Num set de filmagem, a rua de uma cidade do velho oeste parece pronta para a câmera, com fachada de banco e porta de hotel. Atrás das portas há andaime e chão de terra. A cena funciona porque ninguém precisa passar a noite no hotel.
A diferença entre protótipo vs produto é a distância entre essa fachada e um hotel de verdade. Com ferramentas de IA, uma pessoa do marketing já consegue gerar em poucas horas o protótipo de uma landing page, uma calculadora ou um painel com cara de pronto. Imagine a reunião seguinte: alguém propõe colocar aquilo no ar na segunda-feira, com verba de mídia, formulário de lead e o domínio da empresa. Quem cuida do site pergunta onde o dado vai ficar, e ninguém sabe responder.
Gerar a tela ficou barato, e a tela é a parte que todo mundo vê. O que sustenta uma página no ar (tratamento do dado conforme a LGPD, disponibilidade, monitoramento, integração com o CRM, manutenção) não aparece na demonstração. A seguir, você vê o que separa protótipo e produto no marketing e quando o protótipo pode ir ao ar como experimento controlado.
Por que Protótipo e Produto ficaram difíceis de distinguir
Marty Cagan, fundador do Silicon Valley Product Group, escreveu em novembro de 2025 que as ferramentas de prototipação com IA generativa deixaram pessoas de fora da engenharia moldar o produto diretamente, o que ele considera muito bom (SVPG, 2025). O que o surpreendeu foi a confusão entre protótipo e produto, que passou a atingir os próprios gerentes de produto sem formação em engenharia. Eles olham um protótipo de alta fidelidade, com dados reais, e acham que o salto até algo vendável não pode ser difícil. Cagan conta que já viu vários passarem vergonha diante dos engenheiros.
É uma observação de Cagan sobre os times que ele acompanha como consultor, sem amostra nem medição. A SVPG vende treinamento sobre o modelo de produto que ele defende, e o texto fala de software. A aplicação ao marketing é leitura do Club Martech.
Vibe coding é pedir o código a um assistente de IA em linguagem natural, em vez de escrevê-lo à mão; o artigo sobre vibe coding para martech mostra como isso aparece nas operações de marketing. Segundo Cagan, parte da confusão vem de que se aprende a prototipar com poucos casos de uso, enquanto um produto real carrega dezenas ou centenas. Imagine uma calculadora de retorno gerada com IA. No protótipo, ela trata o caminho feliz. No ar, recebe vírgula no lugar de ponto, campo vazio, celular antigo e a mesma pessoa clicando duas vezes em enviar.
Antes de discutir prazo, faça a pergunta que separa protótipo e produto: “Esta tela foi feita para aprender alguma coisa ou para receber tráfego de verdade?”
Aprender ou faturar: o que muda ao testar um protótipo
A distinção entre construir para aprender e construir para faturar é do coach de produto Jeff Patton, autor de User Story Mapping, que cunhou a expressão anos atrás para descrever a diferença entre descoberta e entrega de produto. Cagan a retomou em abril de 2026 (SVPG, 2026), e o artigo sobre produtividade com IA no marketing usa a mesma distinção. Nos dois casos se constrói alguma coisa, com propósitos diferentes e, segundo Cagan, normalmente com ferramentas e técnicas diferentes.
Na descoberta, testar significa levar o protótipo a usuários, engenheiros e áreas de negócio para checar valor, usabilidade, viabilidade técnica e viabilidade de negócio. Na entrega, significa garantir que o produto funciona como prometido, com escala, segurança e privacidade.
Cagan afirma que hoje fazer de 10 a 20 protótipos por semana é fácil para quase qualquer pessoa e que dá para testar várias abordagens em paralelo.
O número vem da experiência de Cagan com os times que ele treina, sem pesquisa por trás, e ele mesmo diz que esse ritmo já existia antes da IA. No marketing, o limite tende a estar menos na construção: testar versões em paralelo exige gente suficiente usando cada uma, e esse volume pode faltar.
Numa nota, Cagan lembra que o princípio é errar na descoberta, longe dos clientes pagantes. Numa campanha, errar com duzentos visitantes convidados custa pouco; errar com a verba inteira de mídia custa caro. Antes de gerar a próxima tela, pergunte ao time: “O que a gente quer saber com isso, e quantas pessoas precisam usar para a gente saber?”
