Introdução Estratégica: a Convergência da GenAI e do Desenvolvimento de Software
O desenvolvimento de software tradicional está sendo transformado pela emergência de plataformas de Inteligência Artificial Generativa (GenAI) baseadas em Large Language Models (LLMs). Essas ferramentas oferecem uma abordagem visual e automatizada que minimiza a necessidade de codificação manual, acelerando drasticamente o time-to-market de novos aplicativos[1][2]. Em particular, estudos apontam que o uso conjunto de low-code/no-code e IA pode permitir que aplicações sejam criadas em semanas, em vez de anos[2]. Plataformas low-code e no-code vêm democratizando o desenvolvimento, capacitando “citizen developers” (usuários de negócio sem formação em TI) a construir soluções eficazes por meio de interfaces gráficas de arrastar-e-soltar[3][4]. Essa democratização não apenas melhora a produtividade, mas redefine quem pode criar software e com que rapidez: por exemplo, ferramentas visuais permitem a profissionais não-técnicos desenvolver protótipos funcionais em horas[5][4].
O Posicionamento do Lasy AI: No-Code Potencializado por IA
A plataforma Lasy AI destaca-se nessa tendência como uma solução no-code impulsionada por IA, projetada para converter ideias complexas em aplicativos SaaS funcionais em tempo recorde. Com uma interface intuitiva e ferramentas de drag-and-drop, o Lasy AI promete que ideias que antes levariam meses para concretizar podem se tornar protótipos em poucas horas[5]. Essa abordagem elimina a necessidade de contratar desenvolvedores especializados, reduzindo custos e democratizando o acesso à criação de software[5][3]. Por exemplo, um relatório demonstrou que plataformas low-code permitem a 61% dos usuários entregar projetos no prazo e podem acelerar o desenvolvimento em até 10 vezes[6].
O Lasy AI foca em um público variado de citizen developers, empreendedores e criadores de conteúdo que buscam lançar rapidamente produtos SaaS baseados em assinatura. Sua interface amigável é projetada para permitir a qualquer pessoa montar e publicar aplicações em diferentes plataformas com pouca ou nenhuma curva de aprendizado técnica[7][3]. (Nota: aqui tratamos especificamente do Lasy AI construtor de aplicativos, distinto de outras entidades foneticamente similares como “Laasie”, focada em soluções de fidelidade hotelaria.)
Escopo da Análise: Mercado, Capacidades e Governança
Este estudo examina as capacidades tecnológicas da Lasy AI no contexto do movimento Low-Code/No-Code (LCNC) e avalia seus riscos e oportunidades. A discussão centraliza-se no trade-off de usar GenAI para gerar código: enquanto há ganhos expressivos em velocidade e democratização, surgem preocupações sobre controle, segurança e governança do código no longo prazo[8][9]. Estudos apontam que o código gerado por IA pode conter tipos de erros únicos (como atributos incorretos ou “incomplete generation”) que demandam revisões mais cuidadosas[10][8]. Além disso, projeções de mercado indicam que o segmento low-code/no-code está em forte expansão – espera-se quadruplicar em cinco anos, de US$45,5 bi em 2025 para US$187 bi em 2030[11] – o que reforça a importância de entender como soluções como o Lasy AI se encaixam nesse ecossistema em crescimento.
Desvendando o Lasy AI: Funcionalidades e Casos de Uso
Lasy AI como Motor de Rapid Application Development
O valor central do Lasy AI está em acelerar o desenvolvimento rápido de aplicações (RAD). Da mesma forma que plataformas low-code tradicionais eliminam gargalos, o Lasy AI utiliza automação visual e prompts de linguagem natural para criar aplicativos completos sem escrita de código manual[1][5]. Por exemplo, uma plataforma que substitui a codificação tradicional por componentes pré-construídos pode reduzir significativamente o ciclo de desenvolvimento. O IBM descreve que ferramentas low-code e no-code usam interfaces gráficas e recursos drag-and-drop para criar apps corporativos sem programação tradicional, permitindo automações aceleradas e maior escalabilidade[12]. Em síntese, com Lasy AI um usuário pode especificar um fluxo de trabalho por palavras-chave ou templates, gerando um sistema SaaS funcional com banco de dados, login, painéis e integrações básicas, tudo isso em minutos em vez de semanas.
