🔬 ALETHEIA — Pesquisa de Mercado
App que escaneia rótulos de alimentos e usa IA para traduzir ingredientes em linguagem simples
Última atualização: 10/02/2026
Sumário Executivo
O Aletheia ataca uma dor real e crescente: o brasileiro não entende o que come. Com 67% da população acima do peso, regulamentação ANVISA recém-implementada e zero concorrentes locais com IA generativa, existe uma janela de oportunidade clara para um app que democratize a leitura de rótulos alimentícios no Brasil.
TAM Brasil: ~R$ 2,5 bilhões (saúde digital/nutrição) · SAM: ~R$ 400M (apps de nutrição) · SOM ano 1: R$ 2-5M
1. Tamanho do Mercado
1.1 Mercado Global
| Métrica |
Valor |
Fonte |
| Mercado global de mHealth apps (2024) |
USD 37,5 bilhões |
Grand View Research |
| Projeção 2030 |
USD 86,4 bilhões |
Grand View Research |
| CAGR 2025-2030 |
14,8% |
Grand View Research |
| Mercado de nutrition apps global (2024) |
USD 9,2 bilhões |
Mordor Intelligence |
| Mercado de food scanning apps (nicho) |
USD 800M–1,2B (estimativa) |
Análise própria |
1.2 Mercado Brasil
| Métrica |
Valor |
Fonte |
| Saúde digital Brasil (2024) |
USD 2,7 bilhões |
Statista |
| Smartphones ativos no Brasil |
~260 milhões |
FGV (2024) |
| Penetração de internet |
84% da população |
IBGE/Pnad 2023 |
| Downloads de apps de saúde/fitness (BR, 2023) |
~180 milhões |
App Annie |
| Mercado de alimentos saudáveis (BR) |
R$ 116 bilhões (2024) |
Euromonitor |
1.3 Comportamento do Consumidor Brasileiro
- Apenas 31% dos brasileiros leem rótulos regularmente (pesquisa IDEC/Datafolha, 2022)
- Dos que leem, 47% dizem não entender as informações (IDEC, 2022)
- 73% dos brasileiros gostariam de entender melhor o que comem (pesquisa Nestlé/IBOPE, 2021)
- O brasileiro médio consome ~20% das calorias diárias de ultraprocessados (NUPENS/USP, POF 2017-2018)
- Em crianças e adolescentes esse número sobe para ~27% (estudo The Lancet Regional Health, 2023)
- O consumo de ultraprocessados cresceu 5,5% entre 2008 e 2018 no Brasil (IBGE/POF)
1.4 Público-Alvo Primário
| Segmento |
Tamanho estimado |
Disposição a pagar |
| Mães com filhos 0-12 anos |
~25M mulheres |
Alta (R$ 10-20/mês) |
| Fitness/wellness enthusiasts |
~30M pessoas |
Média-alta |
| Pessoas com alergias/intolerâncias |
~10M |
Muito alta |
| Diabéticos e pré-diabéticos |
~20M |
Alta |
| Gen Z health-conscious (18-28) |
~35M |
Média (mas alto potencial viral) |
2. A Dor
2.1 Rótulos São Intencionalmente Confusos
A indústria alimentícia usa nomenclatura técnica como barreira informacional:
| O que o rótulo diz |
O que realmente é |
| Maltodextrina |
Açúcar de absorção rápida |
| Xarope de glucose |
Açúcar líquido do milho |
| Proteína hidrolisada de soja |
Glutamato/realçador de sabor |
| Gordura vegetal hidrogenada |
Gordura trans disfarçada |
| Extrato de levedura |
Glutamato monossódico natural |
| Amido modificado |
Carboidrato ultraprocessado |
| "Sem adição de açúcares" |
Pode ter adoçantes artificiais |
2.2 Healthy Washing — A Enganação Sistêmica
- Produtos "integrais" que têm farinha branca como primeiro ingrediente
- "Zero gordura" mas com 30g de açúcar por porção
- "Natural" sem definição regulatória no Brasil
- "Fonte de fibras" com 2,5g de fibra e 15g de açúcar
- Pesquisa PROTESTE (2023): 62% dos produtos com claims de saúde não cumprem integralmente o que prometem na embalagem frontal
2.3 Impacto na Saúde Pública
| Indicador |
Dado |
Fonte |
| Brasileiros com sobrepeso/obesidade |
67,5% dos adultos |
Vigitel/MS 2023 |
| Diabéticos no Brasil |