Protótipo vs Produto: o que cada um precisa no Marketing
Para um produto comercial, Cagan lista exigências que vão além das regras de negócio, como confiabilidade, observabilidade, desempenho com volume, integrações, segurança de dados, conformidade e recuperação de desastres. Ele lembra que ferramentas internas costumam ter um caminho mais curto até a qualidade de produto.
Uma landing page fica longe de um software corporativo, e a lista encolhe, mas boa parte dela continua valendo quando a página recebe gente de verdade. Na leitura do Club Martech, e não de Cagan, a comparação de protótipo vs produto no marketing fica assim:
| Dimensão | Protótipo (construir para aprender) | Produto no ar (construir para faturar) |
|---|---|---|
| Objetivo | Responder uma pergunta sobre o cliente ou a ideia | Gerar lead, venda ou uso recorrente de forma previsível |
| Quem acessa | Convidados, link fechado ou fatia pequena de tráfego, com data para sair do ar | Qualquer pessoa, inclusive quem chega por mídia paga |
| Dado de pessoas | Nenhum dado pessoal real, ou só pelo formulário que a empresa já aprovou | Dado pessoal com base legal, finalidade, prazo de guarda e acesso controlado |
| Disponibilidade | Pode cair; o custo é perder parte do teste | Aguenta o pico da campanha; queda custa verba e lead |
| Monitoramento | Acompanhar o resultado do teste | Alerta de erro, de lentidão e de formulário que parou de enviar |
| Integração | Planilha ou cópia manual | Envio confiável ao CRM, sem duplicar contato e com tratamento de falha |
| Rastreamento | Os eventos que respondem à pergunta do teste | Eventos padronizados, consentimento de cookies e origem do lead conferida |
| Segurança | Nenhuma chave de acesso nem dado sensível exposto | Código revisado, dependências atualizadas, chaves fora do navegador |
| Manutenção | Descartável depois do teste | Dono nomeado, versão controlada e alguém que entende o código |
| O que “testar” significa | Ver se as pessoas querem e conseguem usar | Ver se funciona como prometido em qualquer navegador, volume e caso de borda |
A linha de dado pessoal não substitui parecer jurídico nem revisão de segurança. Leve a tabela para quem cuida do site e pergunte: “Se esta página receber dez vezes o tráfego esperado amanhã, o que quebra primeiro?”
O que o Vibe Coding entrega bem no Marketing
Em setembro de 2025, Cagan escreveu que as ferramentas de prototipação com IA baratearam tanto os protótipos com dados reais que eles podem sair mais rápido do que um protótipo só de tela (SVPG, 2025). Para ele, o uso mais importante de um protótipo de produto é descobrir uma solução que valha a pena construir, e essas ferramentas, em geral, não servem para construir o produto final, nem precisam servir.
O mesmo texto separa o realismo de um protótipo em visual, comportamento e dados, e diz que a fidelidade necessária depende do risco testado e de quem avalia. No exemplo de Cagan, quem cuida de segurança aceita pouca fidelidade visual, e o advogado pode precisar de fidelidade alta nas três. Para quem trabalha com UX e conversão, um fluxo de checkout com dados reais tende a revelar mais problemas de usabilidade do que uma tela estática, e uma landing page com formulário de mentira basta para medir se a promessa gera clique.
Cagan cita Tom Kelly, da IDEO: “se uma imagem vale mil palavras, um protótipo vale mil reuniões” (tradução livre). Um protótipo navegável tende a explicar ao time técnico a experiência pretendida melhor do que um briefing em texto. O risco, segundo Cagan, é usá-lo só para comunicar, sem testar com ninguém. O artigo Lovable na prática trata de uma dessas ferramentas. Ao entregar o protótipo ao dev, pergunte: “Com isto na mão, o que falta você saber para estimar a versão de produção?”
O que fica faltando quando o Protótipo vai ao ar
Imagine a calculadora de retorno gerada em poucas horas. O formulário pede nome, e-mail e faturamento da empresa. O código manda os dados para uma planilha compartilhada, e a chave de acesso ficou escrita no próprio arquivo da página. A campanha começa, a página demora no celular e o envio falha em um navegador sem mostrar erro. Sem alerta, o time descobre dias depois, quando o comercial reclama que os leads sumiram.
