Maturidade no uso de IA

Para muitas pessoas, "usar inteligência artificial" significa abrir uma ferramenta como ChatGPT, Gemini, Claude ou Microsoft Copilot, escrever uma pergunta usando a tal "Engenharia de Prompt" e esperar uma resposta.

Esse é um ótimo ponto de partida pois as plataformas estão auxiliando muitas pessoas a trazer produtividade e até maior qualidade em tudo o que fazemos. Mas, definitivamente, já não representa tudo o que significa trabalhar com IA.

Hoje, as plataformas de IA podem lidar com documentos e dados, manter contexto ao longo de um projeto, conectar-se a outras aplicações e participar da execução de processos. O ChatGPT, por exemplo, oferece projetos, arquivos, ferramentas e tarefas agendadas; o Gemini pode trabalhar integrado a Gmail, Docs, Drive, Agenda, Tarefas e Keep; e o Microsoft Copilot está integrado a aplicações como Teams, Word, Excel, PowerPoint e Outlook.

Por isso, talvez a pergunta mais interessante já não seja:

"Você usa inteligência artificial?"

E sim:

"Qual é a maturidade do uso que você faz da inteligência artificial?"

Nas discussões que temos feito dentro do WebTech Network e nas palestras e jornadas que tenho feito com empresas e na universidade, é possível descrever essa evolução em seis níveis.

1. Uso - comece transformando pequenas tarefas

O primeiro nível é o mais simples e também o mais importante: experimentar.

Não é preciso compreender modelos de linguagem, agentes ou programação. Escolha uma tarefa que você já realiza e experimente delegar uma parte dela à IA.

Imagine uma pessoa da área comercial que acabou de sair de uma reunião e precisa enviar um e-mail ao cliente. Ela pode escrever:

"Preciso responder a um cliente agradecendo pela reunião, confirmando que enviaremos a proposta até sexta-feira e solicitando os dados que faltaram. Escreva um e-mail cordial e objetivo."

Um professor pode pedir ajuda para criar questões sobre determinado assunto. Um advogado pode solicitar a organização inicial de um texto. Um profissional de RH pode transformar anotações em uma descrição de vaga. Uma pessoa que administra suas finanças pode pedir uma explicação sobre uma planilha.

Ferramentas generalistas como ChatGPT, Gemini, Claude e Copilot são boas portas de entrada. E, se sua rotina já acontece no Microsoft 365 ou Google Workspace, vale experimentar a IA dentro das aplicações que você já utiliza. O Copilot, por exemplo, pode atuar junto ao Teams, Word, Excel, PowerPoint e Outlook; o Gemini conecta sua experiência de IA a diferentes aplicações do Google Workspace.

O que aprender neste nível: descobrir capacidades e limitações, experimentar ferramentas e identificar tarefas simples nas quais a IA economiza tempo. A meta não é dominar IA, mas criar familiaridade com as plataformas.

2. Interação - aprenda a explicar melhor o problema

Depois das primeiras experiências, aparece uma constatação importante: a qualidade da interação influencia muito a qualidade do resultado.

Compare:

"Faça um plano de marketing."

com:

"Sou responsável por uma pequena clínica odontológica de Belo Horizonte. Quero aumentar o número de primeiras consultas entre pessoas de 25 a 40 anos. Temos Instagram e WhatsApp e orçamento mensal de R$ 2.000. Proponha um plano de quatro semanas. Para cada ação, indique objetivo, canal, esforço e indicadores de resultado."

Aqui começamos a falar de engenharia de prompts. Não se trata de decorar fórmulas mágicas. Trata-se de aprender a informar objetivo, contexto, restrições, exemplos, critérios e formato esperado. Uma boa estratégia para isso é conhecida pela sigla RTCE (Role-Task-Context-Example). Veja um exemplo:

Uma técnica extremamente simples é perguntar antes de enviar: O que eu sei sobre esse problema que a IA também precisaria saber para resolvê-lo bem?

Nesse estágio, a IA deixa de ser uma espécie de "Google que conversa" e começa a funcionar como interlocutora.

