rafaela.tavares
sobreprojetosexperiênciacasescontatocurrículo (PDF) ↓
CV ↓
23 . 07 . 26CASE PROOF
← voltar ao início

✦ Estudos de caso

Como eu penso — não só o que eu entrego.

Seis projetos destrinchados de ponta a ponta: o contexto, o problema real, as decisões que tomei no caminho e o que mudou no fim. Menos vitrine, mais processo.

01 Infraestrutura de vendas02 Sistema de conteúdo e distribuição03 Automação de processos contábeis04 Sistema de comunicação e alertas via IA05 Distribuição multi-plataforma de conteúdo06 Agente de triagem de candidatos via WhatsApp
CASE 01Automação · Produto

Infraestrutura de vendas — escola de idiomas

Sistema que automatizou toda a entrada de uma aluna nova: do pagamento ao primeiro contato no WhatsApp.

Papel
Desenvolvedora & Integradora
Tipo
Freelance
Stack
Python · n8n · WhatsApp API
Contexto

Uma escola de idiomas online com fluxo de matrículas crescente operava todo o processo de forma manual — desde o envio de contratos por e-mail até a confirmação de pagamento feita na mão. Com o volume aumentando, o processo virou gargalo.

O problema

Vendas e onboarding inteiramente manuais: contratos enviados por e-mail, cobranças controladas numa planilha, nenhum fluxo automatizado. Cada nova aluna exigia ~1h de trabalho operacional da equipe.

Quando entrei no projeto, cada matrícula nova consumia cerca de uma hora de trabalho manual da equipe: enviar contrato, cobrar, confirmar pagamento, dar boas-vindas. Com 20 alunas por mês, era meio turno inteiro da semana gasto com processo, não com ensino.
O processo
01

Mapeei o fluxo de ponta a ponta

Entrevistei a cliente e documentei cada etapa manual — do interesse da aluna ao primeiro acesso ao curso — para identificar onde automatizar teria mais impacto imediato.

02

Integrei pagamento e contrato automático

Conectei Asaas (cobranças recorrentes) com Assiny (assinatura digital) via webhooks e n8n. Ao confirmar o pagamento, o contrato é gerado, enviado e assinado sem intervenção humana.

03

Criei o bot de onboarding no WhatsApp

Automação que dispara boas-vindas personalizadas, envia o link de acesso ao Guru e guia a aluna nas primeiras horas — tudo automático, no horário certo.

Resultado
0 min
tempo manual por matrícula
~1h
economizada por aluna (antes)
100%
do fluxo automatizado
CASE 02Frontend · Conteúdo

Sistema de conteúdo e distribuição

Estrutura que deu identidade visual e organização à produção de conteúdo de uma marca com 80k seguidores.

Papel
Desenvolvedora Frontend
Tipo
Freelance
Stack
HTML/CSS · JS · Google AppScript
Contexto

Uma escola de idiomas com 80 mil seguidores no Instagram produzia conteúdo de forma descentralizada, sem guia visual, sem identidade consistente e sem estrutura de distribuição para outros canais.

O problema

Produção de conteúdo desorganizada, sem identidade visual definida e sem infraestrutura para publicar além do Instagram. Cada post era um esforço individual sem padrão.

A marca tinha 80 mil seguidores e produzia conteúdo toda semana, mas cada post era feito sem guia — paleta, tipografia e tom mudavam de um carrossel pro outro. Nos outros canais, nada era publicado. O conteúdo morria no feed.
O processo
01

Construí o sistema de identidade visual

Desenvolvi 8 páginas de guias de conteúdo cobrindo paleta, tipografia, tom de voz e diretrizes para cada formato — dando consistência a toda a produção.

02

Criei as páginas de distribuição

Páginas de link in bio otimizadas para Instagram e TikTok, mais uma página de vendas do curso principal — tudo em HTML/CSS puro com carregamento rápido.

03

Automatizei o pipeline de vídeo

Script em Google AppScript que aplica marca d'água nos vídeos automaticamente antes da publicação, eliminando o trabalho manual de edição básica.

