Deixei o Claude escolher minha stack — e agora rodo em ferramentas que eu nem conhecia

A tese da marca: «até onde dá pra delegar um lançamento pra IA?»

Vamos combinar o terreno antes: MODAY é metade marca de camiseta, metade experimento.

Trabalho como consultor de e-commerce. A operação de lançar uma marca, eu já vi várias vezes — sempre do banco do passageiro. MODAY foi montado de propósito de outro jeito: uma pessoa só, mercado global, três dias, e o máximo de julgamento e execução que a IA topar pegar, delegado pra IA.

A escolha da stack seguiu a mesma lógica. Não é «não sabia, então perguntei pra IA». É mais: comecei partindo do princípio de que quem escolhe é a IA, e meu único trabalho era escrever os critérios.

Foi assim que ficou:

Camada	Serviço
Loja	Shopify (tema Dawn)
Print on demand	Gelato
Tradução	Translate & Adapt
Automação	Make.com
Servidor de webhook	FastAPI no Render.com
Geração de imagem	fal.ai (FLUX Pro)
Processamento de texto / IA	Anthropic API

Desses sete serviços, os únicos nomes que eu reconhecia antes de começar eram Shopify e a API da Anthropic. Todo o resto eu conheci pela primeira vez conversando com o Claude.

Essa stack tem três dias de vida.

Escolhi Shopify por causa de uma notícia, não pela tecnologia

A explicação honesta é quase constrangedora.

Há um tempo, vi passar o anúncio do Shopify MCP. Primeiro pensamento: «então o Claude Code agora consegue pilotar uma loja Shopify por dentro». Isso foi 90 % da decisão.

Como consultor, observo o Shopify de fora há anos, mas nunca tinha construído nele de verdade. Tanto faz: se o Claude Code consegue entrar via MCP, eu não preciso virar um especialista em Shopify pra entregar.

Plataformas locais japonesas (BASE, STORES) nunca entraram na lista. Por um motivo só: eu queria vender globalmente do dia um. Nove idiomas, várias moedas, checkout transfronteiriço de verdade. O Shopify é a única plataforma que torna isso fácil já no primeiro dia.

Então meu critério real não foi «a melhor plataforma tecnicamente», mas «a que se entende melhor com o Claude Code» e «a que me deixa vender amanhã em qualquer país».

Pro POD eu terceirizei a escolha pro Claude — de propósito

Como imprime e envia as camisetas?

Antes desse projeto, eu não conhecia nenhum serviço de print on demand. Printful, Printify, Gelato — nenhum deles me era familiar.

Não foi um problema. O plano, desde o começo, era a IA fazer a seleção. Meu conhecimento pessoal do mercado POD global é raso. Se eu escrevo as restrições de negócio e deixo o Claude classificar as opções contra essas restrições, o resultado vai bater qualquer coisa que eu produza sozinho em uma semana de pesquisa.

O prompt que mandei:

Quero vender camisetas personalizadas pelo Shopify, em print on demand, com fulfillment automático. Mercados-alvo: Estados Unidos, Europa, Ásia. O Japão é secundário. Que serviço de POD eu deveria usar? Compara alguns candidatos.

Só isso. Apenas restrições de negócio. Nenhum critério técnico — nada de linguagens de SDK, rate limits, formatos de webhook ou esquemas de autenticação. De qualquer jeito eu não saberia escrever esses critérios.

A resposta:

Comparei os três principais serviços de POD. Conclusão: Gelato é a melhor escolha pro seu caso.

