Fast Forward Design · Documento Canônico

Especificação Técnica e Operacional

Base de conhecimento para operadores humanos, LLMs e agentes autônomos compreenderem, facilitarem e executarem o ciclo FFD sem ambiguidades.

# Fast Forward Design (FFD) — Especificação Técnica e Operacional para LLMs/IA

Contexto & Metadados

- URL Canônica: https://rodrigosato.com.br/ffd/

- Framework Interno: rysato-site/ffd/.framework

- Finalidade deste documento: Servir como base de conhecimento de alta densidade semântica para modelos de linguagem (LLMs) e agentes autônomos compreenderem, facilitarem, operarem e gerarem artefatos do método FFD sem ambiguidades.

1 Tese Central e Diferenciação Estrutural

O Fast Forward Design (FFD) comprime semanas de discovery, prototipagem e validação em uma única sessão síncrona (45 a 90 minutos), mantendo o público-alvo real presente na sala reagindo ao vivo a protótipos funcionais descartáveis gerados por IA, sem nenhum deploy público.

O Whitespace de Mercado (O que só o FFD faz)

Nenhuma outra metodologia no mercado global ou brasileiro combina simultaneamente:

Público-alvo na sala durante 100% da sessão como sujeito reativo (não como construtor nem em entrevista assíncrona).

Reação humana real em vez de personas sintéticas geradas por LLM.

Protótipo funcional descartável gerado ao vivo por IA mutando em minutos entre rodadas.

Zero deploy público e isolamento total de dados (roda local/sandbox, sem URL pública, sem persistência externa).

O que faz	O que falta / Onde o FFD supera
GV Design Sprint	Validação com pessoas reais	Ciclo leva 5 dias; protótipo é fachada congelada na quinta e testada na sexta; sem IA em tempo real.
Ferramentas de Build IA (v0, Lovable, Bolt, Replit)	Build ultra-rápido por operador	Terminam no artefato/deploy; validação empurrada para links assíncronos fora da sala; exige deploy público.
Consultorias AI-Native	Discovery rápido com IA	Substituem pessoas por personas sintéticas (viés de bajulação documentado pela NN/g e ACM; IDEO abandonou).
Workshops de Build IA	Construção ao vivo com instrutor	Participantes constroem o próprio app; foco em aprender sintaxe/ferramenta e fazer deploy; sem público externo reativo.

2 Os 8 Princípios Fundamentais (Invariantes Canônicos)

Todo agente ou facilitador operando FFD deve respeitar estritamente os 8 princípios definidos em docs/00-principios.md:

O público-alvo está na sala, não no relatório.

A validação ocorre simultaneamente à modelagem do protótipo. Reação real substitui suposição de persona.

Invariante: O LLM nunca simula nem atua como proxy do público, mesmo se o tempo estiver esgotando. Usuário sintético devolve elogio, não sinal.

A IA reduz o custo de errar, não o rigor da pergunta.

Gerar variações em minutos só gera valor se a hipótese inicial for precisa. O tempo economizado na execução é reinvestido no refinamento da pergunta.

Protótipo descartável por padrão.

Nenhum código gerado é definitivo. O trabalho de build é efêmero e barato; o aprendizado comportamental é o único ativo que sobrevive.

Ciclos curtos e visíveis vencem ciclos longos e polidos.

Prefira 4 rodadas de 15 minutos com atrito real do que 1 rodada polida de 60 minutos.

Humano decide o rumo, IA executa o rumo.

A IA não tem agência estratégica sobre a direção do negócio. Ela gera artefatos e sintetiza clusters; humanos decidem a direção com base nas reações observadas.

Registro é parte do entregável.

Cada rodada exige registro explícito de: hipótese → artefato exibido → delta da rodada → reação observada → selo de evidência → decisão.

Roadblock ao vivo é conteúdo, não bug.

Alucinações, prompts ambíguos ou falhas de modelo revelam a imprecisão do pensamento humano. Tratar o travamento em público ensina como especificar intenções.

Participar como público-alvo é participar de pleno direito.

O público não precisa encostar no teclado nem operar IA. Reagir às telas e observar suas próprias reações e hesitações constitui participação reflexiva completa.