Otimização e Automação por IA
O diferencial do Lasy AI é integrar GenAI além da simples montagem visual. A plataforma automatiza tarefas repetitivas que normalmente exigiriam programadores experientes, como geração de código boilerplate, integração de APIs externas e compatibilidade multi-plataforma. Esse nível de automação libera os desenvolvedores para focar na lógica de negócio e nos aspectos criativos do projeto. Relatórios do setor ressaltam que assistentes de codificação baseados em IA reduzem o tempo gasto em tarefas rotineiras, aumentando a eficiência dos projetos[13]. Além disso, ao abstrair integrações complexas (pagamentos online, chats em tempo real etc.), o Lasy AI simplifica conexões críticas, eliminando gargalos comuns no desenvolvimento tradicional. Dessa forma, mesmo sem experiência avançada, o usuário pode aproveitar APIs e bibliotecas populares de maneira simplificada, acelerando a configuração de funcionalidades essenciais.
Versatilidade: Web Apps e Projetos 3D
A Lasy AI se posiciona como uma plataforma versátil. Além de suportar a criação de diversos tipos de aplicativos web (ideais para empreendedores que desejam montar lojas virtuais, dashboards ou serviços online rapidamente), ela propõe recursos inovadores para projetos de jogos 3D, um domínio tipicamente complexo. Nesses casos, a IA incorporada não apenas ajuda a gerar artefatos gráficos e mecânicas de jogo por meio de interfaces de arrastar-e-soltar, mas também pode otimizar dinamicamente a experiência do usuário. Por exemplo, técnicas avançadas de IA podem ajustar automaticamente a dificuldade de inimigos ou o comportamento de NPCs conforme o desempenho do jogador, além de empregar renderização adaptativa para adequar visuais à capacidade do hardware. Em outras palavras, o Lasy AI não seria apenas uma ferramenta de no-code tradicional, mas também um ambiente com inteligência preditiva e otimização em tempo real – embora detalhes técnicos sobre esses recursos ainda dependam de confirmação dos desenvolvedores.
Publicação, Manutenção e Ciclo de Vida
Por fim, a Lasy AI promete encurtar os ciclos de feedback: o desenvolvedor pode testar e ajustar a aplicação em minutos, e então publicar com “um clique” para diferentes plataformas. A plataforma inclui também serviços de hospedagem e manutenção gerenciados, simplificando tarefas operacionais que normalmente geram custos contínuos. Em contrapartida, essa simplicidade implica forte acoplamento à infraestrutura proprietária da Lasy AI. Conforme reportado em análises de serviços em nuvem, quando aplicações dependem totalmente do backend de um provedor, surgem riscos de vendor lock-in[14]. Ou seja, se a Lasy AI alterar seus termos ou preços, migrar um aplicativo pode se tornar difícil e caro. Além disso, o custo de operação (execução e hospedagem no modelo SaaS) e o acesso contínuo aos modelos de linguagem avançados podem resultar em despesas elevadas e latências de rede imprevisíveis[15][14]. Tais fatores serão analisados em conjunto com os demais trade-offs técnicos do uso da GenAI.
Lasy AI no Ecossistema LCNC: Mercado e Competitividade
Low-Code vs. No-Code vs. IA Generativa
Para posicionar o Lasy AI estrategicamente, é importante distinguir as abordagens. As plataformas no-code são voltadas a usuários de negócio sem conhecimento de programação, oferecendo arrastar-e-soltar e configurações plug-and-play para protótipos simples[16][17]. Já soluções low-code atendem profissionais técnicos, permitindo inserir código personalizado para casos complexos; elas aceleram o desenvolvimento tradicional reduzindo o esforço repetitivo, mas exigem mais treinamento inicial[16][18]. O Lasy AI enquadra-se no que se chama “No-Code Generativo”: ele usa IA para converter descrições ou fluxogramas visuais em código funcional completo, maximizando a velocidade de entrega. Nesse sentido, ele promete mobilizar tanto users de negócio quanto desenvolvedores iniciantes, mitigando a curva de aprendizado por meio da geração assistida de código[3][19].
