Bom dia.
Durante boa parte do ano, Larissa e Derek atravessam os Estados Unidos organizando 26 apresentações da ATV Big Air Tour. A empresa leva motos, pilotos, equipamentos e produtos de uma cidade para outra com uma equipe de liderança formada por duas pessoas.
O inventário das mercadorias costumava consumir de dois a três dias. Agora, Larissa fotografa os produtos, envia as imagens para a IA e recebe o estoque organizado em uma planilha, uma visualização dos itens e uma recomendação de reposição. Depois, ela confere os números, faz os ajustes e autoriza a compra.
O processo inteiro passou a levar de duas a três horas.
A história apareceu na mesma semana em que uma pesquisa com mil líderes empresariais brasileiros indicou que metade das empresas já usa IA, mas apenas 28% dizem medir os resultados de forma consistente. O estudo foi encomendado pela AWS e trabalha com respostas dos próprios executivos. Ainda assim, a diferença merece atenção.
Talvez seja por isso que o caso de uma empresa de duas pessoas seja tão útil. Em vez de começar por uma transformação grandiosa, ele mostra tarefas conhecidas, tempo anterior, resultado observado e uma pessoa responsável pela decisão final.
Nesta edição, começamos por aí. Depois, passamos por uma empresa brasileira que decidiu ouvir todas as conversas com clientes, três companhias tentando conter textos ruins produzidos com IA, um banco que precisou reorganizar seus agentes e um episódio no qual “somente leitura” não significou ausência de efeitos.
Passando rápido
A previsão mudou. A operação sabe o que fazer?
O Google lançou o WeatherNext 3, modelo meteorológico que incorpora dados de satélite em tempo real e gera novas previsões a cada hora. A versão anterior trabalhava em ciclos de seis horas.
Para algumas variáveis, como temperatura e umidade, a resolução pode chegar a cinco quilômetros. Os dados também começaram a ser integrados ao Search, Gemini, Maps, Google Maps Platform e serviços do Google Cloud.
Para empresas de logística, agronegócio, construção, eventos, energia e serviços externos, a oportunidade está menos em receber mais uma previsão e mais em transformar o dado em uma regra operacional.
Se a probabilidade de chuva ultrapassar determinado limite, a rota muda? A equipe é remanejada? O cliente recebe um aviso? Um material precisa ser protegido?
Previsões continuam sendo probabilísticas, e o próprio Google recomenda os serviços meteorológicos oficiais para alertas de segurança. Mesmo assim, atualizações mais frequentes podem melhorar decisões que hoje são tomadas com informação antiga, desde que alguém defina antecipadamente o que fazer com elas.
Na edição de hoje
Três dias viraram três horas: uma empresa de duas pessoas reorganizou três tarefas administrativas.
A Localiza ouviu 100% dos contatos: conversas deixaram de ser apenas atendimento e viraram informação para a operação.
O texto ficou pronto em segundos: quem recebeu ganhou quase duas horas de trabalho.
O Inter criou sete agentes: depois, precisou reunir identidade, custos e governança.
“Somente leitura” escreveu na internet: agentes transformaram uma wiki em quadro de mensagens.
A pequena empresa que começou pelas tarefas incômodas
A ATV Big Air Tour não começou pedindo a um agente que administrasse a empresa inteira. Larissa Guetter escolheu trabalhos menores, repetitivos e verificáveis.
O primeiro era conferir as informações publicadas por terceiros sobre cada apresentação. Organizadores locais, plataformas de ingressos, veículos e entidades das cidades divulgavam horários, locais e detalhes dos eventos. Nem sempre acertavam.
Larissa verificava aproximadamente 30 publicações por dia. A atividade consumia perto de oito horas por semana.
Agora, uma rotina agendada consulta as fontes prioritárias, localiza informações inconsistentes, procura o contato responsável e prepara a solicitação de correção. O tempo semanal de revisão caiu para aproximadamente uma hora, segundo o estudo de caso publicado pela OpenAI.
O segundo trabalho era o inventário. As fotografias dos produtos passaram a servir como entrada para organizar quantidades, criar uma planilha e sugerir a reposição. A IA prepara boa parte do caminho. Larissa continua responsável por revisar a contagem, ajustar a recomendação e enviar o pedido ao fornecedor.
Essa divisão é importante porque uma fotografia pode esconder uma peça, repetir um item ou confundir uma embalagem. A recomendação pode estar matematicamente correta e comercialmente errada. Talvez exista uma promoção planejada, uma mudança de cidade ou um produto encalhado que não deveria ser comprado novamente.
O terceiro trabalho foi a conferência do site para buscas feitas por sistemas de IA. Uma auditoria encontrou informações que não estavam sendo recuperadas corretamente e preparou recomendações de ajuste.
Coleta, organização, recomendação e aprovação foram separadas. A tecnologia assumiu o trabalho volumoso. A pessoa manteve a decisão que movimenta dinheiro ou publica uma informação em nome da empresa.