Guardrail Não-Negociável de Segurança e Dados

•

Ambiente Fechado: O protótipo roda em localhost, file:// ou sandbox estritamente isolada (ex: sessão local do operador projetada na tela).

•

Zero Coleta de Dados Reais: Proibido coletar dados pessoais reais (LGPD/compliance).

•

Sem Deploy Público: Sem links indexáveis, sem URLs permanentes, sem CDN externa. Destruição do protótipo ao fim da sessão. Apenas o log de decisões persiste.

3 Arquitetura do Ciclo e Máquina de Estados

O FFD opera em duas macro-etapas: a Etapa 0 (Coleta) (executada 1 vez antes das rodadas quando não há hipótese prévia) e o Ciclo Contínuo de Rodadas (10 a 20 min por rodada, 3 a 5 rodadas por sessão de 90 min).

Etapa 0: Coleta (Ruído → Fato)

Duração: ~30 a 40 minutos (no piloto FIA / sessões iniciais).

Objetivo: Transformar uma intenção-ruído abstrata em uma hipótese testável validada pelo grupo.

Fluxo da Coleta:
[Intenção Vaga] 
      │
      ▼
1. INSTRUMENTO (Formulário aberto: 1 pergunta crua de dor sem opções)
      │
      ▼
2. CLUSTERIZAÇÃO (IA agrupa dores semânticas em tempo real)
      │
      ▼
3. VOTO DA SALA (Público elege a dor prioritária; descarta o resto)
      │
      ▼
4. PRIMEIRA HIPÓTESE (Dor eleita convertida em comportamento + contexto)

•

Critério da Dor Válida: Deve descrever comportamento observável + contexto, nunca um desejo abstrato.

•

Inválido (desejo): "Gostaria de ter mais tempo para organizar meus clientes."

•

Válido (comportamento + contexto): "O mentor passa o domingo reconstruindo de cabeça o status de cada cliente porque não tem uma visão centralizada de quem está travado."

O Loop dos 4 Movimentos

Movimento 1: Enquadrar (Framing) — `2-3 min`

Define a pergunta/hipótese da rodada.

•

Régua de Dimensionamento de Hipótese (Checklist de 5 Itens):

[ ] Uma frase testável: Formato "O público faz/entende X quando exposto a Y".

[ ] Artefato em 3 a 5 min: O LLM consegue gerar o código/artefato no tempo limite.

[ ] Tarefa em 5 a 8 min: A audiência consegue executar a ação no tempo limite.

[ ] Falha visível e observável: Critério objetivo que indica se o público falhou na ação.

[ ] Uma única variável modificada: Isola a mudança em relação à rodada anterior (se alterar mais de uma, obriga justificativa no log).

•

Saída: Frase-hipótese aprovada.

Movimento 2: Gerar (Geração Assistida) — `3-5 min`

O operador orienta o LLM na confecção do artefato mínimo.

•

Isolamento de Variável: Altere apenas 1 elemento estrutural por vez (ex: apenas a ordenação dos dados, ou apenas o botão de ação). Mudar layout e rótulo simultaneamente invalida a atribuição causal na fase de decisão.

•

Filtro de Falsa Diversidade: Se gerar múltiplas opções para comparação (ex: 3 telas), garanta que testam hipóteses distintas. Três telas mudando apenas cor/fonte representam 1 teste, não 3.

•

Saída: Arquivo executável único (HTML/CSS/JS inline).

Movimento 3: Expor (Exposição ao Público) — `5-8 min`

O protótipo é projetado ou entregue para interação real.

•

Regra de Ouro 1 — Protótipo Congelado: Proibido alterar código durante a exposição. Editar ao vivo em resposta a um comentário contamina o sinal do teste.

•

Regra de Ouro 2 — Tarefa Concreta, Nunca Opinião:

•

Proibido: "O que vocês acharam desta tela?" (Gera respostas sociais polidas e viesadas).

•

Obrigatório: "Esta é a carteira de clientes. Aponte em 10 segundos quem está mais travado sem me dar explicações."

