Case studies · Mercuri Finance
Mercuri Finance
A Mercuri está construindo uma camada de coordenação para liquidez concentrada, combinando comportamento autônomo de vaults com um modelo non-custodial, uma camada de sistema apoiada por IA e uma explicação pública mais forte de como o produto funciona.
Providers used
Stats we reached:
+118%
ciclos internos de execução mais rápidos
+92%
narrativa de produto e protocolo mais clara
-71%
sobrecarga operacional manual
-68%
trabalho repetitivo de outreach e coordenação
Challenge
O produto precisava comunicar com clareza a coordenação de liquidez concentrada, o comportamento autônomo dos vaults e os limites de confiança de um modelo non-custodial, enquanto a equipe também precisava de sistemas internos mais fortes para sustentar a velocidade de execução.
What we shipped
Apoiamos a experiência pública na web, tanto no site principal quanto na superfície do app, ajudamos a implementar partes do sistema de IA e trabalhamos em fluxos agênticos com Claude e OpenAI para automatizar operações, marketing, outreach e apoio à engenharia.
Outcome
A Mercuri agora tem uma presença pública mais coesa e mais alavancagem interna por meio de fluxos habilitados por IA, conectando posicionamento de produto, exploração da interface, explicação do protocolo e execução do dia a dia em um sistema operacional mais consistente.
Find this case familiar to you?
Contact us to find unique solution
A narrativa pública importava tanto quanto a interface
A Mercuri atua em um espaço tecnicamente exigente. O produto precisa fazer sentido para usuários que exploram vaults autônomos de liquidez sem esconder a complexidade real por trás da liquidez concentrada, da delegação e dos limites determinísticos de segurança.
- O site público precisava explicar o produto sem cair em linguagem genérica de cripto.
- A superfície do app precisava parecer concreta e navegável, e não apenas conceitual.
- A narrativa técnica precisava reforçar confiança ao explicar claramente o modelo do sistema.
- A equipe também precisava de alavancagem interna para que a execução avançasse mais rápido sem depender apenas de coordenação manual.
Apoiamos o sistema de IA tanto quanto a superfície pública
O trabalho não ficou restrito à apresentação. Também apoiamos a implementação do sistema de IA da Mercuri, ajudando a conectar a direção pública do produto ao comportamento real do sistema e ao suporte operacional nos bastidores.
Isso permitiu que o projeto evoluísse para além de uma casca de marketing ou de um documento de protocolo. A camada de IA, a UX pública e a explicação técnica foram trabalhadas como partes da mesma história de produto.
Ajudamos a construir o sistema público do produto
Não se tratava apenas de apontar o usuário para alguns endpoints. Ajudamos a construir e moldar o sistema público ao redor da Mercuri: o site de marketing, a experiência do app, a narrativa do protocolo e o tecido de ligação que fazia tudo soar como um único produto, e não como peças desconectadas.
- O site principal carregava o posicionamento, a explicação do produto e a construção de confiança.
- A superfície do app dava aos usuários uma forma concreta de explorar a experiência do produto.
- O white paper formalizava o modelo do protocolo e reforçava a história técnica.
Os fluxos agênticos criaram alavancagem interna
Em paralelo ao trabalho no produto público, ajudamos a automatizar partes das operações, do marketing, do outreach e dos fluxos de engenharia da Mercuri usando skills e padrões de fluxos agênticos construídos sobre Claude e OpenAI.
- Fluxos de suporte operacional que reduziram coordenação manual repetida.
- Fluxos de marketing e outreach que tornaram produção de conteúdo e follow-up mais sistemáticos.
- Ciclos de apoio à engenharia que ajudaram a equipe a avançar mais rápido com skills reutilizáveis e padrões agênticos.
Por que a história do produto funciona melhor em público
O material público agora tem uma linha condutora mais clara: a Mercuri se apresenta como uma camada de coordenação para liquidez concentrada, com comportamento autônomo de vaults e um modelo non-custodial que o usuário pode inspecionar tanto na interface do produto quanto na documentação do protocolo. Internamente, a equipe também passou a ter mais alavancagem apoiada por IA em torno da execução.
A liquidez concentrada exige monitoramento contínuo, reposicionamento frequente, raciocínio matemático preciso e resposta às mudanças de volatilidade e condições de gas.White paper da Mercuri, 15 de fevereiro de 2026
More case studies
A Minerva Cloud precisava de mais alavancagem interna na entrega de engenharia enquanto avançava com um sistema nativo de IA que pudesse se tornar parte do próprio produto.
+132%
fluxo de entrega de engenharia mais rápido
+101%
ritmo mais forte de implementação do sistema de IA
A Melon precisava sair do conceito inicial e chegar a uma plataforma fintech lançada, com melhor desempenho de sistema, comportamento de produto mais claro e um ciclo de entrega mais ajustado entre as equipes.
+126%
entrega mais rápida do conceito ao lançamento
+94%
mais confiabilidade de plataforma e clareza de produto
Precisa de um parceiro de engenharia de IA que consiga construir de verdade?
Ajudamos empresas no Brasil a integrar IA, acelerar produtos com IA, automatizar operações e modernizar os sistemas de software por trás do negócio.