Como montar um sistema de conteúdo UGC com IA — e por que o verdadeiro gargalo é a distribuição, não a geração
Alex Nguyen, um indie hacker que fez apps como Notewave e MedDeep chegarem a mais de 400 mil usuários somados, publicou um X Article detalhando o stack de agentes de IA por trás de um tipo específico de conteúdo de marketing para apps: UGC "brainrot" — vídeos curtos e viciantes gerados por IA, pensados para colocar um app na frente de centenas de milhões de pessoas de forma orgânica. O artigo dele, "How to Build an AI UGC/Brainrot System That Can Generate 100M+ Views with Hermes Agent", é uma parceria paga com a Higgsfield, e vale a pena ler na íntegra — mas a parte que mais importa para quem gerencia conteúdo em mais de uma conta não é a geração de vídeo. É o gargalo que ele mesmo nomeia explicitamente assim que o sistema começa a funcionar: distribuição e feedback começam a quebrar muito antes da geração.
O padrão: um formato de vídeo, um exército de contas
A observação inicial de Nguyen é que um punhado de apps — ele cita Her75 e Looksmaxing — fatura dezenas de milhares de dólares por mês puramente com UGC orgânico, com contas de "influencers de IA" acumulando dezenas a centenas de milhões de views e ficando constantemente no topo da App Store dos EUA. Em seguida ele aponta o mesmo mecanismo aparecendo em EdTech, o mesmo setor em que seus próprios apps cresceram: vídeos gerados por IA de professores universitários "debatendo e discordando sobre IA" numa sala de aula.
O formato de gancho por trás da tendência que Nguyen descreve: um professor "flagra" um aluno usando IA, a turma reage, e o app é mencionado nos últimos três segundos.
As contas que rodam esse formato — studyvamp entre elas — chegaram a mais de 71 mil seguidores e 10 milhões de curtidas somadas, todas apontando para o mesmo produto.
O estudo de caso: Turbo Learn
O app por trás desse "exército de influencers", segundo Nguyen, é o Turbo Learn — um anotador de aulas com IA que fatura, segundo ele, cerca de US$ 204 mil/mês, construído quase inteiramente sobre esse padrão de UGC em vez de aquisição paga.
Esse número é o que faz valer a pena ler o resto com atenção: o sistema não é uma curiosidade, está ligado a uma linha de receita real e considerável.
O stack: Hermes Agent para orquestrar, Higgsfield Super Computer para gerar
Nguyen diz que usa a geração de vídeo da Higgsfield desde 2025 e que, desde então, se tornou parceiro oficial. O recurso específico que ele destaca é o novo Super Computer da Higgsfield, que recebe um prompt de cena detalhado — estilo de câmera, iluminação, diálogo, beats do personagem — e renderiza o vídeo.
Mas a geração sozinha não explica 100M+ de views — um vídeo bom não é um sistema. É aí que entra o Hermes Agent, um agente de IA open-source e autoaperfeiçoável da Nous Research. O que importa aqui não é que ele gere nada sozinho; é que ele lembra fluxos de trabalho, cria skills reutilizáveis a partir do trabalho repetido, roda automações agendadas, e se conecta a ferramentas via MCP — incluindo plataformas de mensagens como Telegram, Discord, Slack, WhatsApp e e-mail.
O fluxo que Nguyen descreve tem seis etapas: coletar vídeos vencedores de StudyTok no TikTok/Reels/Shorts, extrair cada um como um template de prompt reutilizável (não uma cópia pontual), gerar dezenas de variações mudando matéria, persona e gancho, enfileirar os prompts mais fortes no Super Computer, escrever vários ângulos de legenda/CTA por vídeo, e então devolver ao sistema os dados de desempenho — views, salvamentos, instalações, conversão em teste, divisão por país — para que ele aprenda quais ganchos, matérias e ângulos realmente convertem, não só quais geram views.
O gargalo que ele mesmo nomeia — e não é a qualidade do vídeo
No meio do texto, Nguyen é direto sobre qual é o verdadeiro limite do sistema: no momento em que você começa a rodar várias contas StudyTok ao mesmo tempo, o caos operacional — não a qualidade do vídeo — vira o maior gargalo. A solução que ele propõe é uma fila de produção que registra, por vídeo, o prompt, o app promovido, a persona-alvo, a legenda, as hashtags, o idioma, em qual conta vai ser publicado, e um status (ideia → gerado → editado → postado → vencedor/perdedor). Isso não é um problema de geração. É um problema de distribuição e operação — e é exatamente a camada para a qual a API e o servidor MCP do PosteAhora foram construídos, pensados para rodar por baixo de um agente como o Hermes.
