1

Pitch: Da planilha engessada ao prompt inteligente, ferramenta leve para rebalanceamento de carteiras globais com IA

Da planilha engessada ao prompt inteligente: Criei uma ferramenta leve e privacy-first para rebalanceamento de carteiras globais com IA

Olá, pessoal do TabNews! 👋

Muitos de nós que investimos com foco em renda passiva, dividendos e valor de longo prazo (seja na B3 com Ações e FIIs, ou no exterior com Stocks e REITs) passamos anos gerando o mesmo atrito: manter planilhas pesadas atualizadas ou ter que redigir e recalcular toda a nossa carteira manualmente toda vez que queremos uma análise ou recomendação de rebalanceamento de uma Inteligência Artificial.

Cansado de interfaces bloated (cheias de gráficos e dashboards lentos que exigem login bancário ou APIs instáveis de Open Finance), decidi construir uma alternativa minimalista e orientada a desenvolvedores e investidores disciplinados.

O protótipo MVP está funcional e disponível para testes em https://globalyield.today


💡 Qual é a "Soul" da Aplicação?

O Globe Yield Compass não tenta reinventar o wheel nem guardar histórico de cotações em servidores centralizados. A premissa central é o conceito de Bring Your Own LLM (Traga sua própria IA) combinado com Privacy-First:

  • Controle Total do Usuário: Nenhuma credencial bancária é exigida. Os dados da sua carteira (quantidade, preço médio, ativos do Brasil e dos EUA) residem no seu escopo de controle.
  • Smart Prompt Engineering: A verdadeira mágica da ferramenta não está em armazenar o preço do ativo em tempo real, mas em traduzir e estruturar dados complexos de posições em prompts analíticos de altíssimo valor.
  • O Ponto Forte: Abaixo do livro de posições e do gráfico de alocação, a aplicação disponibiliza botões de disparo direto para as principais plataformas de IA (como ChatGPT e Claude). O clique injeta automaticamente um prompt altamente curado que instrui a IA a analisar riscos regulatórios (como calotes implícitos, mudanças em CDI/IPCA), identificar os ativos mais baratos da sua própria carteira para aportes, e calcular ganhos de capital em eventuais vendas.

🎯 O Nicho e o "Fosso" (Moat)

Investidores de renda (Income Investors) formam um público muito específico: são extremamente disciplinados, recorrentes e obcecados por métricas como Preço Médio (PM), Yield on Cost (YOC), paridade cambial e proventos.

O diferencial competitivo da ferramenta reside em três pilares:

  1. Zero Fricção de Integração: Sem barreiras de segurança ou receios de cibersegurança por falta de criptografia de ponta, já que não há custódia de dados bancários.

  2. Economia de Tempo Real: O gerador automático de prompts codifica regras complexas de valuation (P/L, Payback, alocação ideal) direto na query gerada, economizando cerca de 15 a 20 minutos de trabalho braçal do investidor experiente a cada rodada de aportes.

  3. Foco Cirúrgico: Feito por quem investe, para quem investe, fugindo da poluição visual de dashboards comerciais tradicionais.


🛠️ Stack Tecnológica

O projeto foi prototipado utilizando uma stack moderna e extremamente enxuta:

  • Frontend: React, TypeScript e Tailwind CSS.

  • Arquitetura de Dados: Posições e exemplos pré-carregados estruturados para teste imediato.

  • Geração de Interface: Construído de forma ágil com o ecossistema No-Code/AI-assisted do Lovable.


🚀 Próximos Passos e Feedback

O projeto está em fase de validação e refinamento de MVP. Gostaria muito de ouvir o feedback técnico e de usabilidade da comunidade do TabNews:

  • Como vocês lidam hoje com o rebalanceamento de carteiras utilizando IAs?
  • O que acharam da abordagem privacy-first de delegar a análise pesada para as LLMs via prompts estruturados?

Testem lá em https://globalyield.today ou em https://globe-yield-compass.lovable.app e deixem seus pitacos, críticas e sugestões nos comentários!

Carregando publicação patrocinada...
1

Lucas, "traduzir e estruturar dados complexos de posições em prompts analíticos" é onde a engenharia de prompt realmente brilha. O limite costuma ser a alucinação da IA ao inferir dados de valuation que não estão explícitos no texto da carteira, quebrando a lógica de rebalanceamento. Para mitigar, você prefere forçar a IA a usar apenas os dados fornecidos ou implementar uma camada de validação numérica antes de gerar o prompt?

1

Para impedir alucinação, eu acredito que a assertividade do prompt com um trecho, como "... Não altere, invente ou crie dados, informações, valores ou taxas que não souber ou que não estejam atualizados ..." seria suficiente. Além disso, as posições da carteira são enviadas junto no início, justamente para forçar que a estatística da IA use apenas esses dados concretos fornecidos pelo usuário. Uma camada de validação numérica ainda está em estudo e não está implementada no MVP em https://globe-yield-compass.lovable.app/

Obrigado pela pergunta.
Márcio Reck

1

O instrucional no prompt ajuda, mas não resolve a tendência intrínseca do modelo de preencher lacunas estatísticas quando a distribuição de pesos é complexa. Sem uma camada de validação numérica externa que cheque consistência antes da geração, o risco de drift na alocação permanece alto. A abordagem de forçar o uso estrito dos dados brutos é sólida, mas a validação pós-geração é o que garante a integridade matemática no rebalanceamento.

1