e a história de dois lados "contratante ↔ equipe" fica adiada. Construímos a distribuição para dentro da comunidade local do ofício, não pelo painel de anúncios: em um meio fechado e de baixa confiança se entra pelos próprios, e isso define tanto o canal quanto o ritmo.

5. Por que isso não é um tradutor

Essa é a primeira objeção que ocorre a qualquer leitor, e respondemos a ela antes que seja feita.

As plataformas já tornaram a tradução no momento da conversa uma coisa esperada e gratuita. Discutir com isso não faz sentido e não é preciso: para nós é uma boa notícia. O custo dessa função saiu das nossas costas e o valor subiu de camada, para um lugar que ninguém ocupou.

A diferença é mecânica, não de marketing. A voz é efêmera. Ela soa e some; para usá-la, os dois lados da conversa precisam ter o mesmo equipamento e se esforçar igualmente. O texto fica. Dá para lê-lo de canto de olho no barulho e no sol, dá para voltar a ele uma semana depois, dá para corrigi-lo, dá para pendurar nele um preço e um status. Por isso o Sam escuta tudo o que os dois falam, mas responde em texto, e no fim entrega não uma "tradução mais exata", e sim um documento.

A melhor ilustração já está gravada e está no site: a conversa foi em inglês, o Sam respondeu ao profissional em russo e perguntou exatamente o que o próprio profissional perguntaria (se o sifão serve mesmo, se já está tudo comprado e que horas exatamente no sábado), e escreveu o resumo para o cliente em inglês. Nessa cena a palavra "tradução" não aparece nenhuma vez, e a promessa foi cumprida.

A formulação que está na página inicial: "Traduzir ainda não é se comunicar".

6. Por que agora

Até por volta de 2024 o modelo não conseguia pegar a fala profissional bruta no idioma nativo do profissional, com gíria, frases pela metade e "aquela coisa ali embaixo da pia", e desdobrá-la em uma resposta com sentido, que levasse em conta o contexto do ofício. Os tradutores universais faziam isso ao pé da letra e soavam pior, não melhor. Essa capacidade passou a funcionar, e a custar pouco, no último ano e meio.

Ao mesmo tempo, as plataformas assumiram a camada horizontal: tradução como um botão embutido nos fones e no telefone. Isso muda as expectativas, mas não resolve a tarefa, porque a camada horizontal é igual para todos e não conhece nem o ofício nem uma comunidade concreta. A horizontal foi ocupada. A vertical, ou seja, uma comunidade concreta do ofício e os resultados dela, ninguém ocupou.

7. Escala

Escrevemos apenas os números que têm fonte por trás, e não escrevemos os que não temos.

• 50,2 milhões de imigrantes nos Estados Unidos em 2024, ou seja, 14,8% da população e 18,2% (32,2 milhões) da força de trabalho civil.
• 47% (23,5 milhões) dos imigrantes adultos falam inglês abaixo do nível "muito bem"; os imigrantes respondem por cerca de 81% de todas as pessoas com inglês limitado no país.
• Subir um nível no domínio do idioma dá cerca de um terço de acréscimo na renda (Bleakley & Chin para os Estados Unidos; valores comparáveis de +18% a 20% em Dustmann & Fabbri para o Reino Unido).
• Em 2022, 17% de todos os autônomos nos países da OCDE eram migrantes, contra 11% em 2006. Esse é o conjunto crescente de micronegócios que temos como alvo.

E a lacuna honesta, que nomeamos por conta própria: não existe em fontes abertas um número direto sobre a "barreira de idioma no momento do negócio para o profissional autônomo". Existem proxies vizinhos e densos, listados acima. Não trocamos um pelo outro e não achamos que a soma dos proxies prove o nosso recorte.

8. O panorama

Não ganhamos dos listados abaixo em funcionalidades. Afirmamos outra coisa: a camada da "comunicação viva entre profissional e cliente, levada até o artefato do negócio" não está ocupada por ninguém.

Sistemas de gestão de serviço em campo (Housecall Pro, Jobber, Workiz). São ferramentas para um negócio que tem administrador. Começam pelo trabalho burocrático e supõem que a conversa correu bem. Para o profissional que não é técnico, a interface deles é um muro. Ao mesmo tempo, eles próprios caminham na direção da comunicação com IA, o que confirma a nossa tese de forma indireta.

Orçamento com IA (Handoff e semelhantes). Um momento forte em termos de dinheiro, mas é back-office depois da conversa, e é em inglês por padrão.

