Construindo um Escritório de IA Previsível para Delegação Consistente
Fonte: Social Media Examiner
BuildingPredictableOffice
Cansado de ter que reexplicar seus processos, modelos e preferências toda vez que abre o ChatGPT ou Claude? Está se perguntando como configurar um ambiente de trabalho com IA que permita delegar tarefas reais à inteligência artificial e obter sempre o mesmo resultado confiável? Neste artigo, você descobrirá como construir um espaço de trabalho para IA — ou escritório de IA — composto por documentos de processo, modelos e contexto histórico, que o ChatGPT, o Claude e outras ferramentas de IA podem consultar para concluir o trabalho delegado de maneira consistente. Este artigo foi cocriado por Tiffany Kyazze e Michael Stelzner. Para saber mais sobre Tiffany, role até o final deste artigo.
Por que um Espaço de Trabalho com IA Torna a Delegação Possível
Tiffany Kyazze chegou à IA por meio da automação, que ela define como sequenciamento: quando esta coisa acontece, então aquela coisa acontece. Em sua comunidade AI Flow Club, ela ensina empreendedores a construir sistemas de IA deliberadamente simples, bem pensados e validados uma única vez, para entregar resultados em que se pode confiar. Como a IA nem sempre produz um resultado determinístico, seu objetivo é torná-lo controlado, contido e lucrativo. O trabalho só pode ser delegado à IA quando o resultado é previsível. Tiffany compara o ideal a um McDouble do McDonald’s: é sempre igual, e esse é o ponto. Um espaço de trabalho com IA oferece essa previsibilidade ao fornecer à inteligência artificial um local único para encontrar os padrões, processos e modelos para cada tarefa que lhe for solicitada.
#1: Forneça à IA Apenas o Contexto Necessário para Cada Tarefa, Começando Pequeno
O equívoco mais comum que Tiffany observa é a crença de que a IA precisa saber de tudo: motivações pessoais, como alguém trabalha, o que está acontecendo em sua vida e dados de todos os aplicativos que já utilizou. As páginas de conectores e plugins no ChatGPT e no Claude tornam isso tentador, pois tantos aplicativos familiares estão listados lá. O problema é que um modelo de linguagem grande assume que qualquer informação trazida para uma conversa deve ser utilizada. Se alguém disser à IA que está se sentindo cansado e pedir que redija um e-mail recusando uma participação em um podcast, o e-mail provavelmente mencionará que o remetente está cansado, quando ele pode ter desejado apenas dizer que o horário não é adequado. Dados conectados carregam o mesmo risco. Um conector do Stripe pode ajudar na conciliação de receita, mas se a IA souber que uma empresa fatura US$ 10.000 por semana, esse valor pode acabar aparecendo em publicações nas redes sociais. Sistemas de "segundo cérebro" são úteis para registrar histórias pessoais, mas, segundo Tiffany, a IA não precisa dessa história para executar o trabalho. Para cada tarefa, as perguntas certas são: quais informações são relevantes e qual é o risco se a IA compartilhar dados demais? O contexto preciso também economiza tokens. Sem um modelo, um pedido para resumir uma reunião força a IA a decidir como deve ser o resumo, o que incluir e o que conta como valioso. O resultado é um documento mais longo, repleto de informações relevantes, mas desnecessárias. Se o resumo não for direcionado a focar no avanço do projeto, por exemplo, os cinco minutos que os participantes gastaram falando sobre o fim de semana acabarão sendo incluídos nele. Tiffany recomenda definir tanto o tipo de informação necessária quanto a estrutura da saída. Essa definição também impede que a IA leia mais do que precisa: para resumir uma ligação, ela usa apenas a transcrição da chamada e o modelo de resumo de chamadas, não arquivos não relacionados, como regras de agendamento.
