Preflight de formulário de beleza e wellness com Claude Code: consentimento e contraindicações

O formulário de primeira visita marca “pele sensível”, “gestante” ou “usa medicação”, mas a exportação CSV coloca tudo em uma coluna genérica de observações. A reserva já foi aceita, a pessoa chega ao espaço e só então a equipe percebe uma condição que exige pausar, mudar o serviço, explicar cancelamento ou remarcar. Em salões de beleza, espaços de wellness, massagem e studios de treino, esse pequeno erro de entrada costuma ser mais urgente do que uma nova landing page.

Alongar o formulário não resolve sozinho. Perguntas demais aumentam abandono, e coletar dados sem responsável de revisão cria outro problema. A meta prática é separar, antes de qualquer revisão com IA, os campos de reserva, consentimento, categorias de contraindicação e detalhes que só a equipe deve ver. Aqui, contraindicação é uma condição de saúde, medicação, gravidez, pele ou idade que pode alterar a decisão de prestar o serviço.

Este artigo monta um preflight local de formulário de beleza e wellness com Claude Code. O escopo do título é uma revisão antes do envio e um contrato local, não uma integração ao vivo. Não há conexão com serviço de formulário, agenda, base de clientes nem envio de email. As fontes oficiais verificadas incluem permissões do Claude Code, configurações e sandbox, recursos japoneses da PPC sobre informações pessoais, orientação sanitária japonesa para estabelecimentos de beleza e aviso da agência japonesa do consumidor sobre medicina estética. Isto não é aconselhamento jurídico, médico ou operacional individual.

Pontos-Chave

• Separe o formulário entre campos de reserva, campos de revisão da equipe e campos que nunca entram no CSV de trabalho da IA.
• Claude Code lê apenas dados fictícios ou CSV anonimizado para checar consentimento, contraindicações, flags e mensagens.
• Pessoas decidem elegibilidade do serviço, saúde, texto de consentimento, dados pessoais, menores, reembolso e cancelamento.
• Os três Use case são inventário de campos, preflight do CSV e rascunho de confirmação para a equipe.
• O CTA principal é único: templates de produto para reutilizar o padrão.

Workflow: separar o formulário antes da IA

Comece separando pastas e tabelas. intake-raw/ guarda originais: nome, telefone, email, notas livres sobre pele ou corpo, medicação, gravidez, consentimento de menor, permissão de foto e contexto de pagamento. intake-ai-work/ guarda a cópia de trabalho para IA: ID fictício, serviço desejado, objetivo da visita, status de consentimento, categoria de contraindicação e necessidade de revisão humana. intake-approved/ guarda checklist e mensagem aprovadas.

Material	Cópia para IA	Apenas equipe
Formulário de reserva	Serviço, objetivo, primeira visita ou retorno	Nome, telefone, email, endereço
Perguntas prévias	Categoria de contraindicação e atenção	Diagnóstico, medicação, detalhes de saúde
Consentimento	Presença, data, obrigatório/opcional	Texto jurídico e operacional final
Exportação CSV	Colunas, vazios, flag de revisão	Dados identificáveis e texto livre bruto
Checklist	Revisor, condição de pausa, momento	Elegibilidade, troca de serviço, reembolso

flowchart TD
  A[intake-raw originais] --> B[Classificar colunas]
  B --> C[Anonimizar para CSV da IA]
  C --> D[Node.js preflight]
  D --> E[Claude Code encontra lacunas]
  E --> F[Revisão da equipe]
  F --> G[intake-approved checklist]

O hábito central é não pedir que Claude Code leia tudo e decida. Reduza as colunas antes. Notas livres muitas vezes trazem nomes, detalhes de saúde ou contexto familiar; no arquivo de IA, prefira sensitive_note_present: true. Quando houver julgamento, a equipe abre o original separadamente.

O que Claude Code faz e o que pessoas decidem

Claude Code cuida de campos ausentes, nomes de colunas arriscados, consentimento faltante, flags de revisão ausentes e rascunhos para equipe ou cliente. Serve para perguntas como “o formulário da primeira experiência tem permissão de foto e consentimento de cancelamento?” ou “toda linha com contraindicação tem staff_review?”.

Pessoas decidem se o serviço deve seguir, qual menu muda, como tratar saúde ou medicação, consentimento de menor, reembolso, cancelamento, linguagem publicitária e dados pessoais. Uma saída de Claude Code dizendo “sem lacuna óbvia” não é aprovação de serviço. Em beleza e wellness, linguagem tranquilizadora pode virar promessa absoluta; a aprovação final continua humana.

A documentação oficial de permissões do Claude Code explica que regras são avaliadas na ordem deny, ask e allow. A página de configurações descreve sandbox como limite para comandos Bash e processos filhos em arquivos e rede. Para originais de intake, negue Read(/intake-raw/**) e permita apenas intake-ai-work/. Isso reduz a entrada, mas não prova segurança de privacidade.