Adoção e Projeções de Mercado
Os dados do mercado sustentam a estratégia de aceleração: uma pesquisa recente estima que 87% dos desenvolvedores em grandes empresas já utilizam plataformas low-code em pelo menos parte de seus projetos[20]. Além disso, prevê-se que o mercado global de low-code/no-code crescerá de US$45,5 bilhões em 2025 para cerca de US$187 bilhões em 2030[11]. Esses números refletem a adoção massiva dessas ferramentas: ao eliminar trabalho manual, elas aumentam drasticamente a velocidade de lançamento de novos produtos e respondem rapidamente às mudanças do mercado[20][11]. Em suma, as organizações passaram a exigir ferramentas que unifiquem a demanda de citizen developers e de equipes técnicas em plataformas que elevem a eficiência no desenvolvimento.
Competitividade e Soluções Híbridas (Lasy AI vs. OutSystems/Mendix)
Nesse mercado competitivo, o Lasy AI enfrenta não só outros players no-code, mas também plataformas enterprise low-code que estão incorporando GenAI de forma agressiva. Por exemplo, o OutSystems – líder em low-code empresarial – lançou o Agent Workbench, uma extensão de sua plataforma que permite criar agentes de IA customizados com segurança empresarial embutida[21]. O OutSystems destaca-se por oferecer um ciclo completo de desenvolvimento de AI agents em um ambiente unificado, com governança integrada e publicação com um clique[21]. Em paralelo, plataformas como Mendix apostam em ferramentas intuitivas e análises baseadas em modelo, focando na combinação de desenvolvimento low-code com práticas de DevSecOps. A diferença estratégica essencial é que soluções enterprise low-code como o OutSystems visam aplicações de missão crítica e geram código real e auditável para escalabilidade máxima, enquanto o Lasy AI prioriza acessibilidade e rapidez para MVPs e MVPs acelerados.
Em termos gerais, aplicações corporativas complexas – especialmente aquelas que exigem alta customização, segurança rígida e integração profunda – tendem a privilegiar plataformas low-code de nível empresarial. Isso porque o crescimento previsto até 2030 será impulsionado sobretudo pela demanda por soluções robustas de nível enterprise, não apenas produtos simples de validação de conceito. Por outro lado, o Lasy AI encontra seu nicho recomendável em contextos onde o ganho de tempo sobrepõe a necessidade de customização avançada: protótipos, aplicativos de nicho e produtos digitais de rápido lançamento para content creators e pequenas equipes.
Análise Crítica: Prós da Abordagem por IA
Democratização e Acessibilidade
Uma das grandes vantagens de plataformas generativas no-code como o Lasy AI é democratizar o desenvolvimento. Ao eliminar a necessidade de conhecimentos técnicos profundos, elas reduzem drasticamente a curva de aprendizado. Isso permite que iniciantes aprendam a programar mais rápido, recebendo sugestões de código em tempo real[19]. Profissionais de outras áreas (mentores, coaches, criadores de conteúdo) podem transformar seu conhecimento em aplicações SaaS sem depender de equipe de TI, impulsionando novos empreendimentos digitais[19]. Em outras palavras, a democratização amplia a força de trabalho de software, capacitando um público muito maior a participar da inovação.
Eficiência, Custo e Qualidade do Código
O uso de IA no desenvolvimento tende a otimizar recursos, tornando o processo mais rápido e econômico. Ferramentas assistidas por IA ajudam desenvolvedores a escrever código mais rapidamente ao automatizar tarefas repetitivas[13]. Além da velocidade, modelos treinados em grandes bases de dados sugerem soluções que minimizam erros comuns e melhoram a confiabilidade do código[22]. Por exemplo, recomenda-se que trechos de código sigam padrões e boas práticas – algo que ferramentas de IA podem aplicar automaticamente[23]. Consequentemente, aplicações geradas com low-code/no-code tendem a ter menos linhas de código manual para manter, simplificando tarefas de manutenção futura. Além disso, a padronização assistida pela IA pode elevar a segurança básica do código e reduzir a dívida técnica geral[23].