O que aprender: decomposição de problemas, instruções estruturadas, exemplos, critérios de qualidade, refinamento e interação iterativa.

3. Contexto - pare de explicar tudo novamente

Imagine agora que você trabalha há três meses em um projeto. Existem atas de reuniões, apresentações, planilhas, regulamentos, relatórios, decisões anteriores e dezenas de documentos. Não faz sentido explicar tudo isso em cada prompt.

Entramos então em um dos conceitos mais importantes para quem quer avançar no uso da IA: engenharia de contexto. Em vez de simplesmente escrever uma pergunta melhor, começamos a construir o ambiente informacional necessário para que a IA trabalhe.

Um professor poderia criar um projeto contendo plano de ensino, competências, material didático, atividades e critérios de avaliação. A partir daí, poderia pedir:

"Analise esta nova atividade e verifique quais competências do curso estão sendo avaliadas e quais ficaram descobertas."

Uma equipe de projetos poderia reunir especificações, atas e decisões e perguntar:

"A nova proposta contradiz alguma decisão arquitetural que já tomamos?"

No ChatGPT, por exemplo, Projetos permitem manter chats, arquivos e instruções associados a um objetivo comum, reutilizando esse contexto em trabalhos contínuos.

Aqui ocorre uma mudança importante no papel da pessoa:

Usuário → Interlocutor → Designer de contexto

Você começa a perceber que trabalhar bem com IA não significa apenas saber perguntar. Significa saber organizar conhecimento.

Aqui está o ponto de virada

Os três primeiros níveis têm algo em comum.

Estamos fundamentalmente tentando:

melhorar a maneira como executamos o trabalho que já existe.

Escrever o relatório mais rapidamente. Analisar melhor a planilha. Resumir os documentos. Preparar melhor a reunião.

É extremamente valioso.

Mas existe uma segunda metade dessa jornada.

A pergunta muda de:

"Como a IA pode me ajudar a fazer meu trabalho?"

para:

"Como esse trabalho deveria funcionar agora que temos IA?"

É uma diferença aparentemente pequena, mas profunda.

4. Harness - dê ferramentas à inteligência

Imagine pedir:

"Veja minha agenda, encontre um horário disponível com João, consulte nossos últimos e-mails sobre o projeto e prepare uma pauta para a reunião."

Para responder a isso, conversar não basta.

A IA precisa acessar agenda, e-mail, documentos e eventualmente executar ações.

É aqui que aparece o conceito de harness: o conjunto de capacidades colocado ao redor do modelo para que ele possa trabalhar.

Isso pode envolver ferramentas, memória, busca, APIs, Skills, plugins e protocolos de integração como MCP.

Para quem não é da área de tecnologia, uma analogia ajuda:

O modelo é o cérebro. O harness fornece olhos, memória, mãos, ferramentas e acesso ao ambiente.

Isso já está chegando às aplicações cotidianas. O Gemini pode, quando conectado e autorizado, localizar informações no Gmail e Drive, trabalhar com tarefas e notas e criar ou consultar eventos do Google Agenda. Google Suporte O Microsoft Copilot pode trabalhar com dados e aplicações do ecossistema Microsoft 365. Microsoft E plataformas como o ChatGPT ampliaram o modelo conversacional com ferramentas, arquivos, conexões e ambientes de trabalho mais amplos. OpenAI Help Center

Nesse estágio, você começa a pensar:

"Quais ferramentas e informações minha IA precisaria acessar para realmente executar este trabalho?"

Você deixa de ser apenas designer de contexto e passa a atuar como integrador.

5. Orquestração - deixe de automatizar tarefas e comece a desenhar processos

Agora imagine um processo de contratação.

Normalmente alguém recebe currículos, organiza candidatos, prepara informações, agenda entrevistas, registra avaliações, consolida resultados e comunica decisões.

Usar IA apenas para escrever o e-mail de resposta é nível 1 ou 2.

No nível 5, a pergunta seria:

"Como deveria funcionar o processo de recrutamento combinando pessoas, sistemas e IA?"