Para contexto, veja o guia de permissões do Claude Code e o fluxo de menu de salão de beleza. Formulário e menu falham em lugares diferentes, então devem ser revisados separadamente.

Três Use Case

Use case 1: inventariar campos da primeira visita

Entrada: lista de campos, obrigatório/opcional, serviço desejado, texto de consentimento, permissão de foto, condições de cancelamento e perguntas que exigem revisão.

Saída: campos de reserva, campos de revisão, campos excluídos da IA, explicação curta para primeira visita e aviso pós-envio.

Revisão humana: elegibilidade do serviço, contraindicação, consentimento de menor, fotos, cancelamento/reembolso e texto final.

O inventário começa decidindo o que remover. Se o formulário só precisa reservar um horário, perguntas de saúde profundas podem ir para uma confirmação posterior. Se uma condição sempre precisa ser vista antes do serviço, ela precisa virar flag antes da chegada.

Use case 2: revisar campos perigosos no CSV

Entrada: colunas do CSV anonimizado, linhas de exemplo, colunas obrigatórias, flag de revisão e regras antes do envio.

Saída: colunas permitidas, colunas bloqueadas, alertas de vazio, linhas que exigem staff_review e campos originais para a equipe.

Revisão humana: nome, telefone, email, endereço, texto livre bruto, medicação, diagnóstico, gravidez, menor, consentimento e fotos.

Exportações CSV escondem falhas melhor que telas de formulário. Um rótulo limpo pode virar uma única coluna note. Antes de Claude Code ler, uma checagem local deve barrar nomes e valores simples de risco.

Use case 3: criar rascunho de confirmação para a equipe

Entrada: ID fictício, serviço desejado, categoria de revisão, faixa de horário, responsável, prazo de resposta e canal normal de contato.

Saída: email interno, mensagem pré-visita, checklist de revisão e informações que não devem ser enviadas.

Revisão humana: destinatário, nome real, dados reais de saúde, decisão de serviço, cancelamento, reembolso e aprovação do responsável.

Não peça à IA para preencher dados pessoais reais. Use “cliente A” ou “reserva B-001” e deixe a equipe conferir o original antes de enviar. O tom ajuda, mas a responsabilidade de decisão fica com o espaço.

Prompt para copiar

Use este prompt apenas depois de criar intake-ai-work/intake-redacted.csv. Não inclua formulários originais, fichas, fotos ou dados de pagamento.

Act as a beauty and wellness first-visit intake form reviewer.
Read only ./intake-ai-work/intake-redacted.csv and output in this order:

1. Columns that may be used by AI and columns that must be stopped
2. Missing consent, photo permission, and cancellation fields
3. Whether rows with contraindication categories have staff_review
4. Fields staff must check in the original record
5. Draft pre-visit confirmation message to the guest
6. Pre-publication checklist

Constraints:
- Do not decide service eligibility, medical issues, or refunds
- Do not infer name, phone, email, address, diagnosis, medication, pregnancy week, or raw free-text notes
- Do not touch intake-raw, customer databases, booking systems, email sending, or external networks
- If you detect personal-data-like values, stop and report only the field name
- End with: "Not sendable before staff review"

Código executável de checagem

Se introduzir este helper, salve em tools/check-beauty-intake-preflight.mjs. Este artigo não cria o arquivo no repositório. Abaixo está o conteúdo completo, usando apenas fixtures locais fictícios.

const files = [
  {
    path: "intake-ai-work/intake-redacted.csv",
    text: "intake_id,menu,consent,contraindication_category,staff_review\nB-001,trial_facial,true,sensitive_skin,true"
  },
  {
    path: "intake-ai-work/bad.csv",
    text: "name,email,medication_note\nAiko,[email protected],blood pressure medicine"
  }
];

const blockedFields = [
  "name",
  "email",
  "phone",
  "address",
  "birthdate",
  "medication",
  "diagnosis",
  "pregnancy_week",
  "free_note"
];

const valuePatterns = [
  /[\w.+-]+@[\w.-]+\.[A-Za-z]{2,}/,
  /\b\d{2,4}-\d{2,4}-\d{3,4}\b/,
  /\b(?:medicine|diagnosis|pregnant|allergy)\b/i
];

const findings = [];

for (const file of files) {
  const lowerText = file.text.toLowerCase();
  for (const field of blockedFields) {
    if (lowerText.includes(field)) {
      findings.push({ path: file.path, type: "blocked field", field });
    }
  }
  for (const pattern of valuePatterns) {
    if (pattern.test(file.text)) {
      findings.push({ path: file.path, type: "blocked value", pattern: String(pattern) });
    }
  }
}

console.table(findings);
if (findings.length > 0) {
  process.exitCode = 1;
}

Esse código prova apenas que fixtures fixos detectam nomes de campos e valores simples de risco. Não prova PDF, imagem, manuscrito, reidentificação por colunas, integração real de formulário nem comportamento do sistema de reservas.