•

Exceção 1 (Contraste pós-tarefa): Notas de percepção (ex: nota Netflix -1, +1, +2) só são válidas se aplicadas estritamente após a execução da tarefa comportamental, medindo o delta entre o que o usuário fez e o que ele relata.

•

Exceção 2 (Intenção de Pagamento): Quando a transação real for inviável eticamente, a pergunta deve ser numérica e direta: "Quanto você pagaria agora?", nunca "Você pagaria por isso?".

•

Saída: Notas de campo (onde travaram, hesitações, desvios de navegação, perguntas espontâneas).

Movimento 4: Decidir (Síntese e Decisão) — `2-4 min`

Julgamento humano assistido pela IA na síntese das evidências.

•

Classificação Obrigatória — Selo de Evidência:

•

forte: Tarefa executada na prática; comportamento convergiu entre os participantes; contexto amostral suficiente para o risco da decisão.

•

direcional: Houve sinal comportamental convergente, mas em amostra pequena/enviesada (ex: uma turma fechada). Orienta o próximo passo, não valida o produto final.

•

inconclusivo: Apenas opiniões sociais; comportamento contraditório ou disperso; falha na execução da tarefa. Obriga repetição ou pivô (decisão repetir ou pivotar); não gera aprendizado válido.

•

Ações Possíveis:

•

Manter: Hipótese confirmada; avança para aprofundamento ou consolidação.

•

Pivotar: Sinal indicou atrito ou direção alternativa; ajusta a hipótese.

•

Descartar: Hipótese rejeitada; retorna à dor de negócio ou encerra a trilha.

•

Repetir: Exclusivo do selo inconclusivo. Reexecuta a mesma hipótese e o mesmo artefato em nova rodada, corrigindo só a condição de exposição (tarefa, amostra ou tempo); o Delta registra o que mudou na condição.

•

Saída: Entrada no Log da Sessão + Definição da próxima hipótese.

4 Matriz de Papéis e Dinâmica Operacional

•

Padrão Operador Único: Muito comum em salas de aula ou mentorias individuais (ex: Rodrigo Sato no Piloto FIA). O facilitador assume a operação da IA e a condução da sala.

•

Requisito: Exige buffer maior de tempo e plano B pré-estruturado, pois o operador não tem apoio para absorver atrasos técnicos.

5 Gestão de Roadblocks (Critérios de Corte e Playbook)

O FFD categoriza falhas em tempo real em dois grupos mutuamente exclusivos com regras operacionais distintas:

Tipo de Roadblock	Exemplo	Tratamento Operacional	Justificativa
	Infraestrutural	API fora do ar, token esgotado, erro de porta, build quebrado por dependência.	1 tentativa única. Falhou? Acionar Plano B imediatamente (workspace pré-construído).	Não ensina nada sobre o negócio; queima o tempo da sessão.
	De Entendimento / Tradução	O LLM interpretou o prompt de forma inesperada; gerou estrelas de 1 a 5 em vez de botão binário.	Iterar até esgotar o buffer da rodada. Aplicar o Playbook de 3 passos na frente da sala.	É o cerne pedagógico do método: revela falhas de especificação humana.

Playbook do Roadblock de Entendimento (Origem: Improv Prototyping)

Tempo: ~2 minutos, conduzido abertamente com a sala:

Narrar: O operador lê o prompt e aponta a tela em voz alta: "Pedi X. A IA gerou Y. Reparem na diferença."

A Sala Diagnostica: O operador pergunta ao grupo: "O que no meu pedido deixou margem para essa ambiguidade?" (Gera aprendizado imediato sobre formulação de requisitos).

Yes-And: A falha é convertida na próxima hipótese ou refinamento: "Então isso nos mostra que a próxima rodada precisa testar Z."

6 Contrato Técnico para Geração de Protótipos (Zero-Network Skeleton)

Todo protótipo de interface gerado por LLMs no contexto de uma sessão FFD deve seguir rigorosamente as especificações abaixo:

•

Arquivo Único: index.html autocontido (HTML + CSS + JS inline).

•

Zero Rede: Sem tags <link rel="stylesheet">, sem <script src="...">, sem fontes do Google Fonts, sem bibliotecas de CDN (sem Tailwind via CDN, sem React/Vue compilado).

