Resumindo a história: um cliente queria explorar uma ideia fora da caixa — um veleiro de cruzeiro super luxuoso — e nos encomendou um estudo de conceito. Por quê? A empresa dele compra muitos iates convencionais na Europa para fretamento, e eles acham que um navio único e personalizado pode gerar um negócio melhor. Então vamos explorar a ideia. Assim, decidi conduzir o processo de projeto de um jeito diferente dessa vez: e se fizéssemos tudo com IA, sem desenhar uma única linha, só para explorar as capacidades da IA? Este artigo é sobre o que encontramos.
Depois de 29 prompts (624 palavras), 7 dias, trabalhando 2 horas por dia e gastando US$ 27,30 em tokens, foi isso que conseguimos.
(IMAGE 1 – SHIP RENDER DESIGN)
Vou detalhar todo o processo, as ferramentas usadas, o feio e o bonito, mas indo direto aos principais achados: a IA se destacou em pesquisa e dados de insight, mas não foi tão bem em projeto e criatividade — mesmo assim, entregou um resultado bom o suficiente para projetos preliminares. A qualidade pode ficar questionável para o projeto de fato nas próximas etapas. Além disso, há dois aspectos a se observar: acelerar o processo, que percebi ser quase sempre verdade, e melhorar a qualidade, o que nem sempre acontece.
(TABLE 1 – TASKS DAY BY DAY AND AI TOOLS)
A seguir, vou passar por todas as etapas, ferramentas usadas, detalhes e impressões. No final, vou resumir todos os aprendizados do ponto de vista técnico.
Dia 1 – Discutindo a Ideia / Briefing
Nessa etapa, a IA teve pouquíssima participação. Discutimos as ideias pessoalmente, fizemos algumas anotações e depois usamos o ChatGPT só para organizar o texto. Mesmo com pouca IA envolvida aqui, esses documentos foram extremamente importantes para alimentar a IA na próxima etapa.
(IMAGE 2 – REQUIREMENTS OR USE CASE DOC FOR THE SHIP DESIGN)
Dia 2 – Estudo Paramétrico
O estudo paramétrico é a etapa do processo em que você olha para projetos semelhantes para checar as premissas do seu projeto. Aqui tivemos a primeira boa surpresa com a IA: ela superou nossas expectativas. Basicamente fizemos o estudo paramétrico de forma manual para dois navios e depois alimentamos isso como exemplo para a IA melhorar e buscar mais navios..
(IMAGE 3 – PARAMETRIC STUDY)
Aqui usamos o recurso Projects do Claude Desktop, que permite agrupar todos os dados de um projeto em um único lugar para consultar os documentos o tempo todo. Nesse ponto, fica muito fácil fazer coisas como:
- Buscar o parâmetro X (por exemplo, capacidade do tanque de água) para todos os navios e atualizar as tabelas e os documentos.
- Criar um gráfico comparando X e Y (por exemplo, área média dos camarotes de hóspedes por comprimento do navio) e checar se a premissa do nosso projeto se encaixa.
Sem a IA, essas tarefas seriam muito tediosas e manuais.
Dia 3 – Pesquisa de Mercado / Validação de Demanda
Mais uma ótima experiência aqui usando o Claude Code (majoritariamente o Sonnet 5): parece uma super busca do Google. Ele encontrou dados que, de outra forma, teríamos dificuldade em achar, além de ótimos insights. Por exemplo, conseguimos definir a velocidade ideal para o tamanho do navio: menor seria caro demais, e maior seria arriscado demais.
(IMAGE 4 – SUPPORT DATA FOR BUSINESS PLAN)
Dia 4 – Casco 3D
Primeiro, por que criar um casco 3D logo numa fase tão inicial? Minha suposição era: se eu conseguisse criar isso rapidamente, seria muito útil para verificar volumes, áreas e conferir os números fornecidos pela IA. E sim, eu estava certo — foi extremamente rápido criar um casco bom o suficiente para essa tarefa, bastou um único prompt. O segredo aqui foi alimentar a IA com uma boa base de dados; para isso usei o Ship-D (Ship-D – DeCoDE Lab), um banco de dados com 30.000 cascos de navios. Esse é um aprendizado muito importante: você precisa fornecer bons dados para obter bons resultados.
Abaixo está o prompt e o resultado — impressionante.
(IMAGE 5 – 3D HULL PROMPT)
Dia 5 – Layout dos Decks
Essa etapa foi o auge da decepção. Acho que as expectativas estavam altas demais por causa dos resultados que já tínhamos conseguido até então. Abaixo está o melhor layout de deck que conseguimos fazer — parece constrangedor. Ele só serviu para checar minimamente se as áreas estavam estimadas corretamente. Como experimento, limitei cada dia a 2 horas de trabalho, então pode ser que existam ferramentas ou formas melhores de fazer isso; eu só não consegui encontrar nada bom o suficiente nesse período.
(IMAGE 6 – DECK LAYOYTS)
De qualquer forma, ele foi usado como referência para criar o contorno dos decks em 3D e ter uma noção do volume geral do navio. Toda a geometria foi criada automaticamente no Rhino3D, sem um único comando executado manualmente. Para isso usei o RhinoMCP (rhinomcp | Food4Rhino), que permite simplesmente pedir ao Claude o que você quer e ele modela em 3D para você.
(IMAGE 7 – 3D DECK FLOORS OUTLINE)
Dia 6 – Perfil Externo
Nessa etapa descobrimos uma ferramenta ótima, o Veras (VERAS | EvolveLAB). Esqueça a forma como os renders eram feitos até então: chega de horas modelando e configurando ambiente, luzes, materiais — pelo menos para casos como este, em que o render será usado numa apresentação de negócios para discutir uma ideia. Claro que imagens para comerciais de TV, por exemplo, ainda envolvem bastante trabalho técnico.
(IMAGE 8 – 3D SKETCH TO 3D RENDER, ONE PROMPT)
Dia 7 – Refinando o Perfil do Costado
Por fim, exploramos variações de projeto e ajustes usando apenas o Veras. Essas variações serão usadas como insight para realimentar as etapas iniciais e assim percorrer a espiral de projeto novamente. Nem uma única linha desenhada, seja à mão ou no computador.
(IMAGE 9 – OUTBOARD RENDER VARIATION 1, CLASSIC PAINTING)
(IMAGE 10 – OUTBOARD RENDER VARIATION 2, CLIPPER BOW AND IMPROVED SHEER LINE)
Conclusão
Não mudamos o processo de projeto que já usávamos antes, apenas incluímos a IA no fluxo, com ferramentas e abordagens específicas para cada tarefa. Ter o processo bem definido e já ter passado por ele muitas vezes ajudou bastante a usar a IA com sabedoria. Esse projeto foi feito 100% pela IA. A próxima etapa será tentar uma abordagem híbrida nas tarefas de projeto, como desenhar algumas linhas à mão e alimentar as ferramentas com elas — acho que isso vai gerar ótimos resultados.
Principais Aprendizados
- Você precisa usar bons dados para obter bons resultados. Por exemplo, usamos o banco de dados Ship-D, com 30.000 cascos de navios.
- Confira tudo. Mesmo que a IA ajude bastante, você ainda precisa de uma base técnica sólida para poder julgar os resultados.
- Usar o Claude Project é útil para manter o projeto organizado e referenciar facilmente documentos e dados relacionados.
- Não use o Claude Cowork; em vez disso, use o Claude Code e peça para ele criar um script/programa em Python (ou qualquer outra linguagem de programação) para executar a tarefa — é muito mais rápido e preciso.