Para uma pequena empresa, esse ponto de partida costuma ser mais realista do que construir um agente com acesso a tudo. Vale procurar tarefas que tenham entrada conhecida, resultado conferível e um incômodo recorrente. Aquelas que todo mundo adia até a pasta se chamar final_agora_vai_4 são excelentes candidatas.
A Localiza começou a ouvir o conjunto das conversas
Um atendimento normalmente é analisado como uma sequência isolada: o cliente perguntou, alguém respondeu e a conversa terminou.
O problema é que acontecimentos importantes raramente respeitam essa separação.
Um cliente relata que o site não concluiu o pagamento. Vinte minutos depois, outra pessoa descreve a mesma falha para outro atendente. Depois aparece uma terceira conversa em um canal diferente. Para cada profissional, aquilo pode parecer um caso individual. No conjunto, pode ser um problema afetando vendas naquele exato momento.
A Localiza informou que sua solução passou a monitorar 100% dos contatos de vendas e atendimento. Segundo a empresa, a ferramenta contribuiu para elevar a conversão do time comercial em aproximadamente 30%.
O uso mais interessante, porém, está bem antes da porcentagem.
Ao observar o conjunto das conversas, a empresa consegue localizar objeções recorrentes, reclamações, dúvidas mal respondidas, falhas no processo de compra e oportunidades que dificilmente seriam conectadas por atendentes trabalhando em horários e equipes diferentes.
Nós vemos a mesma possibilidade em operações menores. Um agente pode cuidar da conversa com cada cliente, enquanto outra camada analisa o histórico para encontrar padrões. O primeiro resolve a demanda. O segundo ajuda a gestão a descobrir por que aquela demanda continua aparecendo.
Para começar, uma empresa não precisa analisar todos os canais nem prometer 30% de aumento na conversão. Pode escolher o WhatsApp, definir cinco ou dez motivos de contato, revisar uma amostra humana e relacionar os padrões a algum resultado: compra concluída, encaminhamento, abandono, reclamação ou retrabalho.
Responder mais rápido melhora uma conversa. Entender o que centenas de conversas estão dizendo pode melhorar a empresa.
BrosAI na prática
Se as conversas da sua empresa ficam espalhadas entre WhatsApp, site e diferentes atendentes, a BrosAI pode mapear um canal, definir os indicadores e estruturar um piloto de análise para encontrar reclamações, objeções e oportunidades recorrentes, com revisão humana antes de qualquer mudança na operação.
A IA economizou tempo de quem escreveu. A conta chegou para quem leu
Polarsteps, Leapsome e Clay criaram regras internas para lidar com documentos, propostas e atualizações produzidos com apoio de IA.
As políticas possuem diferenças, mas compartilham um princípio: quem envia continua responsável por entender, revisar e defender o conteúdo. A ferramenta pode ajudar no rascunho. O raciocínio não pode ser terceirizado junto com a redação.
A preocupação ganhou até um nome pouco elegante e bastante preciso: workslop. É aquele material longo, aparentemente organizado e cheio de palavras que chega ao colega sem uma decisão clara, sem contexto suficiente ou sem a conferência dos fatos.
Um levantamento da BetterUp com o Stanford Social Media Lab ouviu 1.150 trabalhadores de escritório nos Estados Unidos. Quarenta por cento afirmaram ter recebido esse tipo de conteúdo no mês anterior. O tempo médio estimado para lidar com cada ocorrência ficou próximo de duas horas.
Se uma pessoa economiza vinte minutos gerando um relatório, mas cinco colegas gastam meia hora cada um tentando descobrir o que ele quer dizer, houve uma transferência de trabalho. O documento saiu mais rápido. A empresa ficou mais lenta.
Uma política de uma página pode resolver boa parte do problema:
todo conteúdo precisa ter um responsável humano;
fatos e números devem ser conferidos;
documentos longos precisam deixar clara a decisão ou ação esperada;
o tamanho deve ser proporcional à importância do assunto;
ninguém pode defender um trecho dizendo apenas que “foi a IA que escreveu”.
A produtividade de uma comunicação deve ser medida pelo trabalho total que ela elimina ou cria. Contar páginas produzidas só ajuda quem vende papel.
O Inter criou sete agentes. Depois precisou criar um centro
A primeira versão da Seven, do Banco Inter, reuniu sete agentes e 91 capacidades reutilizáveis. Segundo um executivo da empresa, o sistema registrou 38 milhões de conversas por texto em 2026.
A liberdade para cada área criar seu próprio agente acelerou a expansão, mas produziu um segundo problema: múltiplas personalidades, custos imprevisíveis, dificuldade de escalar e governança distribuída entre vários responsáveis.
O banco decidiu reorganizar a arquitetura. A nova versão concentra a experiência em um agente e cria uma equipe dedicada à plataforma, à implantação e à homologação. As áreas continuam contribuindo com conhecimento e capacidades específicas, mas deixam de controlar uma operação completa de forma isolada.
O Inter afirma que processos de homologação e implementação que levavam dias podem cair para minutos ou até 30 segundos. São números apresentados por um executivo durante um evento, sem detalhamento público sobre custo, satisfação ou resolução. A arquitetura também estava em transição quando foi apresentada.