Inovação e Otimização em Tempo Real
O Lasy AI exemplifica como a IA pode ir além da mera codificação estrutural, oferecendo otimizações dinâmicas da experiência do usuário. O próprio processo de edição visual (layouts, estilo) torna-se mais flexível, e características do aplicativo podem ser ajustadas automaticamente segundo regras inteligentes. No contexto de desenvolvimento de jogos, por exemplo, inteligência artificial pode avaliar o comportamento do jogador em tempo real e ajustar a dificuldade automaticamente[24]. Embora ainda haja pouco material público sobre essas capacidades específicas, a tese é que tais aprimoramentos ativos – como ajuste de obstáculos, personalização de conteúdo ou renderização adaptativa – são avanços notáveis que tradicionais abordagens low-code ou no-code não alcançam sem complexa engenharia adicional. Em resumo, a IA permite uma inovação contínua em tempo de execução, fazendo com que o aplicativo se adapte ao ambiente do usuário.
Análise Crítica: Contras e Riscos
Probabilística dos LLMs e Risco de Inconsistência
O maior desafio inerente à GenAI é sua natureza estatística. Modelos de linguagem produzem código com base em probabilidades – não em entendimento real do contexto do projeto[25][8]. Em outras palavras, um LLM consegue estimar o próximo token mais provável, mas não “compreende” requisitos complexos de segurança, conformidade ou performance desejados. Por isso, códigos gerados podem conter erros sutis e “alucinações”: comportamentos inesperados ou pedaços de lógica não solicitados[25][10]. Pesquisas observam padrões de bugs específicos em código gerado por IA, como referências a atributos errados, geração incompleta de funções, ou inserção de lógica superflua[10]. Se não forem capturados, tais erros podem resultar em falhas críticas de produção, justamente o oposto do ganho de velocidade inicial. Assim, a dependência da IA pode acabar produzindo débito técnico oculto e demandar longas sessões de debug, anulando parte da agilidade prometida.
Governança, Segurança e Auditoria
Confiar cegamente em código gerado por IA pode comprometer a segurança do software, especialmente em setores regulamentados. Como destacado em estudos, o código produzido pela GenAI pode incorporar vulnerabilidades não intencionais ou até replicar trechos impróprios aprendidos da internet[9]. Nessas circunstâncias, a simples execução de testes automatizados tradicionais não basta: é preciso uma governança refinada. Fontes do setor ressaltam que a revisão de código assume um novo papel na era da IA, exigindo atenção crítica a erros específicos e ao alinhamento com políticas internas[8][9]. De fato, recomenda-se que qualquer código sugerido por IA seja sempre validado por especialistas humanos antes de entrar em produção[26]. Esse code review avançado requer engenheiros capazes de auditar segurança, desempenho e ética, pois o modelo de IA não garante padrões de governança ou ética de forma autônoma. Além disso, análises de serviços baseados em IA apontam preocupações operacionais gerais (estabilidade, cobranças indevidas, etc.) que também se aplicam a plataformas GenAI como o Lasy AI, reforçando a necessidade de due diligence rigorosa por parte dos adotantes.
Dependência e Vendor Lock-in
Soluções no-code/GenAI como o Lasy AI geram forte dependência do provedor. Como discutido em cenários de IA na nuvem, usar modelos de linguagem gerenciados em nuvem acarreta perda de controle sobre infraestrutura e sobre a evolução do código[14]. Essa falta de transparência dificulta a migração futura: aplicativos criados totalmente na interface visual podem ficar “presas” ao modelo do fornecedor. Se a Lasy AI alterar preços ou políticas, migrar um app pode ser custoso e complicado[14]. Além disso, o custo recorrente de treinar e executar LLMs na nuvem tende a ser alto; os gastos com computação, armazenamento e chamadas de API podem crescer rapidamente[15]. Problemas adicionais de latência também podem surgir ao depender de chamadas remotas a servidores de IA[27]. Em resumo, embora o desenvolvimento inicial seja mais rápido e barato, a conta total de execução em longo prazo pode superar a economia inicial, especialmente para aplicativos de larga escala e uso contínuo.
Governança, Ética e Futuro do AI Engineering
Requisitos de Governança e Code Review na Era da IA
O Gartner destaca que a adoção de GenAI em desenvolvimento requer novas disciplinas de AI Engineering, abrangendo ferramentas e processos para assegurar que soluções de IA sigam a estratégia corporativa e mantenham a integridade do código[28]. Na prática, isso significa que, mesmo com a IA entregando protótipos rápidos, as equipes de software devem implementar práticas robustas de validação e governança. Segundo especialistas, nenhuma solução gerada pela IA deve ser considerada final sem uma revisão humana rigorosa que verifique qualidade, segurança e eficiência[26]. Assim, os engenheiros devem atuar como “curadores” da IA: aproveitando sua produtividade para acelerar tarefas rotineiras, mas aportando o conhecimento de domínio, arquitetura e segurança ao revisar e ajustar o código final.
