Sete movimentos arquitetônicos que separam uma plataforma multi-tenant nativa de IA de um site de cursos com IA acoplada por cima. Esta é a forma subjacente, não uma lista de ferramentas que eu uso.
Um runtime · múltiplas verticais · os mesmos motores para coaching, roleplay, pods e inteligência
A plataforma executa múltiplas verticais hoje, lideradas pelo GTM OS (aquisição de clientes) e pela escola de startups 60-Day Founder, ao lado da Digital Wellness Academy (educação clínica em saúde mental) e outras, em infraestrutura compartilhada. Mesmo runtime. Mesmo pipeline de deploy. Os mesmos motores centrais para coaching, roleplay, pods e inteligência.
Uma nova vertical significa: trocar o corpus · reajustar os prompts · apontar um novo domínio · re-brand a superfície. Não: reconstruir o motor. Cada vertical foi portada em cerca de uma semana.
O efeito composto: cada melhoria feita para uma vertical alcança todas as outras verticais no runtime. Quando o pareamento de pods fica mais afiado para as coortes do GTM OS, as outras verticais recebem a mesma melhoria no próximo deploy.
Um concorrente de uma única vertical reconstruindo capacidade equivalente do zero está correndo contra uma esteira sem fim. A plataforma lança a próxima vertical quando quiser, em cerca de uma semana, com cada capacidade anterior intacta.
A maioria dos produtos de IA cola um prompt de sistema na frente de uma mensagem do usuário. Este runtime constrói um bloco de contexto de 10+ sinais em cada chamada: perfil DISC, artefatos salvos, baseline de avaliação com o raciocínio da pontuação, mapeamento de framework de dimensão fraca, estilo de aprendizagem, aula atual, estatísticas de outreach dos últimos 7 dias, estado completo do pipeline e busca semântica ao vivo nos documentos enviados pelo usuário.
Esse contexto tem a PII removida no limite por uma única função centralizada, então cada chamada de IA downstream recebe a versão segura. Não é encanamento por funcionalidade que pode divergir, é uma única via, compartilhada.
A consequência para o usuário: o coach referencia seus deals pelo nome, sinaliza pipeline parado, adapta o tom ao seu tipo DISC e sugere a aula específica que aborda uma lacuna específica de dimensão fraca. É seu, não genérico.
A plataforma não é um monólito de copiar e colar. É uma biblioteca de templates, componentes interativos de aula, templates de prompt para personas de coaching, prompts de ritmo de facilitador, adaptadores de integração, padrões de fluxo de IA. Cada superfície que usa um template herda as edições feitas nele.
O analytics revela um sinal → fundador + IA revisam → uma correção no nível do template aterrissa em um único lugar → o próximo deploy a propaga para todos os lugares. O portão de revisão humana permanece no loop, então as mudanças de conteúdo conduzidas por IA são supervisionadas, não automatizadas. Concorrentes em ciclos de lançamento trimestrais não conseguem igualar essa cadência.
É por isso que "a plataforma fica mais inteligente enquanto você a usa" não é marketing, é o modelo operacional. Uma fraqueza aparece na terça. A correção está ativa na quinta. Cada aula, cada chat, cada roleplay que usa esse template melhora de uma vez.
Cada integração de terceiros, CRM, busca de e-mail, exportações, mensageria, roda nas próprias chaves de API do fundador, criptografadas em repouso e com escopo por usuário. A plataforma roteia as chamadas através das suas contas; ela nunca mantém suas relações com fornecedores reféns das dela. A IA da plataforma é a exceção: ela está inclusa. Você não traz chaves de IA, os modelos de coaching, roleplay, análise e RAG vêm dentro da assinatura sem cobrança por mensagem.
O BYOK para integrações não é uma funcionalidade, é uma posição. Quando uma plataforma guarda suas chaves de integração, ela aluga de volta a você sua própria alavancagem com um markup. Esta não. Seus dados de contato permanecem nas suas contas de fornecedor; o que você já paga a Attio, Pipedrive, Brevo, Notion, Hunter ou WhatsApp Business é tudo o que você paga.
O efeito colateral: o custo total de um fundador, assinatura da plataforma mais suas próprias faturas de integração, fica menor que o preço tudo-incluso de uma ferramenta que agrupa esses serviços e lhes aplica markup para se proteger dos usuários intensivos.
