Foi minha primeira vez no IA Festival, da StartSe. Passei o dia acompanhando de perto os workshops para entender o que já está funcionando na prática.
A GenAI, impulsionada pelo lançamento do ChatGPT em 2022, deixou de ser promessa e passou a ser infraestrutura de negócio. O motor dessa virada são os agentes de IA. Diferentes de chatbots roteirizados, eles mantêm contexto, conversam em linguagem natural (em vários idiomas), respondem em texto e voz e, principalmente, agem.
O que muda com agentes que agem?
Conectados por APIs a CRM, ERP e e-commerce, esses agentes executam tarefas ponta a ponta: qualificam leads, negociam, vendem, fazem follow-up, agendam consultas e conduzem onboarding.
Em Vendas e Marketing, já é possível ver o funil avançando automaticamente no CRM conforme a conversa evolui. Isso reduz atritos, aumenta velocidade e libera o time para o que realmente move resultados.
Os primeiros pontos de atenção estão em jornadas repetitivas, alto volume de perguntas, integrações já disponíveis e regras bem definidas.
Como sair do genérico: personalização e contexto
Modelos-base entregam respostas amplas. Para ganhar precisão, entram duas estratégias principais:
Fine-tuning: ajuste fino do modelo com o vocabulário, políticas e dados do negócio. Garante consistência e reduz retrabalho.
Orquestração de contexto: camada que integra bases internas, documentos e CRM, define papéis e controla o formato de saída. Em conjunto, essas estratégias dão foco ao modelo e aumentam a utilidade das respostas.
Infraestrutura que escala sem sustos
Dois caminhos têm se destacado:
- Modelos compactos para execução local — ideais quando LGPD ou latência exigem mais controle. Trazem menor custo computacional e mais previsibilidade.
- Ambientes próprios para execução, que estabilizam gastos e evitam oscilações de preço por uso. Em alguns casos, o TPU pode ser mais eficiente que o GPU.
Boas práticas incluem acompanhar o custo de cada chamada, definir limites de consumo, reaproveitar respostas estáticas e testar o sistema sob carga antes do lançamento.
Automação com responsabilidade: governança e MLOps
Tratar governança como parte do produto evita dores futuras. Os pilares são: versionamento de prompts e configurações, auditoria, monitoramento de qualidade, rollback simples e trilhas de decisão. Outro ponto importante é padronizar as saídas em JSON ou Markdown. Mesmo diante de uma alucinação, o formato previsível mantém integrações e facilita o diagnóstico.
Product Discovery com IA, validação com pessoas
A IA acelera a análise de mercado, o agrupamento de sinais e a geração de hipóteses. Usuários sintéticos ajudam a testar caminhos e ajustar mensagens.
Mas a decisão final ainda vem do contato com o usuário real, no contexto real.
Duas perguntas norteiam esse processo:
- O que este agente precisa saber para ser realmente útil?
- O que ele nunca pode fazer sem aprovação humana?
Criatividade continua humana, método potencializa
A IA gera muito, mas é o direcionamento humano que diferencia. Frameworks como o PROMPT (Pessoa, Roteiro, Objetivo, Modelo, Panorama, Transformação) ajudam a organizar briefing, contexto e critérios de qualidade. Isso melhora o foco, diminui retrabalho e aumenta a previsibilidade do resultado criativo.
Empregabilidade na era da IA
A disputa não é entre pessoas e máquinas, mas entre quem usa IA e quem ainda não usa. A alfabetização em GenAI tende a se tornar requisito básico, assim como já foi aprender informática ou Excel.
“Nenhum homem é melhor do que uma máquina, e nenhuma máquina é melhor do que um homem com uma máquina.”
— Paul Tudor Jones
O IA Festival ainda tem muito conteúdo pela frente!
Vou seguir compartilhando, aqui no Portal do Share, os principais aprendizados e reflexões práticas dos próximos dias.
