Um mentor de pesquisa para os designers do iFood, criado quando o time de Research tinha três pessoas para apoiar mais de 180 designers.
O time de Research tinha três pessoas para apoiar mais de 180 designers. Parte desse apoio acontecia em conversas individuais sobre dúvidas que se repetiam: qual método usar, como estruturar uma pesquisa, como montar um roteiro ou revisar perguntas.
Quando medi quanto tempo essas conversas ocupavam, cada pessoa do time gastava mais de 7 horas por semana com esse tipo de apoio.
Boa parte das orientações dadas nessas conversas já estava documentada em guias, boas práticas e templates. Mesmo assim, para chegar até esse conteúdo, as pessoas ainda recorriam ao time de Research.
Comecei a olhar para esse conhecimento como algo que poderia ser acessado sem depender da nossa disponibilidade. A ideia do agente surgiu daí: reunir o que já havíamos construído e transformar esse material em uma orientação mais próxima da conversa que acontecia com alguém de Research.
Criei o agente no Toqan, a plataforma de IA usada internamente no iFood, usando como base os materiais que o time de Research já tinha: guias, métodos, modelos de roteiro, boas práticas e orientações para conduzir pesquisas.
Queria que ele se aproximasse da forma como orientávamos uma pesquisa no dia a dia. Quando alguém chegava pedindo ajuda para montar um roteiro, por exemplo, a conversa começava pelo contexto: qual era o problema, que decisão a pesquisa precisava apoiar e com quem a pessoa queria conversar.
Levei essa lógica para o agente e estruturei suas instruções usando o framework OCANES: Objetivo, para definir o que o agente deveria fazer; Contexto, com as informações que precisava considerar; Ações, com o que deveria fazer e em qual ordem; Normas, com as regras e limites; Exemplos, com referências do comportamento esperado; e Saída, definindo como cada resposta deveria ser entregue.
Dentro dessa estrutura, defini sete informações que orientam a conversa: problema, decisão, público, método, objetivos, perguntas de pesquisa e hipóteses. A pessoa não precisa chegar com tudo isso definido. O agente conduz a conversa com perguntas e provocações que ajudam a construir essas definições ao longo do caminho.
A estrutura também definia o que o agente deveria entregar em cada tipo de apoio. Um planejamento, por exemplo, precisava trazer problema, objetivos, método, amostra e entregáveis. Para roteiros qualitativos e análises, criei estruturas próprias seguindo as práticas do time de Research.
Também defini limites para as respostas. O agente não poderia completar lacunas inferindo informações. Deveria trabalhar com o que a pessoa trouxesse para a conversa e com os materiais usados para treinar o agente.
Desde o lançamento, em agosto de 2025, 121 pessoas usaram o agente, somando 4.289 interações. Embora tenha sido criado para designers, 28% dos usuários vieram de outras áreas.
De outubro a abril, o uso ficou entre 23 e 45 pessoas por mês. Nesse período, em média, 46% de quem usava o agente em um mês voltava no mês seguinte.
Durante a fase de teste, 23 pessoas de diferentes BUs e senioridades avaliaram a experiência com o agente.
Desde o início, o agente orientava as pessoas a verificar se já existiam pesquisas sobre o tema antes de começar um novo estudo. Essa busca, porém, ainda acontecia separadamente na Atena.
Em abril de 2026, integramos as duas soluções. A consulta ao conhecimento existente passou a fazer parte do próprio processo de pesquisa: primeiro entender o que o iFood já sabe, identificar os gaps e, então, usar o Agente de Pesquisa para estruturar o que ainda precisa ser investigado.
Depois da integração, o Agente de Pesquisa passou a funcionar dentro da Atena. Por isso, os dados deste case vão até abril de 2026. A partir daí, suas interações passaram a fazer parte das métricas de uso da Atena.