Um motor de desbloqueio em cascata de 7 regras conduz cada fundador pelo currículo com base na sua avaliação de onboarding, rota recomendada (inbound / outbound / híbrida), vitórias rápidas, lacunas críticas, fases do mapa de jornada e histórico de conclusão.
Um fundador com posicionamento forte mas prospecção fraca vai por um caminho. Um fundador com a lacuna oposta vai por outro. A plataforma não assume que a aula N+1 segue a aula N para todos, porque não segue, nas jornadas reais dos fundadores.
Combinado com o Caminho de Vitória Rápida, uma Pontuação de Prontidão, depois as aulas que miram sua dimensão de menor pontuação, e então um resultado utilizável já na sua primeira sessão, os novos fundadores veem valor rápido. A biblioteca completa se abre depois que as primeiras vitórias aterrissam.
A recuperação é reciprocal-rank fusion de dois corpus. O corpus da plataforma contém 4.998 chunks de 502 aulas, embedados como vector(1536) em um banco de dados Postgres com pgvector; o corpus do fundador contém os documentos que você envia. Ambos são consultados de forma independente e fundidos com RRF a uma constante de amortecimento de K=60, de modo que o corpus maior de aulas não possa sufocar seus envios menores. Os chunks fundidos são injetados no contexto de coaching em cada interação.
A camada de analytics é o corpus de treinamento. Cinco fluxos de sinal, padrões de conclusão, conversas de coaching, discussões da comunidade, desempenho de avaliações, atualizações do manuscrito, alimentam um pipeline de melhoria com privacidade em primeiro lugar. Os IDs de fundador são hasheados criptograficamente; nomes, e-mails e transcrições de chat nunca entram no corpus.
O pipeline é construído para produzir melhorias que servem múltiplas superfícies de uma vez: chat de coaching, coach na aula, personas de roleplay, primeira passada do bot de suporte, roteamento de avaliações, fundamentação curricular. Uma correção eleva toda a área de superfície, e os fine-tunes são publicados com métricas de avaliação documentadas, evidência revisável por pares de que a IA é infraestrutura, não marketing.
4.998 chunks · 502 aulas · embedados como vector(1536) em pgvector
Os documentos que você envia, consultados de forma independente, nunca abafados
Uma startup de IA de uma única vertical amortiza o custo do seu ciclo de treinamento sobre um produto. Esta plataforma amortiza sobre muitas superfícies em múltiplas verticais em infraestrutura compartilhada, alavancagem estrutural que a maioria dos times nativos de IA não consegue igualar.
Cada tarefa de IA é roteada através do OpenRouter para um modelo apropriado à tarefa. O resultado é uma redução de custo medida de 6,2× por sessão em relação a uma abordagem ingênua de só modelos frontier, que é exatamente por que a IA da plataforma pode estar inclusa no preço em vez de ser cobrada à parte.
Qualidade de voz de persona para o coach e para o roleplay DISC com o comprador.
Pontuação de avaliação, validação de ICP, reflexão de quiz, insights de pipeline, análise de outreach.
Análise de site, análise de LinkedIn e recuperação RAG sobre entradas grandes.
A pontuação de avaliação de mais alto risco, onde a nuance muda o resultado.
Chamados diretamente, o OpenRouter não faz proxy de áudio, para síntese e transcrição.
redução de custo medida por sessão vs. roteamento só com modelos frontier
A plataforma se afastou das amarras da nuvem empresarial e se reconstruiu em uma semana sobre infraestrutura auto-hospedada de commodity. Não é um truque, é uma disciplina. Cada borda externa é projetada para ser portável.
Os deploys são idempotentes. As migrações são integradas ao entrypoint do contêiner, sem ferramenta de migração separada para invocar. O auto-deploy roda no commit para a main. Rate-limiting, validação de assinatura de webhook e extração de contexto seguro vivem em funções centralizadas em vez de espalhados pelo codebase.
Um deploy de dois VPS está ativo. Um segundo host dedicado roda Uptime Kuma (9 monitores de uptime), rastreamento de erros GlitchTip (conectado a todas as 4 aplicações em produção) e armazenamento de objetos MinIO, totalmente independente do host primário, então a visibilidade operacional sobrevive a qualquer problema de host único. Os backups do Postgres são enviados entre hosts via pg_dump nativo do Dokploy em 6 bancos de dados num cronograma escalonado (DWA a cada 3 horas, GTM OS a cada 6, o restante a cada 12), com uma verificação de restauração 6/6 confirmada no deploy. O custo operacional fica disciplinado o suficiente para que a matemática de margem funcione a preços confortáveis para o fundador, e a economia volta para a capacidade.