Onde o PosteAhora reforça exatamente esse fluxo
Para ser preciso sobre o que isso é e o que não é: o PosteAhora não construiu o sistema de Nguyen, e usá-lo não exige o Hermes Agent nem a Higgsfield especificamente — a mesma mecânica se aplica a qualquer agente que produza múltiplas variações de conteúdo para múltiplas contas. O que a API pública e o servidor MCP do PosteAhora dão a um agente é exatamente a camada de fila-de-produção-e-distribuição que Nguyen descreve querer ter, sem que ninguém precise construí-la na mão:
- Uma fila com status, antes de qualquer coisa virar post de verdade. O backlog de Ideias do PosteAhora (
create_idea/list_ideas/update_idea) é um quadro kanban onde um agente pode largar cada variação — legenda, mídia e tags livres (matéria, persona, tipo de gancho, conta-alvo, idioma) — e movê-la entre colunas conforme é gerada, revisada e aprovada, antes de virar um post no ar. É a mesma progressão "ideia → gerado → editado" que Nguyen descreve querer rastrear na mão. - Uma chamada, várias contas. Assim que uma variação está pronta,
create_post(ouschedule_postpara uma data futura) recebe um arrayaccountMappings— uma entrada por conta conectada, cada uma com seuplatformeaccountId— de modo que uma única chamada do agente pode distribuir o mesmo vídeo por todas as contas estilo StudyTok que ele administra, complatformCaptionssobrescrevendo a legenda por conta quando a persona ou o idioma mudam. É o "caos" que Nguyen nomeia, resolvido como uma chamada estruturada em vez de N uploads manuais. - Rascunho por padrão. Tanto
create_postquantoschedule_postcomeçam por padrão emstatus: "draft"— o agente faz a geração, a legenda e a segmentação de contas; uma pessoa ainda revisa antes de qualquer coisa ir ao ar, a mesma válvula de segurança que vale a pena embutir em qualquer pipeline capaz de postar "100 variações" sem supervisão. - O loop de feedback, automatizado. O passo 6 de Nguyen — devolver ao sistema views, salvamentos, instalações e dados por país — é exatamente o que a ferramenta
get_analyticsdo PosteAhora retorna: views, curtidas, comentários, compartilhamentos, alcance, salvamentos e interações, agregados e detalhados por plataforma, sincronizados a cada hora a partir de cada conta conectada. Como isso é exposto via MCP, é uma ferramenta que o Hermes Agent (que Nguyen já descreve se conectando a ferramentas via MCP) pode chamar diretamente — transformando o trabalho manual semanal de puxar números e reportar resultados numa skill agendada que o próprio agente executa.
Nada disso substitui o raciocínio real do Hermes sobre quais ganchos e personas estão funcionando — isso continua sendo trabalho do agente. O que isso elimina é o trabalho de integração sob medida para conectar esse raciocínio a cada conta social em que ele precisa publicar e de onde precisa puxar números.
O que vale a pena copiar mesmo sem usar esse stack exato
Trate um vídeo vencedor como um template, não como algo pontual — a alavancagem está nas cem variações, não no único hit. Rastreie um status por peça de conteúdo, não só uma pasta de arquivos, no momento em que você gerencia mais de uma conta. Deixe o conteúdo novo por padrão num estado de revisão antes de ir ao ar, principalmente quando um agente já produz dezenas de variações por semana. E feche o loop: gerar sem um caminho de feedback vindo do desempenho real é só volume de conteúdo, não um sistema que melhora.
Fontes
- Artigo original: Alex Nguyen (@alexcooldev), "How to Build an AI UGC/Brainrot System That Can Generate 100M+ Views with Hermes Agent" — declarado como parceria paga com a Higgsfield.
- Hermes Agent — agente de IA open-source e autoaperfeiçoável da Nous Research.
- Higgsfield — plataforma de geração de vídeo com IA, incluindo o recurso Super Computer citado acima.
Já tem um agente de IA gerando variações de conteúdo em escala? Conecte suas contas no PosteAhora e deixe o mesmo agente que gera seus vídeos enfileirar, distribuir e rastrear cada um em todos os canais onde publica.
