Uma app para comparar a temperatura de hoje com anos anteriores

Uma pergunta simples sobre meteorologia

Nos últimos anos, tornou-se comum ouvir que determinado dia foi “o mais quente de sempre”. A frase aparece nas conversas, nas redes sociais e nas notícias, sobretudo em períodos de calor intenso. Mas como perceber, de forma simples, se a temperatura de hoje é realmente diferente da que se registava na mesma data em anos anteriores?

Foi a partir desta pergunta que Rui Barroca, Product Engineer, Designer e Founder, criou a what weather, uma aplicação web que compara a temperatura de hoje com a temperatura registada no mesmo dia em anos anteriores.

A ideia não era construir uma plataforma técnica de meteorologia, cheia de gráficos complexos e tabelas extensas. O objetivo era o oposto: criar uma experiência simples, visual e fácil de perceber. De um lado, a temperatura de hoje. Do outro, a temperatura da mesma data no ano escolhido.

Temperatura, memória e alterações climáticas

A app toca num tema que interessa a cada vez mais pessoas: a relação entre temperatura, memória individual e alterações climáticas. Muitas vezes, temos uma perceção subjetiva do tempo. Lembramo-nos de verões quentes, dias frios ou vagas de calor, mas nem sempre conseguimos comparar esses episódios com dados concretos.

Uma ferramenta como esta não substitui análise científica, nem permite tirar conclusões isoladas sobre alterações climáticas a partir de uma comparação pontual. O seu valor está noutro ponto: tornar a meteorologia mais acessível e ajudar qualquer pessoa a comparar, de forma rápida, a temperatura de uma data específica com o registo de anos anteriores.

Essa simplicidade é importante. Quando os dados são apresentados de forma clara, a conversa sobre clima, calor, temperatura e alterações climáticas deixa de depender apenas de impressões e passa a ter uma base comparável.

O processo: ideia, especificação, construção e revisão

O ponto mais interessante deste caso não está apenas na app. Está no processo. Rui não descreve a inteligência artificial como uma máquina que cria produtos sozinha. Pelo contrário: o trabalho começou pela definição do problema, pela escolha do ângulo e pela validação da utilidade da ideia.

Depois veio a fase de especificação. Em vez de pedir genericamente à IA para “criar uma app de meteorologia”, o processo passou por escrever instruções claras sobre o que a ferramenta devia fazer, o que devia evitar e que experiência devia oferecer ao utilizador.

Este detalhe é essencial para quem trabalha com vibe coding ou prototipagem com IA. A qualidade do resultado depende muito da qualidade da direção. A IA pode escrever código, criar componentes e acelerar a construção. Mas alguém tem de decidir o que deve existir, o que deve ser removido e quando o resultado ainda não está bom.

O código ficou mais barato, o critério ficou mais valioso

Uma das ideias centrais da experiência de Rui é que o gargalo mudou. Durante muitos anos, uma pessoa com uma ideia digital dependia de alguém com disponibilidade técnica para a transformar em produto. Hoje, ferramentas de IA conseguem reduzir muito essa barreira inicial.

Mas isso não significa que o produto esteja resolvido. A app precisa de nome, domínio, desenho, hierarquia visual, mensagens claras, partilha social, páginas compreensíveis por motores de pesquisa e uma experiência que funcione no mundo real.

Foi isso que aconteceu neste projeto. A primeira versão serviu para testar se os dados faziam sentido. Depois veio o desenho da interface, a simplificação da experiência, a escolha da comparação visual e a criação de uma página estática com explicação, útil para motores de pesquisa e modelos de linguagem.

Este é um bom exemplo de uma mudança importante: a inteligência artificial torna a execução mais rápida, mas aumenta a importância do critério. Saber programar continua a ser útil. Mas saber especificar, avaliar, cortar, corrigir e desenhar uma boa experiência tornou-se ainda mais importante.

Quando uma limitação se transforma numa funcionalidade

Durante o desenvolvimento, surgiu um problema comum em aplicações baseadas em localização: a geolocalização por IP nem sempre corresponde ao local exato onde a pessoa está. Muitas vezes identifica o fornecedor de internet ou uma zona aproximada, não a localização real.

Em vez de tentar resolver tudo automaticamente, a solução passou por dar mais controlo ao utilizador. A app permite pesquisar e escolher a cidade. O que começou como limitação tornou-se parte da utilidade da ferramenta: agora é possível comparar temperaturas em diferentes localidades, não apenas no local onde se está.

Este tipo de decisão mostra a diferença entre fazer uma demonstração técnica e criar uma experiência útil. Nem todos os problemas precisam de uma solução invisível. Às vezes, a melhor opção é assumir a limitação e desenhar uma alternativa simples.

O que este caso ensina sobre vibe coding

O termo vibe coding é muitas vezes apresentado como se bastasse conversar com a IA para criar uma aplicação pronta a lançar. Este caso mostra uma leitura mais realista.

A IA ajudou a construir. Mas o produto nasceu de decisões humanas: escolher o problema, validar a fonte de dados, simplificar a interface, rever o resultado, corrigir comportamentos estranhos, adaptar a experiência e pensar na forma como a app seria descoberta e partilhada.

É aqui que a promessa da IA se torna mais interessante. Não está apenas em “fazer código”. Está em permitir que profissionais com visão de produto, design, negócio ou comunicação consigam testar ideias mais depressa, criar protótipos e aprender durante o processo.

Uma pequena app com uma grande conversa por trás

A what weather é uma app simples. Compara a temperatura de hoje com a temperatura de anos anteriores. Mas por trás dessa simplicidade há várias questões importantes: como usamos dados de meteorologia, como comunicamos temperatura, como falamos de alterações climáticas e como a inteligência artificial muda a forma de criar produtos digitais.

O mais relevante não é apenas a ferramenta estar online. É o caminho até lá. Uma pergunta concreta, uma especificação clara, uma sequência de testes, decisões de design e uma preocupação com a experiência final.

É esse talvez o ponto mais importante para quem quer usar IA para criar ferramentas: o código pode estar mais acessível, mas a responsabilidade pelo produto continua nas mãos de quem o imagina, orienta e valida.