~16,8 milhões (6º país do mundo) |
IDF Atlas 2024 |
| Hipertensos |
~38,1 milhões |
SBC 2023 |
| Custo da obesidade ao SUS (anual) |
R$ 3,6 bilhões diretos |
MS 2023 |
| Mortes/ano por doenças crônicas ligadas à dieta (BR) |
~300.000 |
OMS/OPAS |
| Alérgicos alimentares (BR) |
~10% da população (~20M) |
ASBAI 2023 |
2.4 Nova Regulamentação ANVISA — A Lupa Frontal
- RDC 429/2020: obriga rótulo frontal com lupa para alto teor de açúcar, gordura saturada e sódio
- Prazo final de adequação: outubro de 2025 (já implementado)
- A lupa indica que é alto, mas não traduz o impacto nem compara alternativas
- Oportunidade: o Aletheia complementa a lupa com contexto e inteligência → "sim, tem a lupa de alto açúcar, e isso equivale a X colheres de açúcar por porção"
3. Concorrência
3.1 Mapa Competitivo Global
| App |
País |
Users |
Modelo |
Scan com IA? |
Brasil? |
| Yuka |
🇫🇷 França |
60M+ downloads |
Freemium (€15/ano) |
Não (score algorítmico) |
Funciona, mas sem base local |
| Open Food Facts |
🌍 Global |
3M+ usuários/mês |
Gratuito/open source |
Não |
Base BR fraca (~50k produtos) |
| MyFitnessPal |
🇺🇸 EUA |
200M+ downloads |
Freemium ($20/mês) |
Não |
Foco em calorias, não ingredientes |
| FatSecret |
🇦🇺 Austrália |
50M+ |
Freemium |
Não |
Popular no BR, mas só nutricional |
| Foodvisor |
🇫🇷 França |
5M+ |
Freemium |
Sim (foto→calorias) |
Não |
| Nima |
🇺🇸 EUA |
Hardware |
Dispositivo ($289) |
N/A |
Não |
3.2 O Que Falta no Brasil
- Nenhum app traduz ingredientes em linguagem simples com IA generativa
- Nenhum tem base de dados robusta de produtos brasileiros (Yuka/OFF são eurocêntricos)
- Nenhum contextualiza a regulamentação ANVISA (lupa frontal)
- Nenhum oferece comparação com alternativas no mercado local
- Nenhum tem UX pensada para o consumidor brasileiro (português nativo, contexto cultural)
3.3 Por Que Outros Falharam/Não Escalaram no Brasil
- Deseat (BR, 2019): app brasileiro de scan de rótulos. Morreu por falta de funding e base de dados pobre
- Ingred (BR, 2020): foco em alérgenos. Pivot para B2B, nunca escalou consumer
- Problema recorrente: construir base de dados própria é caro. Solução Aletheia: Open Food Facts + crowdsourcing + IA para preencher gaps
- Yuka no Brasil: funciona mas a cobertura de produtos brasileiros é ~15-20%. Sem tradução cultural dos ingredientes.
3.4 Moat / Vantagem Competitiva do Aletheia
| Vantagem |
Defensibilidade |
| IA generativa (GPT-4o-mini) para tradução de ingredientes |
Média (replicável, mas first-mover advantage) |
| Base de dados brasileira construída via crowdsource |
Alta (network effect) |
| Score proprietário (Aletheia Score 0-100) |
Média |
| Conteúdo viral nativo (formato TikTok) |
Alta (brand building) |
| Parcerias B2B com marcas ("selo Aletheia") |
Alta (lock-in) |
| Dados de consumo agregados (insights para indústria) |
Muito alta |
4. Regulação
4.1 ANVISA — Rotulagem
| Norma |
Status |
Impacto no Aletheia |
| RDC 429/2020 (rotulagem nutricional) |
✅ Vigente (out/2025) |
Positivo — cria awareness |
| IN 75/2020 (lupa frontal) |
✅ Vigente |
Positivo — Aletheia complementa |
| Tabela nutricional obrigatória |
✅ Vigente |
Positivo — dados estruturados |
| Declaração de alérgenos (RDC 26/2015) |
✅ Vigente |
Positivo — feature de alertas |
Risco regulatório: BAIXO. O Aletheia não é dispositivo médico, não prescreve dietas, não faz diagnóstico. É uma ferramenta de informação ao consumidor, protegida pelo CDC (Código de Defesa do Consumidor, Art. 6°, III — direito à informação).