Orçamentos e faturas para autônomos (Joist, GetCost e análogos). Provam que o mercado já percebeu o segmento. Mas vendem um formulário para preencher, não um parceiro na conversa.

Copilotos de voz (Plaud, AudioPen, Otter). Existe demanda por "falei e recebi uma estrutura", e essa é uma boa notícia. Mas a transcrição é um beco sem saída: não há cartão, não há cliente, não há "responda por mim", não há dinheiro.

Tradução no momento (Apple, DeepL, Google). Deslocamento de expectativas, não substituição. O mecanismo é efêmero e não entrega documento.

E o principal concorrente, que é fácil não notar: um pedido bem escrito no ChatGPT. Esse é o status quo e o verdadeiro rival pela atenção. O modelo universal não está dentro de uma comunidade fechada e desconfiada, não conhece o ofício local e não transforma a conversa naquele trabalho burocrático que sustenta o negócio do profissional. Mas todo o resto ele faz.

Em uma linha: quando o profissional está no cômodo com o cliente, nenhuma dessas ferramentas está ao lado dele.

9. O fosso: um caminho, não um fato

Esta é a seção de maior responsabilidade, e começamos por uma afirmação direta: hoje não temos fosso. Temos um caminho até ele. Não vamos fingir o contrário.

O que já existe

A memória própria. O Sam lembra o que o profissional fez, quanto ganhou e como executou cada tipo de serviço; tudo o que o profissional compartilhou entra no próximo trabalho dele. Isso cria custo de troca e é propriedade intelectual do próprio profissional. Mas não é efeito de rede, é retenção, e qualquer um repete isso se quiser. Não apresentamos como fosso.

O caminho para dentro da comunidade. A comunidade imigrante de ofício é um meio fechado e de baixa confiança, e não se entra nela pela App Store. Construímos a distribuição por meio das pessoas que já estão lá dentro. A tradução é o demo; o acesso é a empresa. Essa é a parte mais real da nossa aposta e, ao mesmo tempo, a mais frágil.

No que apostamos

O que vem a seguir é a aposta. Ela está projetada, mas não construída, e pode não se confirmar.

Os profissionais de uma mesma região metropolitana dividem fornecedores, normas locais, clima e tipos de casa. O conhecimento que vale aqui não é o "preço médio de mercado", e sim o que de fato aguenta neste clima e sob estes códigos, e como orçar um serviço desse tipo. O modelo universal conhece o mundo, mas não sabe o que funcionou para duzentos profissionais de uma região metropolitana concreta. A aposta é que a experiência anônima acumulada por tipo de serviço seja útil para o profissional seguinte, e que seja isso, e não um conjunto de funções, que segure as pessoas.

Como isso funciona no nível do princípio. Os dados estão divididos em duas camadas. A privada reúne clientes, fotos, segredo comercial e a formação de preço concreta do profissional: nunca é compartilhada, é exportada em arquivo, é apagada. A comum reúne práticas anônimas por tipo de serviço, sem perfis pessoais, anonimizadas até o nível da prática e não de um serviço isolado: em um mundo pequeno, onde todos conhecem as mesmas casas, um serviço específico é reidentificável, por isso o endereço e os detalhes únicos são cortados. Entendemos o consentimento como um contrato público da comunidade, não como uma caixinha de marcar: explicamos o quê, como e para quê, perguntamos na entrada e, a partir daí, a contribuição fica ligada por padrão, com uma opção visível de ver o que foi contribuído e de pausar. O enquadramento é "a comunidade do ofício ensina a si mesma", não "nós coletamos dados".

Um ponto à parte: "especialista", para nós, não é uma pessoa nem a autoavaliação do modelo. É um conjunto de conhecimento revisado, mais uma regra de ponderação, mais uma marca de origem: verificado na prática ou tirado do rótulo. Fontes vindas da comunidade entram depois e por um filtro, não de forma automática.

O que nunca faremos

Preços concretos nós não agregamos. De forma nenhuma, nem "na média da região", nem "em faixa". O motivo é simples e vale dizer em voz alta: basta uma história de "vazaram os meus preços" dentro de um grupo do ofício e o canal está morto. Cada um define o preço conforme as próprias competências; o "preço médio" é ao mesmo tempo prejudicial e inútil. O nosso fosso e o nosso principal risco são o mesmo objeto, e preferimos um fosso menor, mantendo o canal vivo.