Resultado
8 guias
de identidade visual — paleta, tipografia, tom de voz e diretrizes por formato
3 páginas
link in bio (Instagram e TikTok) + página de vendas do curso
automático
marca d'água via Google AppScript antes de cada publicação
CASE 03Automação · IA

Automação de processos contábeis

Tarefas que tomavam 1 hora do time passaram a ser resolvidas em 5 minutos, sem intervenção manual.

Papel
Desenvolvedora & Automatizadora
Período
2024 · CLT
Tipo
CLT
Stack
Python · Selenium · SQL · LLMs
Contexto

Escritório de contabilidade com volume alto de tarefas operacionais repetitivas: download de documentos fiscais, geração de relatórios, atendimento de dúvidas recorrentes. O time gastava horas por semana em trabalho que poderia ser automatizado.

O problema

Tarefas operacionais consumindo ~1h por execução. Volume alto de tickets com perguntas que tinham a mesma resposta. Documentação inexistente dificultava o treinamento de novos colaboradores.

O time executava as mesmas tarefas todo dia — baixar NFS-e, puxar dados de ERPs, responder as mesmas dúvidas por ticket. Uma hora por execução, cinco dias por semana. Automatizar não era otimização, era óbvio.
O processo
01

Mapeei e priorizei os processos

Identifiquei as tarefas que mais consumiam tempo (downloads de NFS-e, relatórios em ERPs) e priorizei pela combinação de frequência e esforço manual.

02

Automatizei com Python e Selenium

Scripts que executam tarefas em segundos — download em lote de NFS-e, extração de dados de ERPs (Bling, Tiny, Upseller) e geração automática de relatórios.

03

Reduzi tickets com IA e documentação

Agente de IA treinado com as FAQs internas para responder dúvidas recorrentes, mais documentação detalhada em vídeo para onboarding de novos colaboradores.

Resultado
~1h → 5min
tempo por execução
agente de IA
absorve tickets repetitivos com base nas FAQs internas
0
intervenção manual nas tarefas automatizadas
↗ GitHub ↗
CASE 04IA · Automação

Sistema de comunicação e alertas via IA

A equipe parou de checar grupos e planilhas na mão — os avisos certos chegam sozinhos, na hora certa.

Papel
Desenvolvedora & Automatizadora
Tipo
Freelance
Stack
Node.js · Claude · Gemini · Railway
Contexto

Escola de idiomas online com equipe distribuída que dependia de checagem manual de 6 grupos de WhatsApp, planilhas de tráfego e formulários de alunas para tomar decisões diárias — gerando atraso e sobrecarga.

O problema

Equipe dependia de checagem manual de grupos de WhatsApp, planilhas de tráfego e formulários — gerando atraso na resposta a inadimplência, leads e aulas experimentais. Informação crítica se perdia no ruído.

A equipe começava o dia checando 6 grupos de WhatsApp, cruzando com planilhas de tráfego e formulários de alunas — tudo na mão, antes de tomar qualquer decisão. Informação importante se perdia no meio do ruído.
O processo
01

Eliminei a checagem manual de grupos

Configurei Claude Code CLI para ler e resumir automaticamente os 6 grupos de WhatsApp toda manhã, entregando um relatório consolidado no horário certo, sem precisar abrir nenhum chat.

02

Automatizei cobranças e inadimplência

Sequência de cobrança de 7 dias com node-cron rodando no Railway — mensagens distintas para cartão e boleto, disparadas automaticamente sem qualquer intervenção humana.

03

Integrei Gemini para nivelamento de alunas

IA que lê as respostas do formulário de cada aluna nova, determina o nível de inglês e gera uma mensagem personalizada de nivelamento — entregue automaticamente no grupo certo.

Resultado
6
grupos monitorados automaticamente
7 dias
de cobrança automática por aluna inadimplente
0
checagens manuais necessárias
CASE 05Automação · Distribuição

Distribuição multi-plataforma de conteúdo

O mesmo conteúdo passou a alcançar Instagram, TikTok e Pinterest de forma automática, sem trabalho repetido.

Papel
Desenvolvedora & Automatizadora
Tipo
Freelance
Stack
Make · Python · ManyChat · Instagram API
Contexto

Escola de idiomas com 80k seguidores no Instagram e produção constante de conteúdo. Todo o material ficava restrito a uma plataforma, sem aproveitamento no TikTok e Pinterest, e sem canal direto de engajamento com a base.