Agentes de IA Autônomos como Próxima Fronteira
O futuro da GenAI no desenvolvimento vai além da geração de código estático: já se fala em agentes de IA autônomos que realizam fluxos de trabalho complexos sem intervenção humana. Para aplicações empresariais, plataformas LCNC estão incorporando recursos agentic. Por exemplo, o OutSystems promove uma “força de trabalho” de agentes customizados para automatizar atendimento ao cliente e marketing, integrando LLMs em processos de negócios[21]. Esse movimento indica que a próxima onda do mercado (estimado em US$187 bi) será dominada pela capacidade de criar e gerenciar agentes de IA de missão crítica. Se o Lasy AI permanecer focado apenas na construção de front-ends de baixo código, pode não se posicionar bem nessa nova realidade. Plataformas orientadas a agentes permitirão automação mais profunda (chatbots avançados, qualificação de leads inteligente, etc.) alinhada a altos padrões corporativos, definindo o padrão para adoção futura.
Desafios Éticos e Medidas de Mitigação
A rapidez das plataformas GenAI levanta questões éticas e de conformidade. Especialistas alertam que a evolução dos modelos de IA precisa de supervisão humana constante e regulamentação, para garantir alinhamento a valores organizacionais e normativos[29]. Nesse sentido, recomenda-se uma abordagem híbrida: a IA fornece velocidade e escala, mas cada solução deve passar por testes automatizados e revisões cuidadosas antes de ser liberada[26]. Essas revisões devem buscar vulnerabilidades ocultas, violações de política ou lógica não solicitada (como manipulação de dados irrelevantes) que modelos generativos possam introduzir. Em última análise, o desenvolvimento na era da GenAI será uma parceria onde a tecnologia expande os limites criativos e de produtividade, enquanto os engenheiros humanos garantem integridade, segurança e ética do produto final[26][28].
Conclusão Estratégica: Quando Adotar Lasy AI
O Lasy AI exemplifica a nova geração de plataformas generative no-code, oferecendo vantagens claras em velocidade, eficiência e acessibilidade. É uma ferramenta potente para Rapid Application Development (RAD), especialmente útil para transformar ideias em produtos monetizáveis (SaaS de nicho, plataformas de conteúdo pago, protótipos interativos) em tempo mínimo. Sua automação de tarefas complexas e capacidade de otimização dinâmica da experiência do usuário (via IA) são diferenciais notáveis.
Entretanto, a decisão de usar Lasy AI deve considerar a complexidade e os requisitos de governança do projeto. De acordo com a análise, recomenda-se:
- Prototipagem e MVPs de baixo risco: O Lasy AI é fortemente recomendado. Sua facilidade de uso e ganho de agilidade (time-to-market) são incomparáveis para equipes que buscam validar ideias rapidamente com investimentos limitados (educadores, criadores de conteúdo, startups pequenas).
- Aplicações críticas ou reguladas: A cautela é mandatória. A dependência da plataforma e o risco de vendor lock-in, junto com os desafios de auditoria de segurança e escalabilidade do código gerado, sugerem que projetos de alta complexidade devem priorizar plataformas low-code enterprise consolidadas (como OutSystems ou Mendix). Essas oferecem maior controle sobre o código de saída, recursos integrados de DevSecOps e infraestruturas adaptadas a requisitos empresariais rigorosos.
- Requisito comum: Independentemente da escolha, o uso de GenAI exige uma governança robusta. Deve-se implementar processos de AI Engineering e revisão de código focados em IA, garantindo que todo código gerado seja analisado no contexto do negócio e das regras de segurança. É imperativo lembrar que modelos de linguagem operam com base em estatísticas, não compreensão: portanto, a supervisão humana qualificada continua essencial para garantir confiabilidade, ética e qualidade no software final[26][8].
Referências:
[1] IBM, “What is low-code?”, IBM Think Blog, 2021. Disponível em: https://www.ibm.com/think/topics/low-code (acesso em 2025).
[2] OutSystems, “Scale Agentic AI Systems with Agent Workbench”, 2025. Disponível em: https://www.outsystems.com/low-code-platform/agentic-ai-workbench (acesso em 2025).