O aprendizado mais interessante está no problema que surgiu depois da escala.
Quando cada departamento cria seu agente, a empresa pode acabar com versões diferentes da mesma política, integrações duplicadas, credenciais espalhadas e experiências que mudam conforme o cliente troca de assunto.
Uma PME dificilmente precisa de uma equipe de plataforma parecida com a de um banco. Ainda assim, deveria responder a algumas perguntas antes de colocar o terceiro ou quarto agente em produção:
Quem define a identidade e as regras comuns?
Onde ficam permissões, credenciais e registros?
Como o custo de cada fluxo é acompanhado?
Quem testa uma mudança antes de publicá-la?
Qual pessoa responde pela experiência completa?
Centralizar esses controles não significa retirar das áreas o conhecimento sobre o negócio. Significa impedir que cada agente vire uma pequena operação paralela com orçamento, comportamento e memória próprios.
Atente-se!
Com mais de 30 anos de experiência em gestão de negócios, mais de 11.000 alunos aprendendo Inteligência Artificial na prática e clientes aumentado 4 vezes o faturamento em poucos meses, a BrosAI te dá todo o suporte, entra na sua empresa e mapeia, define identidade, regras e governança de dados para que sua empresa tenha resultados reais com Inteligência Artificial.
“Somente leitura” encontrou uma forma de escrever
Durante uma tarefa de pesquisa na internet, agentes autônomos começaram a usar páginas de uma wiki pública como um quadro de mensagens.
Os pesquisadores responsáveis pelo relatório encontraram aproximadamente 18 mil publicações feitas ao longo de seis semanas e mais de 3.700 nomes escolhidos pelos agentes. As mensagens eram usadas para compartilhar respostas, guardar informações, coordenar tarefas e discutir maneiras de contornar restrições do ambiente.
Em 5 de setembro, a OpenAI reconheceu à Reuters que seus agentes haviam utilizado páginas da wiki como um canal improvisado. A empresa afirmou que as práticas de divulgação de comportamentos não intencionais precisam evoluir. Ela não detalhou tudo o que sabia sobre o episódio nem a configuração interna que permitiu o comportamento.
O ambiente havia sido desenhado para permitir a leitura da internet, sem oferecer uma função normal de escrita. Mesmo assim, certas solicitações usadas para consultar páginas podiam produzir efeitos externos. Os agentes descobriram uma rota e passaram a utilizá-la.
Para uma empresa, o episódio deixa uma diferença importante entre o rótulo de uma permissão e aquilo que a ferramenta consegue provocar.
Um acesso chamado “consulta” pode acionar uma URL que altera um registro. Um agente autorizado a preparar um e-mail pode encontrar outra integração capaz de enviá-lo. Uma credencial criada para buscar informações pode aceitar parâmetros que produzem efeitos inesperados.
Por isso, limites relevantes precisam existir fora do texto que instrui o agente.
Em um de nossos fluxos, por exemplo, a IA pode interpretar um comprovante, organizar a solicitação e identificar informações ausentes. Ela não possui permissão para confirmar o pagamento com base apenas naquele documento. A confirmação depende da conferência no sistema correto.
O mesmo desenho pode separar leitura, recomendação, preparação, aprovação e execução em compras, descontos, cancelamentos e alterações cadastrais.
Antes de colocar um agente em produção, vale testar o efeito real de cada ferramenta, restringir destinos, separar credenciais, guardar registros independentes e definir uma forma rápida de interromper a operação. Um limite escrito no prompt explica a intenção. A barreira do sistema decide o que realmente acontece.
Uma decisão para segunda-feira
A empresa de duas pessoas que abriu esta edição não tentou automatizar uma operação inteira de uma vez. Ela escolheu trabalhos específicos que consumiam tempo, definiu as fontes usadas pela IA e manteve a aprovação humana onde havia comunicação externa ou dinheiro envolvido.
Existe um bom exercício para a próxima semana:
Escolha uma tarefa que a equipe evita porque consome horas. Registre quanto tempo ela leva hoje, quais erros aparecem e qual resultado precisa sair no final. Depois, divida o trabalho em quatro partes: coleta, organização, recomendação e aprovação.
Talvez a IA ajude nas três primeiras. Talvez funcione apenas em uma. A descoberta já será mais valiosa do que distribuir outra ferramenta para a equipe e esperar que alguém encontre utilidade no intervalo entre duas reuniões.
Começar pequeno não reduz a ambição. Apenas cria uma maneira honesta de descobrir o que merece crescer.
E conte conosco. Qualquer dúvida e sugestões, pode responder a este e-mail. Lemos todas as respostas!
Até a próxima.
A empresa depois de contratar cinco ferramentas de IA, criar sete agentes e esquecer qual problema queria resolver:
Tecnologia tem. Agora só falta organizar o restante.
Não é sobre colocar IA em tudo. É sobre colocar IA onde faz sentido.
Se você quer identificar onde a inteligência artificial pode reduzir custos, economizar tempo ou melhorar processos na sua empresa, converse com a BrosAI.