4.2 LGPD
| Dado coletado |
Classificação LGPD |
Base legal |
| Email/nome |
Dado pessoal |
Consentimento |
| Histórico de scans |
Dado pessoal |
Consentimento / Legítimo interesse |
| Preferências alimentares |
Dado pessoal (NÃO sensível) |
Consentimento |
| Alergias informadas pelo usuário |
Dado de saúde (sensível) ⚠️ |
Consentimento explícito |
Estratégia LGPD:
- Alergias = opt-in explícito com consentimento específico (Art. 11, I)
- Dados anonimizados para analytics B2B (Art. 12 — dados anonimizados não são dados pessoais)
- Privacy by design: coletar o mínimo necessário
- Não armazenar dados de saúde sensíveis no MVP — user declara alergias localmente no device
4.3 Livre para Operar?
✅ SIM. Não há barreira regulatória significativa. O app:
- Não é dispositivo médico (ANVISA Classe I/II)
- Não prescreve tratamento
- Não é profissional de saúde regulado
- Informação nutricional é pública (está no rótulo)
- Disclaimer claro: "informações educativas, não substitui orientação profissional"
5. Modelo de Negócio
5.1 Revenue Streams
5.2 Projeção Financeira (Cenário Conservador)
| Métrica |
Mês 6 |
Mês 12 |
Mês 24 |
| Downloads acumulados |
100K |
500K |
2M |
| MAU (Monthly Active Users) |
40K |
180K |
600K |
| Conversão Pro |
3% |
4% |
5% |
| Assinantes pagantes |
1.200 |
7.200 |
30.000 |
| MRR (B2C) |
R$ 11.880 |
R$ 71.280 |
R$ 297.000 |
| Revenue B2B |
R$ 0 |
R$ 15.000/mês |
R$ 80.000/mês |
| Afiliados |
R$ 0 |
R$ 5.000/mês |
R$ 30.000/mês |
| MRR Total |
R$ 11.880 |
R$ 91.280 |
R$ 407.000 |
5.3 Unit Economics
| Métrica |
Valor |
| CAC (orgânico/viral) |
R$ 2-5 |
| CAC (pago — Instagram/TikTok) |
R$ 8-15 |
| LTV assinante mensal (churn 8%) |
R$ 124 |
| LTV assinante anual (churn 25%/ano) |
R$ 240 |
| LTV/CAC (orgânico) |
25-60x |
| LTV/CAC (pago) |
8-16x |
| Custo por scan (API GPT-4o-mini) |
R$ 0,01-0,03 |
| Custo infra/user/mês |
R$ 0,15-0,30 |
5.4 Selo "ALETHEIA Approved"
Modelo inspirado no Yuka B2B (que gera ~30% da receita):
- Marcas pagam R$ 5.000-50.000/ano por categoria para exibir selo
- Critérios transparentes e públicos (não é pay-to-play)
- Auditoria com base no Aletheia Score ≥ 75
- Cuidado legal: o selo não pode ser enganoso (CDC). Critérios devem ser claros e auditáveis.