Como vamos verificar

O sinal nesta parte é comportamental, não declarativo: o profissional concorda em contribuir para a camada comum sem resistência, depois que a mecânica é explicada. A condição de escala é a densidade local: enquanto a região metropolitana não reunir cerca de duzentos profissionais ativos, a camada comum não pode ser útil, e não vamos afirmar o contrário. O sinal de que estamos errados: os profissionais concordam em contribuir, mas não voltam para buscar a experiência dos outros.

Em uma frase que vale manter em mente ao ler esta seção: hoje o Sam sabe exatamente aquilo que um profissional específico compartilhou com ele. Todo o resto aqui é aposta.

10. Como ganhamos dinheiro

Assinatura de cerca de $50 por mês, com o primeiro mês gratuito.

O princípio que para nós importa mais que o número: pedimos dinheiro depois que o produto já fechou um negócio para a pessoa, não antes. O mercado em que entramos está envenenado por golpes e por pagamento adiantado em troca de promessa; a confiança aqui é frágil e a difusão se apoia no boca a boca. Cobrar na frente queima exatamente o ativo por causa do qual fazemos tudo isso. Por isso o gratuito não é limitado pelo calendário, e sim pelo valor entregue: a conversa sobre pagamento começa quando o profissional percorreu o ciclo completo (conversa, cartão, preço, mensagem para o cliente) e o repetiu em outra semana.

Conduzimos a narrativa de preço a partir do risco de perda, não de um abstrato "vai ganhar milhares": um orçamento não fechado são centenas de dólares que passam longe, e a assinatura se paga com um único negócio fechado a mais por mês.

O custo é dominado pelos tokens do modelo, não pelo armazenamento. Pela estimativa interna atual, ele fica em torno de $3 a $4 por usuário pagante por mês. O gargalo da economia não está aqui: está na passagem de gratuitos para pagantes e no custo da distribuição.

A disposição a pagar é uma hipótese, não um fato. Não a verificamos por pesquisa, e sim cobrando depois de negócios fechados e observando quem tira o cartão do bolso.

11. Riscos que nomeamos por conta própria

Zero usuários. Não escondemos isso atrás de "todo mundo já usa o ChatGPT", porque isso é demanda por IA em geral, não por nós.

A confiança da comunidade é frágil. Já dito acima: o fosso e o risco são o mesmo objeto. Um único vazamento de preços alheios fecha o canal inteiro.

Jurídico. Transcrever a fala de outra pessoa exige consentimento; na Califórnia isso é two-party consent. Não respondemos a isso com uma nota de rodapé: a linha "a gente transcreve, não grava" está embutida na tela, e o áudio não é armazenado.

"O cliente ouve um robô em vez do profissional". O constrangimento no momento pode matar o negócio, ou seja, bater exatamente onde prometemos ajudar. A reação do cliente precisa ser medida em campo, não suposta.

A retenção depois que o profissional já aprendeu as frases. A função principal ensina o usuário e se torna dispensável. A resposta é a memória, o fluxo de trabalho e a camada comum; e falamos disso de forma direta, em vez de torcer para que ninguém perceba.

Distribuição estreita no início. A entrada em uma comunidade fechada se apoia em relações pessoais, não em um canal que se possa comprar. Isso é ao mesmo tempo a nossa vantagem e o nosso teto de velocidade.

12. Como vamos verificar que estamos certos

O teste está formulado de modo que seja possível reprovar nele.

O que fazemos: dogfooding do fundador e, depois, dois ou três profissionais reais da cabeça de ponte em serviços reais.

O sinal de "sim" exige as duas condições ao mesmo tempo:

1. o profissional voltou na segunda semana sem lembrete;
2. ele contou sobre o produto para outro profissional.

"Gostei da ideia" não conta. O terceiro sinal, à parte, é sobre o fosso: concordou em contribuir para a camada comum sem resistência.

Condições de limpeza: separamos as coortes por idioma, ou seja, a russa, a ucraniana e a espanhola contam em separado; o tempo do testador é contado em dias ativos, não em dias de calendário; os convites são filtrados pelo critério: projetos curtos com orçamento, cabeça de ponte, prática real.

13. Mapa de status

Um resumo para conferência rápida: o que neste documento é verificável e o que é aposta. Na próxima versão parte das linhas deve migrar da coluna direita para a esquerda; se não migrar, isso também é informação.

O documento será atualizado à medida que as linhas da tabela mudarem de status. Perguntas e sugestões pelo formulário de acesso antecipado na página inicial.