Runtimes multi-tenant existem. IA consciente de contexto existe. BYOK existe. Arquiteturas baseadas em templates existem. Currículos adaptativos existem. Pipelines de RAG e de melhoria existem. Operações auto-hospedadas existem.
O que ainda não existe são os sete compostos em um único runtime nativo de IA que um fundador semi-técnico consegue operar a um custo confortável para o fundador enquanto supera em iterações os times com aporte.
É isso que esta arquitetura foi projetada para produzir, e é por isso que a própria plataforma é seu próprio Paciente Zero.
Percorra as superfícies reais do produto, depois comece um teste grátis de 7 dias, sem cartão de crédito.
O BYOK aplica-se apenas às integrações de terceiros que você já paga: Attio, Pipedrive, Brevo, Notion, Hunter e WhatsApp Business. Você conecta suas próprias contas; a plataforma roteia através das suas credenciais sem markup sobre o que você já paga a esses fornecedores. Não se aplica à IA: a IA da plataforma, coaching, roleplay, análise e os modelos de RAG, está inclusa na assinatura sem cobrança por mensagem.
O GTM OS usa recuperação por reciprocal-rank-fusion (RRF) de dois corpus. O corpus da plataforma contém 4.998 chunks de 502 aulas, embedados como vector(1536) em um banco de dados Postgres com pgvector. O corpus do fundador contém os documentos que você envia. Ambos os corpora são consultados de forma independente e fundidos com RRF usando uma constante de amortecimento K=60, de modo que o corpus maior de aulas não possa sufocar os envios menores do fundador. Os chunks fundidos são injetados no contexto de coaching em cada interação com o coach de IA.
A propagação de templates HITL (human-in-the-loop, humano no loop) é o modo como o conteúdo autoral da plataforma e os templates de prompt são revisados e aprovados por um operador humano antes de chegarem ao produto ativo. Quando um capítulo, um prompt de persona de coaching ou um componente de aula é revisado, a mudança passa por um portão de revisão antes que os artefatos downstream, contexto de coaching, índices RAG, conteúdo de aulas, sejam reconstruídos. Cada superfície que usa um template herda a edição no próximo deploy, então as atualizações de conteúdo conduzidas por IA permanecem supervisionadas em vez de automatizadas.
Cada tarefa de IA é roteada para um modelo apropriado à tarefa via OpenRouter: coaching e roleplay usam Moonshot Kimi K2 pela qualidade da voz de persona; tarefas com muito raciocínio (pontuação de avaliação, validação de ICP, reflexão de quiz, insights de pipeline, análise de outreach) usam DeepSeek V3.2; extração de contexto longo (análise de site e LinkedIn, RAG) usa Gemini 2.5 Flash; a pontuação de avaliação crítica em produção usa Gemini 2.5 Pro; síntese e transcrição de voz usam OpenAI TTS-1 e Whisper-1 diretamente, já que o OpenRouter não faz proxy de áudio. Esse roteamento por força de tarefa produz uma redução de custo medida de 6,2x por sessão em relação a uma abordagem ingênua de só modelos frontier, e é por isso que a IA da plataforma pode estar inclusa no preço em vez de ser cobrada à parte.
O sistema de desbloqueio adaptativo condiciona aulas avançadas, workshops e funcionalidades às notas de avaliação atuais do fundador. Se uma nota de clareza de ICP estiver abaixo do limiar, as aulas avançadas de seleção de canal permanecem bloqueadas até o workshop de ICP ser concluído. Ele evita que os fundadores pulem etapas fundamentais das quais os fluxos de IA upstream dependem, e garante que o contexto de coaching seja rico antes de as superfícies avançadas serem ativadas.
Sim. O SoloFrameHub executa múltiplas verticais, lideradas pelo GTM OS (aquisição de clientes) e pela escola de startups 60-Day Founder, ao lado da Digital Wellness Academy e outras, em um único runtime compartilhado, um único pipeline de deploy e os mesmos motores centrais para coaching, roleplay, pods e inteligência. Uma nova vertical troca o corpus, reajusta os prompts, aponta um novo domínio e re-brand a superfície, ela não reconstrói o motor. Cada melhoria feita para uma vertical alcança as outras no próximo deploy.