[3] Data Hackers, “Lasy AI: descubra como criar aplicativos sem codificação”, 15 set. 2025. Disponível em: https://www.datahackers.news/p/lasy-ai-descubra-como-criar-aplicativos-sem-codifica-o (acesso em 2025).
[4] BairesDev, “AI vs Low-code vs No-code: Which One is Right for Your Project?”, Blog BairesDev. Disponível em: https://www.bairesdev.com/blog/ai-low-code-no-code-which-is-right-for-you (acesso em 2025).
[5] Akveo, “Low-Code Adoption Statistics 2025: Trends, Forecasts, Insights”, 2024. Disponível em: https://www.akveo.com/low-code-adoption-statistics (acesso em 2025).
[6] DataCamp (A. Valenzuela), “The Pros and Cons of Using LLMs in the Cloud Versus Running LLMs Locally”, maio 2023. Disponível em: https://www.datacamp.com/blog/the-pros-and-cons-of-using-llm-in-the-cloud-versus-running-llm-locally (acesso em 2025).
[7] MinIO, “Analisando os prós, contras e riscos dos LLMs”, HackerNoon, 2 abr. 2024. Disponível em: https://hackernoon.com/lang/pt/analisando-os-pr%C3%B3s,-contras-e-riscos-dos-llms (acesso em 2025).
[8] Kodus, “Os Maiores Perigos do Código Gerado por IA (E Como Evitá-los)”, 11 fev. 2025. Disponível em: https://kodus.io/perigos-codigo-ia/ (acesso em 2025).
[9] Data Science Academy, “Plataformas No-Code e Low-Code Para Construir Agentes de IA e Automatizar Aplicações – Parte 1”, 23 jun. 2025. Disponível em: https://blog.dsacademy.com.br/plataformas-no-code-e-low-code-para-construir-agentes-de-ia-e-automatizar-aplicacoes-parte-1-visao-geral/ (acesso em 2025).
[10] DIO (M. Novela), “Código Gerado por IA: Avanço ou Dependência?”, 27 mar. 2025. Disponível em: https://www.dio.me/articles/codigo-gerado-por-ia-avanco-ou-dependencia-0cf08607319e (acesso em 2025).
[1] [3] [12] [16] What Is Low-Code? | IBM
[2] [6] [11] [20] Low-Code Adoption Statistics 2025: Trends, Forecasts, Insights
[4] AI vs Low-code vs No-code: Which One is Right for Your Project?
[5] [7] Lasy AI: descubra como criar aplicativos sem codificação
[8] [10] Os Maiores Perigos do Código Gerado por IA (E Como Evitá-los)
[9] [13] [19] [22] [23] [26] [29] Código Gerado por IA: Avanço ou Dependência? | Mauro Novela | Inteligência Artificial (IA) | DIO
[14] [15] [27] The Pros and Cons of Using Large Language Models (LLMs) in the Cloud vs. Running LLMs Locally: Which Is Right for You? | DataCamp
[17] [18] Plataformas No-Code e Low-Code Para Construir Agentes de IA e Automatizar Aplicações – Parte 1 – Visão Geral – Data Science Academy
[21] Scale Agentic AI Systems with Agent Workbench | OutSystems
[24] AI NPCs and the future of gaming – Inworld AI
[25] Analisando os prós, contras e riscos dos LLMs | HackerNoon
[28] The 2025 Hype Cycle for GenAI Highlights Critical Innovations
Graduado em Ciências Atuariais pela Universidade Federal Fluminense (UFF) e Mestrando em Computação.
Palestrante e Professor de Inteligência Artificial e Linguagem de Programação; autor de livros, artigos e aplicativos.
Professor do Grupo de Trabalho em Inteligência Artificial da UFF (GT-IA/UFF) e do Laboratório de Inovação, Tecnologia e Sustentabilidade (LITS/UFF), entre outros projetos.
Proprietário dos portais:
🔹 ia.pro.br
🔹 ia.bio.br
🔹 ec.ia.br
🔹 iappz.com
🔹 maiquelgomes.com.br
🔹 ai.tec.re
…entre outros.
💫 Apaixonado pela vida, pelas amizades, pelas viagens, pelos sorrisos, pela praia, pelas baladas, pela natureza, pelo jazz e pela tecnologia.