Como nasceu a Kelly Academy: o nome, a marca e a busca por uma nota justa

No primeiro bastidor eu expliquei a arquitetura da Kelly Academy: a IA avalia, o backend decide. Este texto é sobre o resto. As decisões que não aparecem no código, os redesenhos que eu precisei fazer e o problema mais difícil do produto até agora: fazer a nota ser justa.

Começou como outro produto

A Kelly nasceu de um pivô. Antes existia o StudyMind, uma plataforma de estudos com IA para qualquer matéria. Ampla demais para um produto pequeno. Em setembro de 2026 eu reduzi o foco a uma coisa só: a redação do ENEM.

O público ficou bem definido: estudante que já consegue escrever uma redação, mas não entende por que a nota trava. O projeto recomeçou do zero, sem aproveitar o código antigo.

Um nome que não soasse como ferramenta

"StudyMind Redação" descrevia o produto, mas era longo e genérico. Testei nomes com trocadilho de IA, como essAI (de essay) e ensaIA. Ficavam espertos no papel, mas soavam como mais uma ferramenta.

O nome final foi Kelly Academy. Um nome de gente, porque a experiência que eu queria era a de uma professora que corrige com cuidado, não a de um robô que cospe nota.

A marca, em três tentativas

1. Logo gerada por IA. Descartada. Parecia qualquer outra logo de app.
2. A folha. Um símbolo de folha de redação com o canto dobrado e um "k". Funcionou no primeiro rebranding, mas era literal demais.
3. Três curvas. No fim eu mesmo desenhei a logo atual: três curvas, com uma delas cruzando todas.

A tipografia passou pelo mesmo filtro. A primeira fonte dos títulos ficou simpática demais para um produto que precisa passar rigor. Troquei por uma fonte fina e mais séria nos títulos e mantive uma fonte arredondada no texto corrido, para não ficar frio. O tema escuro com acento azul ficou, e cada uma das cinco competências do ENEM ganhou uma cor própria, usada em toda a interface.

A landing que precisou ser refeita

A primeira landing ficou boa no computador e ruim no celular: pesada para carregar, com informação demais e dividida em blocos que não convidavam a rolar a página. Refiz com uma referência mais leve, no estilo de Linear, Stripe e Notion, com a folha de redação contando o processo em quatro etapas enquanto a pessoa rola.

A lição foi simples: desenhar antes de codar, e olhar o celular desde o primeiro esboço.

A parte difícil: uma nota justa

O piloto começou fechado, com dois amigos testando, cadastro só por convite e um teto de correções por dia somando todo mundo. O primeiro retorno foi bom de ouvir: a mesma redação tirou 600 na Kelly e 720 com um corretor humano. A plataforma estava mais rigorosa.

Depois veio o problema oposto, e esse é pior: uma redação recebeu 1000 sem merecer. Nota máxima errada tira do aluno o motivo para treinar. Um 600 rigoroso ensina mais que um 1000 de presente.

Qual régua usar

A primeira decisão foi escolher a régua. A Kelly não tenta imitar a correção humana do ENEM, que tem corretores avaliando mais de cem redações por dia. A régua é a matriz oficial do INEP, a mesma da cartilha do participante. A nota oficial serve como teto, não como meta: a Kelly não infla nota para agradar.

O que está mudando na correção

• Prompt reescrito com as regras da cartilha, competência por competência, em vez de instruções gerais.
• Coerência entre nota e problemas. Se a IA aponta problemas sérios numa competência, a nota dela não pode ser a máxima. Quando a evidência não sustenta a nota, o backend ajusta sozinho e mostra ao aluno o motivo do ajuste.
• Modelo e raciocínio testados. A correção usa um modelo leve do Gemini com raciocínio no nível médio. O nível alto custou mais e não melhorou a nota.
• Um conjunto de calibração: redações com nota conhecida, usadas para medir cada mudança antes de ela ir para produção.

// Regra ilustrativa: a IA sugere, o backend confere
se competencia.problemasGraves > 0 e competencia.nota == 200:
    competencia.nota = tetoPelosProblemas(competencia)
    competencia.motivoAjuste = "Nota limitada: 2 desvios graves apontados no texto"

O que vem agora

Os pedidos do piloto viraram roadmap. Repertório e correção por foto já estão no ar. Na fila estão o plano de estudo focado na competência mais fraca, a prática por partes (só a introdução, só uma conclusão), a Julia, uma assistente para tirar dúvidas rápidas sobre a correção, e a abertura do cadastro para qualquer estudante.

Resumindo

Criar um produto próprio é tomar decisão o tempo todo, e quase nenhuma é de código: o foco, o nome, a marca, quando refazer uma tela. Na parte técnica, a lição foi que corrigir com IA não termina quando a IA responde. A nota só vale se for justa, e justa quer dizer medida pela mesma régua, sempre.