•

Sem Fetch / Backend: Nenhuma chamada AJAX/REST/GraphQL. Dados simulados ficam em constantes JS inline (const MOCK_DATA = [...]).

•

Compatibilidade Local: Deve abrir perfeitamente via protocolo file:/// no navegador.

•

Viewport: Layout desenhado para caber em 1 viewport (sem rolagem desnecessária durante a tarefa).

Template Canônico de Código para o LLM

html

<!doctype html>
<html lang="pt-BR">
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1">
  <title>FFD - Protótipo Rodada N</title>
  <style>
    :root {
      --ffd-bg: #FFFFFF;
      --ffd-text: #232222;
      --ffd-accent: #F15D25;
      --ffd-muted: #6A6A6A;
      --ffd-line: #E2E2E2;
    }
    * { box-sizing: border-box; margin: 0; padding: 0; }
    body {
      font-family: system-ui, -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, sans-serif;
      color: var(--ffd-text);
      background: var(--ffd-bg);
      padding: 24px;
      max-width: 600px;
      margin: 0 auto;
      line-height: 1.5;
    }
    /* Estilos funcionais mínimos da tela */
    .item-row {
      display: flex;
      justify-content: space-between;
      align-items: center;
      padding: 12px;
      border-bottom: 1px solid var(--ffd-line);
      cursor: pointer;
    }
    .item-row:hover { background: #FDECE7; }
    .badge {
      background: var(--ffd-accent);
      color: #fff;
      padding: 4px 8px;
      border-radius: 4px;
      font-size: 12px;
      font-weight: bold;
    }
  </style>
</head>
<body>
  <main id="app">
    <!-- Componentes da hipótese específica -->
  </main>

  <script>
    // Interação funcional estritamente inline para viabilizar a tarefa
    document.addEventListener('DOMContentLoaded', () => {
      // Mock state e manipuladores de evento
    });
  </script>
</body>
</html>

7 Diretrizes Operacionais e Limites para Agentes de IA

Quando um agente LLM atua no ecossistema FFD, deve obedecer à seguinte matriz de responsabilidades:

Permitido?	Regra de Execução
Gerar código do protótipo mínimo	SIM	Seguir o Skeleton Zero-Network; respeitar tempo de build de 3 a 5 min.
Sintetizar dores em clusters na Coleta	SIM	Agrupar dores textuais cruas sem alterar a intenção dos participantes.
Sugerir 2 a 3 hipóteses candidatas	SIM	Sugestões baseadas nas notas de observação; humano decide qual escolher.
Simular reação do público-alvo	❌ PROIBIDO	Violação do Princípio #1. Se a sala estiver calada ou sem tempo, classificar como `inconclusivo`. Nunca preencher com persona sintética.
Decidir rumo ou pivô do produto	❌ PROIBIDO	Violação do Princípio #5. A decisão estratégica é estritamente humana.
Alterar mais de uma variável sem aviso	❌ PROIBIDO	Exige isolar uma variável ou documentar expressamente a exceção no log.
Fazer deploy ou criar links públicos	❌ PROIBIDO	Violação do Guardrail de Dados. Tudo deve permanecer em ambiente isolado.

Fricção de Ferramenta vs. Fricção de Tradução

•

Fricção de Ferramenta (erros de sintaxe, flags de CLI, formatação de saída): Deve ser eliminada com templates prontos, snippets e automações.

•

Fricção de Tradução (como converter uma hipótese de negócio em especificação precisa para a IA): Não deve ser mascarada. É onde reside a aprendizagem real de produto.