6. MVP Scope
6.1 Funcionalidades do MVP
6.2 Stack Técnica
| Camada |
Tecnologia |
Justificativa |
| Frontend |
React Native (Expo) |
Cross-platform, community, hot reload |
| Alternativa |
PWA (Next.js) |
Menor custo, sem app store, mas UX de câmera limitada |
| Scan |
react-native-camera + ML Kit Barcode |
Nativo, rápido |
| Base de produtos |
Open Food Facts API |
Gratuita, 3M+ produtos, ~50K BR |
| IA/Análise |
GPT-4o-mini via API |
Custo baixo (~$0.15/1M tokens), qualidade boa |
| Backend |
Supabase (PostgreSQL + Auth + Edge Functions) |
Rápido para MVP, escala bem |
| Cache |
Redis (Upstash) |
Cache de análises recorrentes (mesmo produto) |
| Infra |
Vercel + Supabase |
Zero DevOps no início |
6.3 Decisão: React Native vs PWA
| Critério |
React Native |
PWA |
| UX de câmera |
⭐⭐⭐⭐⭐ |
⭐⭐⭐ |
| Distribuição (App Store/Play Store) |
⭐⭐⭐⭐ |
⭐⭐⭐⭐⭐ (link direto) |
| Custo de desenvolvimento |
⭐⭐⭐ |
⭐⭐⭐⭐⭐ |
| Push notifications |
⭐⭐⭐⭐⭐ |
⭐⭐⭐ |
| Confiança do usuário |
⭐⭐⭐⭐⭐ (app "de verdade") |
⭐⭐⭐ |
| Velocidade do scan |
⭐⭐⭐⭐⭐ |
⭐⭐⭐ |
Recomendação: React Native (Expo) — a experiência de câmera é crítica para o core do produto. PWA como fallback para web.
6.4 Fluxo do Usuário (MVP)
6.5 Custo Estimado do MVP
| Item |
Custo mensal |
| Supabase (Pro) |
R$ 125/mês |
| OpenAI API (GPT-4o-mini, 100K scans/mês) |
R$ 150-500/mês |
| Vercel (Pro) |
R$ 100/mês |
| Redis (Upstash) |
R$ 0-50/mês |
| Apple Developer Account |
R$ 500/ano |
| Google Play Console |
R$ 125 (one-time) |
| Total infraestrutura MVP |
~R$ 500-800/mês |
| Desenvolvimento (1 dev full-time, 3 meses) |
R$ 30-45K total |
7. Potencial Viral
7.1 O Formato Killer: "Escaneei e Descobri Que..."
O Aletheia tem viralidade nativa porque o formato de revelação é perfeito para short-form video:
Referências de viralidade:
- Yuka: hashtag #yuka tem 2,7 bilhões de views no TikTok (dados 2024)
- Formato "watch me scan" gera 5-15% de engagement rate (vs 1-3% média)
- "Revelação chocante" é o #1 driver de compartilhamento no TikTok (Source: Later, 2024)
7.2 Estratégia de Distribuição Orgânica
| Canal |
Tática |
Custo |
Potencial |
| TikTok/Reels |
Criadores escaneiam produtos populares |
R$ 0-2K/mês (seeding) |
🔥🔥🔥🔥🔥 |
| Instagram Stories |
Card compartilhável nativo do app |
R$ 0 |
🔥🔥🔥🔥 |
| WhatsApp |
"Olha o que descobri sobre esse produto" (deep link) |
R$ 0 |
🔥🔥🔥🔥🔥 |
| Twitter/X |
Threads: "Escaneei 10 produtos 'saudáveis'" |
R$ 0 |
🔥🔥🔥 |
| YouTube |
Nutricionistas usando o app em vídeos |
R$ 0-5K/mês |
🔥🔥🔥🔥 |
| Moms groups (Facebook) |
Mães compartilhando descobertas |
R$ 0 |
🔥🔥🔥🔥🔥 |
7.3 Coeficiente Viral Esperado
- K-factor estimado: 1,2-1,8 (cada usuário traz 1,2-1,8 novos)
- Comparação: Yuka teve K-factor de ~1,5 nos primeiros 2 anos (fonte: Julie Chapon, co-founder, entrevista Sifted 2022)
- Chave: o card de compartilhamento precisa ser bonito, informativo e ter call-to-action claro
7.4 Parcerias com Influenciadores
| Tipo |
Exemplos |
Seguidores |
Custo |
| Nutricionistas |
@dramairasoliani, @dr.barakat |
1-10M |
R$ 5-30K/post |
| Fitness |
@gracyannebarbosa, @paulo.muzy |
5-20M |
R$ 10-50K/post |
| Mães |
@faborges, @tfrancini |
1-5M |
R$ 3-15K/post |
| Micro-influencers (meta) |
Nutricionistas locais |
10-100K |
R$ 200-2K/post ou permuta |
Recomendação: Começar com 50-100 micro-influencers (nutricionistas e mães) com permuta (acesso Pro gratuito vitalício) antes de investir em grandes nomes.