Podemos imaginar um fluxo:

chegam candidaturas → IA organiza informações → identifica dados faltantes → prepara material para avaliação humana → agenda etapas → consolida avaliações → sinaliza pendências → humano toma decisões relevantes.

Isso é orquestração.

Não significa necessariamente retirar o humano. Ao contrário: significa decidir deliberadamente o que cabe à máquina, o que cabe às pessoas e onde devem existir pontos de controle.

As próprias suítes de produtividade estão caminhando nessa direção. O Google anunciou capacidades do Gemini para tarefas complexas envolvendo diferentes aplicações do Workspace, enquanto agentes do Microsoft Copilot podem produzir e manipular documentos, planilhas e apresentações a partir de instruções e informações disponíveis ao usuário. Google Workspace

O profissional começa a pensar menos como operador e mais como orquestrador de trabalho.

6. Arquitetura agêntica - projete sistemas que perseguem objetivos

O último nível é uma consequência do anterior. Em vez de descrever cada passo, começamos a fornecer objetivos, limites e critérios, permitindo que sistemas de IA determinem parte do caminho.

Imagine uma pequena empresa dizendo a um sistema:

"Toda segunda-feira, analise os resultados comerciais da semana anterior. Compare-os com as metas, identifique desvios relevantes, procure possíveis explicações nos dados disponíveis e prepare um relatório para a reunião da diretoria. Caso encontre uma situação fora dos limites definidos, avise o responsável."

Observe a diferença. Não estamos solicitando simplesmente um texto. Existe um loop:

perceber → analisar → planejar → agir → observar o resultado → avaliar → corrigir → continuar.

É aqui que conceitos como agentes, memória persistente, ferramentas, planejamento, avaliação, observabilidade, permissões e intervenção humana tornam-se fundamentais.

O ChatGPT Work, por exemplo, foi introduzido em 2026 justamente para tarefas mais longas que podem envolver pesquisa, análise, arquivos, aplicações conectadas e produção de artefatos, inclusive com tarefas programadas ou condicionais. OpenAI Help Center A Microsoft também passou a descrever capacidades persistentes e proativas no Copilot, mostrando como essa direção está chegando aos ambientes comuns de trabalho. The Official Microsoft Blog

Nesse nível, o papel passa de orquestrador para arquiteto de trabalho com IA.

Então, por onde começar?

A resposta mais importante é: não comece pelo nível 6.

Comece pelo seu trabalho. Escolha uma atividade real que você executará amanhã e percorra estas perguntas:

E existe uma pergunta transversal a todas elas:

Que decisões precisam continuar sob responsabilidade humana?

Quanto maior a autonomia, maior precisa ser nossa preocupação com privacidade, segurança, qualidade, permissões, rastreabilidade e avaliação dos resultados.

Não se trata de aprender todas as ferramentas

Esse talvez seja o ponto mais tranquilizador para quem está começando.

ChatGPT, Claude, Gemini, Copilot e tantas outras plataformas continuarão mudando. Recursos que hoje parecem avançados provavelmente estarão incorporados às aplicações comuns amanhã.

Portanto, uma estratégia ruim seria tentar decorar ferramentas.

Uma estratégia muito melhor é desenvolver progressivamente novas competências:

usar → conversar → contextualizar → conectar → orquestrar → arquitetar.

E isso nos leva à provocação principal.

A primeira onda da IA generativa nos ensinou a perguntar:

"Como posso fazer meu trabalho melhor com IA?"

A próxima exige uma pergunta mais desconfortável:

"Se eu pudesse redesenhar meu trabalho hoje, sabendo que pessoas e inteligências artificiais podem trabalhar juntas, eu ainda o organizaria da mesma maneira?"

Talvez seja aí que esteja a verdadeira maturidade no uso da inteligência artificial.

Não em quantos prompts conhecemos.

Nem em quantas ferramentas utilizamos.

Mas no quanto somos capazes de repensar a maneira pela qual o trabalho é realizado.