🥇 Gelato (recomendação principal)
- Rede de impressão local em 32 países, mais de 140 instalações
- Produção local no Japão, Coreia, Singapura, Malásia, Austrália, Índia e China
- Tempo médio de entrega abaixo de 72 horas em UE / EUA / Ásia
- Risco aduaneiro baixo (a produção fica dentro do país de destino)
- Envio para mais de 200 países
- Pontos fracos: catálogo menor que o Printify, preço unitário um pouco maior

🥈 Printful (melhor pra construir marca)
- 17 instalações entre América do Norte, Europa e Ásia
- Controle de qualidade mais rigoroso dos três
- Ponto fraco: preço unitário mais alto

🥉 Printify (melhor pra custo)
- Mais de 90 fornecedores de impressão, 950+ produtos
- Entre 10 e 20 % mais barato que o Gelato na maioria das categorias
- Pontos fracos: rede asiática mais fina, sem suporte em japonês

Recomendação: pra «global primeiro, Japão secundário», Gelato como fornecedor principal. A produção local nas três regiões otimiza ao mesmo tempo frete, alfândega e prazo.

Decidido. O coração da minha cadeia de fulfillment agora roda num serviço que eu nunca tinha visto nem encostado.

Se eu tivesse feito essa mesma comparação do jeito antigo — ler três bases de documentação, perguntar pra rede — teria queimado uma semana. Em vez disso: quase instantâneo.

Com o FastAPI eu nem cheguei no «você usa isso?»

A tabela diz: «Webhook: FastAPI no Render.com».

Eu rio um pouco enquanto escrevo isso. Eu não sei direito o que é o FastAPI.

No começo do build eu precisava de algo pra receber os webhooks de pedidos do Shopify e repassar pro Gelato. O Claude Code disse: «escrevo em FastAPI e faço deploy no Render». Um framework de Python, até onde entendi. Eu disse: pode ir.

Foi escrito. Foi deployado. Funciona. Minha participação se resume a olhar os logs no dashboard do Render.

(Aviso: essa peça já saiu. No meio do build, alguma coisa não me cheirou bem e troquei por outra abordagem. A história fica pra um próximo post.)

Quando você decide ir «AI-first», você aceita não conseguir mais explicar 100 % da sua própria stack. Esse trade-off é o ponto, não um defeito.

Inteligente ou imprudente?

Eu mesmo ainda não decidi.

As vantagens são claras:

• Opções que eu jamais teria considerado entram na lista curta logo no primeiro dia
• «O que eu sei pessoalmente» deixa de ser teto do projeto
• Seleção e implementação se fundem em um único passo — um processo que normalmente leva uma semana acontece na hora
• Um não-desenvolvedor lançando uma marca D2C global vira um projeto realista, não teórico

Os riscos são igualmente claros:

• Quando algo quebrar, eu posso não saber ler o que quebrou
• Ainda não sei explicar «por que essa stack» com minhas próprias palavras (é exatamente por isso que estou escrevendo este post — escrever me organiza)
• Se um fornecedor desaparecer, minha decisão de substituição vai ser lenta

Como esse trade-off envelhece daqui a seis meses, eu não sei. Enquanto funciona, é espetacular. No dia em que algo ceder, pode ser brutal.

Continuo nessa linha mesmo assim porque quero uma resposta honesta pra «até onde a IA pode ir?», medida em cima de um negócio de verdade. Projeto de hobby não produz essa resposta. Só quando rola dinheiro de verdade, cliente de verdade comprando, encomenda de verdade saindo, sai um número confiável.

Uma stack de três dias, pronta pra vender pro mundo

Três dias desde o pick da stack e o início do build. O tempo real com a mão no código é bem menor.

Nessa janela: a loja entrou no ar, nove idiomas rodando, o webhook de pedidos disparando, o sync de produtos com o Gelato se mexendo. Essa é a V1 do experimento «AI-first brand launch».

Até o fim do ano, provavelmente metade vai estar substituída. FastAPI/Render já saíram. Outras peças rangem.

Mas hoje, neste exato momento, essa stack está prestes a vender em qualquer canto do mundo — e hoje só isso importa.

Próximo post: que trabalho eu passei pro Claude Code e qual eu tive que fazer eu mesmo.

— Yoskee
moday.me