Do chatbot ao sistema que executa
Copiloto, automação, workflow e agente se distinguem por quem decide o próximo passo; capacidade não é permissão; e todo fluxo barato consome algum estoque, com atraso.
Resumo da aula
- Copiloto, automação, workflow e agente se distinguem por quem decide o próximo passo.
- No agente, quem decide é o modelo, e por isso ele é o mais flexível, o mais caro de vigiar e o mais fácil de comprar sem precisar.
- Capacidade não é permissão, e permissão se aplica por mecanismo, não por instrução.
- Para Caio, a resposta de hoje é um workflow com o modelo numa etapa só e uma pessoa antes da consequência.
Neste artigo
- A demonstração que encantou Caio
- Quatro categorias vendidas com o mesmo rótulo
- A receita e o cozinheiro: workflow e agente
- Quatro soluções para os pedidos de Caio
- Por que o workflow ganha hoje
- Capacidade não é permissão
- Beatriz e as mensagens que ninguém lia
- O primeiro olhar: para dentro da tarefa
- O segundo olhar: estoque, fluxo e a caixa d'água
- Laços de realimentação e o atraso que engana
- A segunda versão do alerta
O artigo é lido por partes. Use os botões abaixo para avançar — a aula em vídeo e o material de apoio ficam no curso, e o método completo, no livro.
Perguntas frequentes
Qual a diferença entre copiloto, automação, workflow e agente de IA?
A diferença está em quem decide o próximo passo. No copiloto, o modelo sugere e a pessoa decide e executa. Na automação determinística, uma regra fixa decide e executa, sem modelo de linguagem, e faz sempre o mesmo diante da mesma entrada. No workflow, alguém desenhou o caminho e o modelo aparece só em etapas determinadas, como ler texto livre. No agente, o modelo recebe um objetivo, escolhe a ferramenta, observa o resultado e decide se continua, muda de rumo ou para. São pontos numa mesma régua de autonomia, e subir nela troca previsibilidade por flexibilidade.
Quando um agente de IA é a escolha errada e um workflow resolve melhor?
Quando o caminho já é conhecido, a incerteza está concentrada num ponto só e o erro custa caro. No caso da distribuidora de hortifrúti do livro, os pedidos chegam por vários canais em texto livre, mas o resto é regra: conferir catálogo e estoque, aprovar e confirmar. Um workflow com o modelo numa única etapa, a leitura, e uma pessoa antes da confirmação vence o agente que negocia sozinho. O livro lista outros sinais contra o agente: nada a testar, volume baixo, custo que precisa ser previsível e decisão que exige responsável com nome. O agente faz sentido quando o caminho depende do que se descobre no meio.
Por que uma automação com IA que funciona perfeitamente pode piorar o resultado com o tempo?
Porque fluxo barato drena estoques que dependem de gente, e o efeito aparece com atraso. No exemplo do livro, uma rede de escolas passou a enviar uma mensagem gerada por IA a cada falta registrada. Cada peça funcionou, mas algumas famílias recebiam quatro ou cinco mensagens por semana, silenciaram o número da escola e a frequência piorou. A atenção das famílias era o estoque, e cada mensagem gastava um pouco dele. O painel mostrava entrega perto de cem por cento, medindo o fluxo e não o efeito. Todo sistema com IA precisa de ao menos um indicador de resultado e um de saturação.
Ir direto para outra aula
- 1 A segunda onda
- 2 Do chatbot ao sistema que executa
- 3 Tudo o que não é o modelo
- 4 O contrato entre máquinas
- 5 O que a IA precisa saber
- 6 O modelo nunca aperta o botão
- 7 Achar pelo sentido
- 8 Prova com consulta
- 9 O que mora entre os documentos
- 10 A fonte vencida e o teste que sabe falhar
- 11 O agente e quem diz que ele terminou
- 12 Um processo que cabe num desenho
- 13 Peça ao modelo só o que só ele sabe
- 14 Dividir o trabalho, dividir o erro
- 15 Aprovar não é olhar
- 16 Um jeito de desfazer
- 17 Até onde o erro alcança
- 18 Quem acorda de madrugada
- 19 A fatura e o registro
- 20 Quando ninguém estiver calmo
- 21 Automação que erra igual e avisa
- 22 Todo texto pode soar como ordem
- 23 Um agente sem nome próprio
- 24 O dado que nunca precisou chegar
- 25 O sistema inteiro