{
  "permissions": {
    "deny": [
      "Read(/intake-raw/**)",
      "Edit(/intake-raw/**)",
      "Read(/customer-records/**)",
      "Edit(/customer-records/**)",
      "Bash(git push *)"
    ],
    "allow": [
      "Read(/intake-ai-work/**)",
      "Edit(/intake-ai-work/**)",
      "Bash(node tools/check-beauty-intake-preflight.mjs *)"
    ]
  },
  "sandbox": {
    "enabled": true,
    "failIfUnavailable": true,
    "allowUnsandboxedCommands": false,
    "filesystem": {
      "denyRead": ["./intake-raw", "./customer-records"],
      "denyWrite": ["./intake-raw", "./customer-records"]
    }
  }
}

Pitfall: causas comuns e correções

Primeira causa: consentimento como uma caixinha no final. A pessoa não sabe exatamente o que aceitou, e a equipe não acompanha versão do texto. Corrija separando foto, cancelamento, saúde e contato, exportando versão ou data do consentimento.

Segunda causa: contraindicações apenas em texto livre. Parece flexível, mas é difícil de buscar e arriscado para IA. Corrija com categorias e staff_review, mantendo detalhes no original.

Terceira causa: achar que Read deny basta. Bash, processos filhos e helpers locais podem abrir outro caminho para originais. Combine deny do Claude Code, denyRead e denyWrite do sandbox, operação por pastas e testes de rejeição com dados fictícios.

Quarta causa: testar o validador com CSV real. Histórico do terminal e logs podem guardar valores. Crie amostras permitidas e bloqueadas com IDs fictícios e não imprima valores pessoais em produção.

Medição pequena de ROI

Nas duas primeiras semanas, meça apenas o formulário de primeira experiência. Antes da mudança, registre ligações de confirmação após reserva, mudanças de menu no mesmo dia, casos parados por explicação de consentimento e vezes em que a equipe reabriu o original. Depois, registre os mesmos números e acrescente linhas paradas pelo preflight.

O cálculo pode ser simples: casos × (minutos de confirmação + minutos de retrabalho) ao lado de paradas de preflight. Se reservas sobem mas mudanças no mesmo dia também sobem, o formulário não alinhou expectativa. Se confirmações prévias aumentam e cancelamentos no dia caem, o fluxo pode estar ajudando. Não invente resultados; compare os mesmos campos no mesmo período.

Perguntas Frequentes

Q. É mais seguro remover todas as perguntas de saúde ou medicação?

Não. Remover verificações necessárias pode aumentar risco operacional. A meta é reduzir o que a IA vê e preservar campos que a equipe precisa revisar.

Q. Permissões do Claude Code bastam para dados pessoais?

Não trate como suficiente sozinho. Permissões criam limites de ferramenta. Some sandbox, separação de pastas, logs sem valores e revisão humana.

Q. Claude Code pode revisar promessas próximas de medicina estética?

Pode criar alertas e notas de revisão, mas publicidade médica e revisão legal estão fora do escopo. Uma pessoa deve conferir qualquer promessa de efeito com fontes primárias e regras do espaço.

Q. Por qual formulário começar?

Comece onde primeira experiência, fotos, cancelamento e saúde estão misturados. O formulário com mais dúvidas no mesmo dia costuma ser melhor alvo inicial que o de maior tráfego.

Templates de Produto

Este preflight pode começar como exercício pequeno para iniciantes. Crie um CSV fictício, confirme que colunas de risco param o processo, que falta de staff_review aparece e que a saída diz que não pode ser enviada antes de revisão.

Para reutilizar o padrão em menus, FAQ, respostas e checks de publicação, use os templates de produto como próximo passo único. O workflow de menu de salão cobre preço e duração; o guia de permissões cobre controle de acesso.

O Que Foi Testado

Neste artigo confirmei que /images/hero/hero-024.webp existe em site/public/images/hero/hero-024.webp. Também verifiquei a página oficial de permissões do Claude Code, a página de settings e sandbox, a página japonesa PPC sobre informações pessoais, orientação sanitária MHLW e a página de aviso da agência de consumidores.

O bloco JavaScript representa intake-ai-work/intake-redacted.csv e intake-ai-work/bad.csv fictícios como arrays em memória. Ele mostra apenas uma fronteira local de fixture para nomes de campos e valores simples. Não foi executado runtime test com serviço de formulário, sistema de reservas, base de clientes, envio de email ou dados reais. Os checks de publicação cobrem este slug, frontmatter, links internos, links externos, CTA, code fences, dez arquivos de locale e o artigo Qiita.