Da Alfa à Ação: Como o AISDK5 Nos Ajudou a Construir um CRM Nativo de IA

Jack e Nikita apresentam o Lightfield, um CRM nativo de IA construído com AISDK V5. Eles explicam o problema crítico dos CRMs tradicionais: foram concebidos décadas atrás assumindo que humanos realizariam entrada manual de dados, resultando em esquemas rígidos que não capturam o contexto real das conversas distribuídas entre email, Slack, notas de reunião e outros canais. Os CRMs tradicionais se tornaram apenas ferramentas de relatório para VPs de vendas ao invés de auxiliares práticos na venda. Essa visão deficiente motivou a criação de um sistema que pudesse lembrar e agir em nome do usuário de forma inteligente.

O Lightfield reimagina o que um CRM deveria ser, funcionando como um sistema de memória e ação para startups. O produto implementa captura automática de todas as interações (conversas, reuniões, emails) sem necessidade de entrada manual, oferecendo suporte a esquemas customizáveis que não exigem configuração antecipada. Demonstra-se um exemplo prático onde o usuário pede ao agente para encontrar cinco operações paradas e redigir emails personalizados para cada uma, mostrando como o sistema compreende operações paradas e gera comunicações customizadas. A plataforma é versátil, servindo não apenas times de vendas mas também equipes de sucesso do cliente e onboarding, alimentada pela mesma camada subjacente de memória e contexto.

A arquitetura do Lightfield é construída sobre três interfaces distintas (UI para humanos, agentes para linguagem natural, e fluxos de trabalho para automação) que interagem através de uma camada unificada de objetos de domínio. O princípio fundamental é que agentes possuem as mesmas permissões, lógica de negócio e padrões de acesso a dados que os usuários humanos, sem uma API de agente separada com regras diferentes. Os dados são agregados de múltiplos sistemas (armazenamento estruturado, objetos e índices de busca), mas a interface permanece consistente. Jack enfatiza que construir nativo de IA desde o início é superior a adicionar agentes a sistemas legados, e que essa escolha arquitetônica foi feita desde o primeiro dia, influenciando toda a pilha tecnológica, incluindo a seleção do AISDK como framework.

O Lightfield começou com AISDK V4 em janeiro de 2025 para suportar comutação de modelo e primitivos stream text, permitindo que tarefas iniciais fossem entregues a agentes específicos em semanas. Em junho de 2025, adotaram a API useChat especificamente pelas opções de transporte customizadas que foram lançadas. Jack destaca uma filosofia central: otimizar a velocidade de aprendizado sobre a perfeição antecipada, reconhecendo que ninguém tem o roteiro completo para produtos de IA em 2025. O framework AISDK cresce com o produto ao invés de forçar reescritas, exemplificado pela transição suave de V4 para V5 alfa. Há uma piada interna na equipe sobre identificar um recurso necessário do AISDK e, no dia seguinte, ver um tweet da equipe do AISDK anunciando exatamente esse recurso.

O Lightfield implementa um recurso chamado Adaptive Context Building que permite ao usuário fazer perguntas em linguagem natural sem especificar detalhes contextuais. Quando o usuário pergunta 'o que vem a seguir para esta conta?' ou 'o que o Jordan Lee mencionou em nossa última chamada?', o sistema compreende automaticamente o contexto sem entrada explícita de entidade ou reunião. Nikita explica que a API Data Parts do AISDK é fundamental para esse recurso, permitindo fornecer sinais do cliente no lado do cliente que são posteriormente hidratados completamente no servidor. Essa abordagem permite recuperação inteligente que descobre o que realmente importa para a consulta, demonstrando a capacidade do AISDK de facilitar interfaces naturais e adaptáveis.

Nikita detalha as estratégias de proteção de dados do Lightfield, começando com injeção de arquivos em threads de chat. Em vez de codificar diretamente arquivos ou expor URLs S3 públicas, o cliente envia um ID interno ao backend, que então substitui esses identificadores por URLs S3 assinadas com tempo de expiração, prevenindo acesso não autorizado. As coleções de ferramentas contextuais dinâmicas garantem que cada usuário receba um conjunto de ferramentas específico com dependências injetadas diretamente, incluindo IDs de usuário nas próprias ferramentas para que o LLM nunca execute consultas diretas ao banco de dados. Essa abordagem mantém a paridade com a interface do CRM regular, onde o LLM pode criar entidades como contas, oportunidades e contatos através da mesma abstração que o usuário utiliza na UI, com formulários renderizados que refletem a mesma entrada de dados.

O Lightfield implementa fluxos human-in-the-loop sofisticados usando abstrações do AISDK, onde quando um LLM emite uma chamada de ferramenta que requer confirmação, ela é encaminhada ao cliente front-end para renderizar uma interface. O usuário pode editar valores sugeridos, e antes de retornar ao LLM, a ferramenta é executada, capturando tanto os valores originais quanto os editados e o resultado final, fornecendo histórico e visibilidade completos. O sistema permite customização total de modelos de dados para cada entidade CRM (contas, oportunidades, contatos), permitindo que clientes rastreiem campos específicos como pilha de tecnologia, tamanho do time de engenharia ou investidores mútuos. Há uma seção de 'conhecimento' onde o LLM recebe contexto adicional sobre o negócio, e o sistema executa fluxos de trabalho de fundo como preparação de reunião e sugestão de itens de ação de acompanhamento, com emails de rascunho permanecendo sob aprovação do usuário antes de qualquer ação.

Jack sintetiza os quatro princípios principais descobertos ao construir o Lightfield com AISDK: (1) paridade segura UI-Agente desde o primeiro dia com acesso completo de leitura e escrita através da mesma camada de dados; (2) iteração rápida sobre abstração perfeita, onde alguma duplicação é mais barata que a abstração errada especialmente durante a formação de convenções; (3) fluxos human-in-the-loop que mantêm pessoas no controle para interações de alto valor com transparência completa do histórico; (4) sistemas programáveis tanto por usuários quanto por agentes que se moldam a como clientes estruturam dados. Jack conclui que esses princípios são a diferença entre um produto que as pessoas toleram e um que não conseguem viver sem, convidando a audiência a visitarem lightfield.app para ver esses princípios em ação e compartilharem seus próprios padrões de construção.