Topics:
Como iniciar um espaço de trabalho com IA sem sobrecarregá-lo
Uma tendência popular tem sido usar o "master prompt" (prompt mestre), uma autobiografia fornecida à IA com cada solicitação. Algumas pessoas escreveram prompts mestres de 90 páginas. Tiffany afirma que isso era informação demais, pois a IA não presta atenção suficiente aos pequenos detalhes enterrados em um documento enorme. Também é difícil de manter: se o tom da marca precisar mudar, encontrar essa seção e todas as outras que a influenciam consome muito tempo. Em vez disso, Tiffany recomenda começar com apenas algumas peças e garantir que cada uma funcione corretamente. Começar pequeno permite ajustar cada adição e ver exatamente como a IA utiliza essas informações. Com 55 documentos na pasta no primeiro dia, é difícil saber quais deles a IA consultou ao gerar um resultado. Qualquer pessoa que já tenha tantos deve instruir explicitamente a IA sobre quais documentos usar para cada tarefa. Em seguida, se o resultado for ruim, há apenas dois locais para verificar: a instrução ou o contexto. Um projeto no Claude que já funciona bem é uma boa candidata inicial. Um projeto é uma pasta com instruções e arquivos focados em uma única tarefa, podendo se tornar uma subpasta do novo espaço de trabalho, onde qualquer ferramenta de IA pode acessá-lo.
#2: Escolha onde o espaço de trabalho com IA residirá
Um espaço de trabalho com IA é uma pasta no computador com informações organizadas em subpastas. Tiffany o descreve como um caderno digital, semelhante ao que ela recebeu no primeiro emprego dela, com abas explicando como lidar com cada situação, como uma ligação para a recepção. Em vez de abas para informações administrativas, processos e modelos, o espaço de trabalho possui subpastas, e a IA sabe exatamente onde encontrar cada uma da próxima vez que uma tarefa surgir. O espaço de trabalho funciona com ferramentas que podem acessar arquivos, como Claude Cowork, Claude Code, ChatGPT Work e ChatGPT Codex. De acordo com Tiffany, o ChatGPT padrão também tem acesso ao sistema de arquivos. O Google Drive também pode servir como a fonte da verdade, já que se conecta a quase todas as ferramentas de IA.
Como configurar o espaço de trabalho com Markdown e Obsidian
Tiffany mantém seu espaço de trabalho no sistema de arquivos do computador como arquivos Markdown. Cada arquivo tem apenas alguns kilobytes, o que mantém o uso de tokens baixo. Ela chama o Markdown da primeira linguagem da IA. Mesmo sem formatação, é fácil de ler: uma hashtag marca um título e asteriscos marcam texto em negrito. Para quem não quer ler o Markdown cru, Tiffany recomenda o Obsidian, que exibe os arquivos com uma formatação limpa e mostra quais documentos estão conectados. Essas conexões permitem que a IA reúna tudo o que uma tarefa precisa. Um processo de e-mail, por exemplo, pode vincular-se a exemplos de e-mails, um modelo de e-mail e as regras para decidir quais mensagens merecem uma resposta. Tiffany prefere o Obsidian ao Notion porque a IA localiza informações nele mais rapidamente. Uma pesquisa no Notion do Claude analisa muitos campos, e seus bancos de dados do Notion às vezes têm 20 ou 30 colunas. O Obsidian armazena o mesmo tipo de campos em YAML, um pequeno bloco de código no topo de cada arquivo, e ainda exibe o arquivo como um banco de dados.
Como sincronizar o espaço de trabalho com uma equipe usando GitHub
Tiffany sincroniza seu espaço de trabalho com o GitHub. Ela mantém uma pasta para o escritório de sua equipe no computador, e sua parceira Taylor, que mora no Canadá, mantém uma pasta correspondente na máquina dela. Quando Tiffany envia alterações para o GitHub, a pasta de Taylor é atualizada automaticamente e, se ambos editarem o mesmo documento, o GitHub mescla as mudanças sem que um sobrescreva o outro. O GitHub também oferece novas ferramentas de IA acesso sem entregar o sistema de arquivos. Quando o Muse foi lançado, Tiffany apontou-o para seu repositório no GitHub em vez de dar acesso ao computador dela, e ele obteve as informações necessárias.
#3: Preencha o Escritório de IA com Documentos de Processo, Modelos e Contexto Histórico
Tiffany chama o espaço de trabalho concluído de escritório de IA: uma pasta de arquivos que a IA usa como ponto de partida. Ele contém três tipos de conteúdo.
- Documentos de Processo: Um documento de processo descreve as etapas a serem seguidas e serve como procedimento operacional padrão. Os critérios de Tiffany para decidir quais e-mails valem a pena responder são um exemplo.
- Modelos: Um modelo é ou um exemplo de uma saída finalizada ou um documento que a IA duplica e preenche. Um modelo para preenchimento pode incluir apenas títulos com