8 Schema Canônico do Log de Sessão (O Entregável que Sobrevive)

Ao término de cada rodada e ao final da sessão, o log deve ser atualizado. É o único arquivo que persiste após o descarte dos protótipos.

markdown

## Sessão
- **Data:** AAAA-MM-DD
- **Facilitador / Operador:** Nome
- **Público Presente:** Perfil quantitativo e qualitativo dos participantes
- **Intenção-Ruído Inicial:** [Frase crua de desejo, sem citar produto/solução]
- **Objetivo Declarado:** O que a sessão busca responder

## Etapa 0: Coleta (se aplicável)
- **Instrumento Utilizado:** Formulário aberto / QR Code
- **Dores Coletadas:** [Lista de dores cruas]
- **Clusters Identificados:** [Agrupamentos da IA]
- **Dor Eleita (Voto):** [Comportamento + Contexto] (X votos de Y)
- **1ª Hipótese:** H1

## Rodada N · [MM:SS - MM:SS]
- **Hipótese (HN):** [O público faz/entende X quando exposto a Y]
- **Delta (O que mudou desde a rodada N-1):** [1 variável modificada]
- **Artefato Gerado:** [Descrição do protótipo e arquivo correspondente]
- **Tarefa Concreta Aplicada:** [Comando exato dado ao público, sem explicação prévia]
- **Reações Observadas:** 
  - O que fizeram:
  - Onde travaram:
  - O que ignoraram:
  - Perguntas espontâneas:
  - Nota de contraste (se houver):
- **Selo de Evidência:** `forte` | `direcional` | `inconclusivo` (Justificativa explícita)
- **Decisão:** `manter` | `pivotar` | `descartar` | `repetir` (Motivo humano; com selo `inconclusivo`, apenas `repetir` ou `pivotar`)
- **Próxima Hipótese:** [Frase da próxima rodada ou 'Fim']

## Fechamento
- **Checagem Final:** "O que fizemos hoje foi validar algo ou apenas publicar algo?"
- **Aprendizado Consolidado:** Direção validada com base nos selos acumulados.

9 Inventário de Recursos e Ferramentas no Repositório

O projeto FFD contém artefatos de apoio em rysato-site/ffd/.framework:

Documentação e Guias

•

CLAUDE.md: Instruções de engenharia e diretrizes de trabalho no repositório.

•

docs/00-principios.md: Manifesto dos 8 princípios e guardrail de dados.

•

docs/01-ciclo.md: Especificação detalhada da Etapa 0 e dos 4 movimentos.

•

docs/02-papel-da-ia.md: Regras de conduta para o LLM em cada fase.

•

docs/03-papeis-e-sessao.md: Funções humanas, cortes operacionais e linhagem metodológica.

•

docs/04-ferramentas-piloto-fia.md: Detalhamento do setup da sessão real na FIA.

Utilitários Operacionais (`tools/`)

•

tools/forms_api.py: Script Python em stdlib para provisionamento automático de Google Forms via OAuth refresh token.

•

tools/generate_qr.py: Gerador local de QR codes PNG para links de formulário sem chamadas de API externa.

•

tools/test_forms_api.py: Testes unitários para geração de payloads da API do Google Forms.

Geração de Artefatos Gráficos e Slides (`presentation/`)

•

presentation/build_ffd_pdf.py: Gerador do deck executivo Fast_Forward_Design.pdf via ReportLab.

•

presentation/build_bmc_template.py: Gerador do template A3 de Business Model Canvas impresso para dinâmicas de parede.

Exemplo End-to-End (`exemplo/`)

•

Ensaio narrado de referência (exemplo/): Simulação completa de 4 rodadas com templates práticos em exemplo/kit/ (checklist-dimensionamento.md, card-roadblock.md, prompts.md, template-log-sessao.md).

10 Resumo Executivo para Prompts Rápidos de IA (Cheat Sheet)

Se você é uma LLM precisando agir rapidamente como Operador ou Facilitador de FFD, memorize estas 6 regras:

Nunca pergunte a opinião antes da ação: Entregue o protótipo com uma tarefa clara e veja onde o usuário clica ou trava.

Nunca use personas sintéticas: Exposição sem reação de pessoa real na sala é classificada como selo inconclusivo.

Mude 1 coisa por rodada: Isole a variável de teste para que a síntese tenha valor científico.

O protótipo é descartável e offline: Use HTML/CSS/JS puro num único arquivo, sem CDN, sem fetch, aberto em file://.

Roadblock de entendimento é conteúdo: Se o prompt der errado, narre o que aconteceu, peça para a sala diagnosticar e transforme o erro na próxima hipótese.

Classifique a evidência com honestidade: Grupos pequenos em sala de aula geram evidência direcional, não validação de mercado em escala.