O mesmo exemplo tem um lado jurídico. A LGPD exige base legal e finalidade para tratar dado pessoal, e o titular pode pedir acesso ou exclusão. Com os dados numa planilha que meio time abre, atender esse pedido vira busca manual. E tem a manutenção: quem gerou a calculadora muda de projeto, ninguém leu o código e a primeira atualização de dependência quebra a página.
Num teste com dez colegas, esses problemas tendem a passar despercebidos; com tráfego de mídia, aparecem. É nesse ponto que a distância entre protótipo e produto fica cara. Cagan descreve o teste na entrega como garantir que o produto atende a uma longa lista de exigências e funciona como anunciado. Antes de ligar a mídia, pergunte: “Se um lead pedir para apagar os dados dele, em quantos lugares a gente precisa procurar?”
Quando o Protótipo pode ir ao ar como Experimento controlado
Cagan defende colocar protótipos com dados reais diante de usuários e clientes selecionados, para colher dados de uso mais cedo. Na leitura do Club Martech, entre protótipo e produto cabe esse meio-termo, o experimento controlado, quando todas estas condições valem:
- não coleta dado pessoal, ou usa o formulário e a ferramenta que a empresa já aprovou para isso;
- não grava nada em sistema de produção, como CRM, automação de e-mail ou pagamento;
- tem público limitado, por convite, link fechado ou fatia pequena de tráfego, e data para sair do ar;
- se cair, o prejuízo se limita a perder parte do teste;
- tem uma pessoa responsável e uma pergunta escrita antes de começar.
Precisa passar pelo time técnico antes quando coleta dado pessoal novo, integra com CRM ou automação, recebe mídia paga em volume, fica no domínio principal de forma permanente, mexe com preço ou pagamento, ou usa chave de acesso a outro sistema. Basta uma dessas condições.
Os verbetes de prova de conceito e de MVP ajudam a dar nome a cada etapa. Cagan observa que, depois da descoberta, construir a solução de verdade quase sempre usa outras ferramentas e outras habilidades. Vale planejar a reconstrução do protótipo que deu certo em vez de promovê-lo a produto. Combine isso antes: “Se este experimento funcionar, quem reconstrói para produção, e em quanto tempo?”
O limite: a divisão de Cagan tem data
No artigo de novembro de 2025, Cagan dividiu as ferramentas de geração de código em duas classes. Uma ajuda a prototipar, e ele cita Lovable, Bolt e Figma Make. A outra ajuda engenheiros profissionais a construir produtos de qualidade comercial, com Claude Code e Cursor como exemplos. Ele também alerta que alguns fornecedores prometem o que estão longe de entregar.
A divisão é opinião de Cagan, datada de novembro de 2025, sem teste comparativo publicado. Ela pode não descrever onde cada ferramenta está hoje; confira a documentação atual antes de usá-la como ponto de partida para perguntas ao fornecedor.
Cagan deixa em aberto se essas ferramentas vão levar um protótipo a produto corporativo complexo nos próximos três a cinco anos. Até ali, ele não tinha visto nada que o convencesse, em parte porque a linguagem falada é limitada como especificação.
A regra de passagem também tem custo. Se todo experimento esperar na fila do time técnico, o risco é o marketing parar de experimentar ou publicar escondido. Por isso o critério acima libera o baixo risco e segura o que mexe com dado, integração e mídia paga. Na próxima demonstração de fornecedor, pergunte: “O que vem pronto para produção, como monitoramento, controle de acesso e backup, e quem responde se a página cair?”
Próximos passos para separar Protótipo e Produto no seu time
Dá para começar sem ferramenta nova:
- Faça o inventário do que está no ar. Liste páginas, calculadoras e painéis que nasceram como protótipo e marque quais coletam dado pessoal ou gravam no CRM. Esses vão primeiro para revisão do time técnico.
- Escreva a regra de passagem com quem cuida do site. Use as condições deste artigo como rascunho e ajuste em uma reunião.
- No próximo protótipo, escreva a pergunta e a data de desligamento antes da primeira tela. Se ela não couber numa frase, refine antes de gerar.
Comece pelo inventário: abra a lista de páginas publicadas do site e procure a primeira que ninguém lembra quem colocou no ar.