8. Riscos e Mitigações
8.1 Matriz de Riscos
| Risco |
Probabilidade |
Impacto |
Mitigação |
| Base de dados fraca no BR |
Alta |
Alto |
Crowdsourcing + OCR de rótulos + parcerias com ANVISA Open Data |
| IA dá informação incorreta (alucinação) |
Média |
Muito Alto |
Prompt engineering rigoroso + validação humana dos top 500 produtos + disclaimer legal |
| Processo judicial de marca |
Média |
Alto |
Score baseado em critérios objetivos (NOVA, Nutri-Score adaptado) + seguro jurídico + parecer preventivo |
| Big tech copia (Google Lens, Apple) |
Média |
Alto |
Construir comunidade e brand antes. Especialização > generalização |
| Yuka entra forte no Brasil |
Baixa-Média |
Alto |
IA generativa é diferencial. Foco em UX brasileira e base local |
| Churn alto (app de uso esporádico) |
Alta |
Médio |
Gamificação, histórico, insights semanais, push inteligente |
| Custo de API OpenAI escala |
Média |
Médio |
Cache agressivo (mesmo produto = mesma análise), modelos locais como fallback |
| Rejeição App Store |
Baixa |
Alto |
Seguir guidelines rigorosamente, ter disclaimer claro |
| LGPD violation |
Baixa |
Muito Alto |
Privacy by design, DPO desde o início, consentimento granular |
| Dependência de Open Food Facts |
Média |
Médio |
Base própria em paralelo, partnership formal com OFF |
8.2 Riscos Jurídicos Específicos
Risco: Marca processa por "difamação" ao receber score baixo
- Mitigação: Score baseado em critérios científicos públicos (classificação NOVA da USP/NUPENS, guidelines OMS)
- Precedente: Yuka venceu processo da Lactalis na França (2021) — tribunal reconheceu direito à informação do consumidor
- Ação: contratar parecer jurídico preventivo antes do lançamento (~R$ 5-10K)
Risco: Responsabilidade por informação incorreta
- Mitigação: Disclaimer claro em todo scan: "Informação educativa. Consulte um profissional de saúde"
- Seguro de responsabilidade civil profissional (~R$ 3-5K/ano)
8.3 Riscos Técnicos
| Risco |
Mitigação |
| Latência da API OpenAI (>3s) |
Cache Redis, pre-compute top 10K produtos, fallback para análise local |
| Barcode não reconhecido |
Fallback para busca por texto/nome do produto |
| OFF API down |
Cache local dos últimos 50K produtos consultados |
| GPT-4o-mini descontinuado |
Abstração de provider, fallback para Claude Haiku ou Llama local |
9. Cronograma Sugerido
10. Referências e Fontes
- Grand View Research — mHealth Apps Market Report, 2024
- IBGE/POF 2017-2018 — Pesquisa de Orçamentos Familiares
- NUPENS/USP — Estudos sobre ultraprocessados no Brasil
- IDEC/Datafolha — Pesquisa de rotulagem, 2022
- Vigitel/Ministério da Saúde — Vigilância de Fatores de Risco, 2023
- IDF Diabetes Atlas, 10ª edição, 2024
- ANVISA — RDC 429/2020 e IN 75/2020
- Yuka — Dados públicos e entrevistas dos fundadores
- Open Food Facts — Estatísticas da base de dados
- Euromonitor — Health & Wellness in Brazil, 2024
- The Lancet Regional Health Americas — Consumo de ultraprocessados em crianças brasileiras, 2023
TL;DR — Por Que o Aletheia Vai Funcionar
- Timing perfeito: regulamentação ANVISA recém-chegou, awareness está no pico
- Dor real: 67% do Brasil está acima do peso e não entende o que come
- Zero concorrência local com IA: o mercado está aberto
- Viralidade nativa: formato "escaneei e descobri" é feito para TikTok
- Unit economics fortes: CAC orgânico de R$ 2-5, LTV de R$ 124+
- MVP barato: R$ 30-45K para lançar, R$ 500-800/mês de infra
- Moat crescente: base de dados brasileira + comunidade + dados B2B
- Regulação favorável: livre para operar, CDC protege direito à informação
"Aletheia" (ἀλήθεια) = verdade em grego. O app que revela a verdade sobre o que você come.
bigtux
20a26affaa