O problema

Conteúdo de uma marca com 80k seguidores ficava preso no Instagram. TikTok e Pinterest existiam mas recebiam zero publicação. O time precisaria duplicar o trabalho para distribuir — o que nunca acontecia.

Todo o conteúdo era produzido pro Instagram e ficava só lá. TikTok e Pinterest existiam como perfis vazios. Publicar nos três significaria triplicar o trabalho — então ninguém publicava.
O processo
01

Integrei Instagram → Pinterest via Make

Cada post publicado no Instagram é automaticamente republicado no Pinterest com título e descrição adaptados — sem trabalho extra, alcançando uma segunda audiência de graça.

02

Estruturei o pipeline de Reels para TikTok

Sistema de organização e cronograma com gallery-dl e Python que facilita o upload em lote de Reels no TikTok, eliminando o trabalho duplicado de baixar e repostar manualmente.

03

Criei canal de transmissão automatizado

ManyChat configurado para adicionar seguidoras ao canal de transmissão do Instagram a partir de gatilhos de DM — criando um canal direto de engajamento com a base mais engajada.

Resultado
Pinterest
cada post do Instagram republicado automaticamente com título e descrição adaptados
TikTok
pipeline de organização e upload em lote de Reels via gallery-dl + Python
Instagram
canal de transmissão alimentado automaticamente via ManyChat a partir de DMs
CASE 06IA · Automação

Agente de triagem de candidatos via WhatsApp

Sistema que recebe candidatos no WhatsApp, conduz a triagem por conversa e extrai dados do currículo automaticamente — sem intervenção humana.

Papel
Desenvolvedora & Automatizadora
Período
2026 · em andamento
Tipo
Freelance
Stack
n8n · Evolution API · DeepSeek · Redis · PostgreSQL
Contexto

Uma empresa de recrutamento e estágios recebia candidatos por WhatsApp e fazia toda a triagem de forma manual — lendo mensagens, pedindo dados, avaliando perfis um por um. O volume de vagas abertas crescia, mas o processo continuava o mesmo.

O problema

Recrutadores faziam triagem por conversa no WhatsApp, copiavam dados de candidatos para planilhas na mão e perdiam informações entre mensagens. O processo não escalava — cada candidato exigia atenção manual do início ao fim.

O recrutador recebia dezenas de mensagens no WhatsApp, lia uma por uma, pedia dados que o candidato já tinha mandado, e copiava tudo pra planilha. Com várias vagas abertas ao mesmo tempo, o processo não escalava.
O processo
01

Criei o agente de triagem no WhatsApp

Agente conversacional que recebe o candidato no WhatsApp, identifica a vaga de interesse, conduz a triagem com perguntas estruturadas e classifica automaticamente: apto, reprovado ou desistente. Usa DeepSeek como LLM com prompt customizado e exemplos few-shot, Redis para agrupar mensagens fragmentadas (debounce), e PostgreSQL para manter o estado da conversa entre interações. Reengajamento automático: 24h sem resposta gera lembrete, 72h encerra como desistência.

02

Automatizei a extração de dados curriculares

Sub-workflow acionado quando o candidato envia o currículo pelo WhatsApp. A IA extrai 18 campos estruturados (nome, contato, formação, experiências, habilidades) direto do texto do documento, sem intervenção humana — dados prontos para consulta no banco.

03

Adaptei o portal de vagas

A partir de uma base existente, customizei o portal para o contexto do projeto — ajustando a estrutura para funcionar junto com o agente de triagem e o fluxo de candidaturas.

Resultado
100%
da triagem automatizada — do contato à classificação
18
campos curriculares extraídos por IA, sem intervenção humana
24h / 72h
reengajamento automático: lembrete e encerramento por inatividade
notificação
automática para recrutadores quando candidato é classificado como apto

Gostou do processo?

Esses são alguns dos projetos que mais me ensinaram. Se quiser conversar sobre o seu, eu adoro um bom problema.

Falar comigo →Ver todos os projetos
rafaela tavares — 2026voltar ao topo ↑