Ir para o conteúdo principal
Fashion Meeting
Menu

Análise Inovação & Tecnologia

A IA precisa saber qual regra está valendo

Dar acesso aos arquivos da empresa não resolve a escolha entre versões, referências e decisões vigentes. O valor dos agentes depende também de como o negócio organiza seu conhecimento, limita ações e verifica o resultado do trabalho.

Por

Publicado em

40 min de leitura

Registro da atração IA, agentes e novas interfaces: o que está mudando no Vale do Silício no Festival Fashion Meeting 14
Registro de “IA, agentes e novas interfaces: o que está mudando no Vale do Silício”, na 14ª edição do Festival Fashion Meeting. Foto: Wagner Ishii (@wagner.ishii).

Uma campanha pode ter texto bem escrito, produtos corretamente identificados e um desconto incompatível com a margem que a empresa precisa preservar. O trabalho aparenta estar concluído, mas a condição que autorizaria sua execução ficou perdida entre documentos, conversas e versões de uma planilha. A capacidade de produzir a campanha avançou mais do que a capacidade de reconhecer a regra aplicável.

Gustavo Gadotti, sócio da CRMBonus, apresentou uma situação desse tipo na palestra “IA, agentes e novas interfaces: o que está mudando no Vale do Silício”, da 14ª edição do Festival Fashion Meeting. Em seu exemplo hipotético, a IA sugere um desconto de 18% ao examinar o histórico da empresa, enquanto uma orientação de finanças limita a concessão a 15%. O material também identifica esse conflito como um exemplo do keynote de Marc Benioff no Dreamforce 2026, registrado por Gustavo. Os percentuais ilustram a diferença entre uma resposta plausível e uma condição de negócio.

A provocação permite examinar a adoção de IA pela qualidade do conhecimento que chega à execução. Como sintetizou Gustavo: “O que uma empresa realmente vai precisar fazer é contexto.” Esse contexto envolve distinguir o que descreve uma experiência passada, o que continua válido e quem pode decidir diante de uma exceção.

Encontrar informação e reconhecer autoridade são trabalhos diferentes

Na situação discutida, o problema ultrapassa localizar uma planilha. É preciso reconhecer qual versão representa a decisão vigente e como ela se aplica à categoria da campanha. Uma troca de mensagens pode registrar uma negociação excepcional; um arquivo antigo pode conter uma política que já foi substituída. Tratar essas referências como equivalentes leva a empresa a transferir uma ambiguidade interna para a resposta da IA.

Gustavo recorreu à analogia de uma biblioteca para defender a organização do conhecimento. Ao tratar das várias planilhas de uma área, destacou o problema da atualização: “Ele não sabe que aquela última lá é de outubro, e que é aquela que vale.” O ponto de gestão é tornar essa distinção reconhecível, em vez de esperar que a leitura de um volume maior de arquivos resolva a dúvida.

Um quadro ilustrativo do material concretiza esse trabalho em um arquivo de política de desconto. Ele identifica a diretoria comercial como responsável, registra a revisão em outubro de 2026 e delimita o que o agente pode fazer. A concessão acima de 15% exige aprovação do gerente, e o desconto fica vedado nos lançamentos da coleção. Assim, o registro reúne a regra, sua validade e o encaminhamento da exceção.

Organizar o contexto é parte da manutenção do negócio

O expositor chamou de company brain a organização do conhecimento para que os modelos consigam trabalhar com informações e regras da empresa. Em sua apresentação, essa organização aparecia em arquivos estruturados por áreas, políticas e referências. A proposta ajuda a formular um trabalho que continua necessário depois da primeira implementação: manter a correspondência entre esse registro e a operação real.

Uma coleção muda de fase, a condição de um fornecedor é renegociada e uma ação comercial passa a exigir outro limite. Se o registro usado pelo agente permanece igual, a empresa pode executar com consistência uma orientação que deixou de ser adequada. A atualização do contexto precisa acompanhar as mudanças que alteram a decisão, com responsabilidade definida para fazer essa revisão.

O formato do arquivo ajuda a organizar a informação, mas o conteúdo exige julgamento de negócio. É necessário decidir quais referências têm autoridade, quais situações pedem confirmação e o que pode seguir automaticamente. Esse esforço coloca produto, finanças, comercial e operação diante de uma tarefa comum: tornar explícitas as condições que permitem ao trabalho avançar.

O primeiro uso precisa permitir aprender com o erro

Ao discutir por onde começar, Gustavo ofereceu um critério de seleção: “Eu gosto sempre de olhar para esses três blocos aqui, que é volume, regra clara e erro barato.” A repetição cria oportunidades para observar o funcionamento; a clareza da regra permite comparar a resposta com o que se espera; a possibilidade de correção limita o custo do aprendizado.

Essas condições precisam ser examinadas em conjunto. Uma tarefa frequente pode envolver informação difícil de interpretar. Outra pode parecer simples e produzir um compromisso comercial que custa caro desfazer. A avaliação do uso precisa alcançar o que acontece depois da resposta: quem a recebe, que ação pode ser disparada e como a empresa percebe uma falha antes de ampliar seus efeitos.

Na própria palestra, Gustavo distinguiu usos iniciais de decisões que afetam margem, preço e estoque. Essa diferença oferece uma base para delimitar a responsabilidade do agente. Preparar uma análise, recomendar uma ação e efetivar uma mudança representam compromissos distintos para o negócio. O desenho do processo deve explicitar até onde o sistema pode seguir e em que ponto uma pessoa precisa decidir.

A produtividade precisa aparecer no processo completo

Gustavo também questionou como as empresas estão medindo os ganhos da IA. Na analogia do automobilismo que acompanha o material, a telemetria corresponde às avaliações e ao gabarito; o piloto é a pessoa responsável pelo agente. Essa atribuição ajuda a dar consequência ao acompanhamento: uma resposta produzida rapidamente pode exigir revisão, complementação e correção em outras etapas.

Para acompanhar um agente que prepara propostas comerciais, por exemplo, interessa compreender quanto trabalho chega pronto à revisão, quais informações continuam faltando e com que frequência a proposta precisa ser refeita. Se a equipe consegue produzir mais documentos, mas a aprovação permanece presa às mesmas dúvidas, o volume de saída cresce sem resolver a limitação principal do processo.

A comparação também precisa preservar a qualidade esperada. Reduzir o tempo de preparação e aumentar a quantidade de erros que chegam ao cliente cria outro problema econômico. A unidade de resultado deve alcançar o trabalho que a empresa consegue concluir com as condições atendidas, incluindo o esforço humano necessário para chegar a esse ponto.

Testar exige tempo e uma consequência para o que foi aprendido

Ao defender a experimentação pelas próprias lideranças, Gustavo afirmou: “Na prática, o tempo hoje é o nosso maior asset, a nossa maior característica e vantagem competitiva hoje é ter tempo para conseguir testar e iterar.” O teste ganha utilidade quando o resultado modifica alguma coisa: a referência usada, a instrução, o limite de atuação ou a forma de avaliar a entrega.

O material inclui um relato próprio da preparação da palestra, com versões bloqueadas por avaliações, críticas que levaram à reescrita da narrativa e ajustes feitos a partir de feedback por áudio. O interesse desse exemplo está nos critérios capazes de rejeitar uma entrega e orientar sua revisão. Seu escopo é a construção de uma apresentação, e não uma medida de produtividade do varejo.

Essa revisão permite tratar uma falha como informação sobre o processo. Se o agente aplica uma regra antiga, vale investigar como ela continuou acessível e por que a versão vigente não prevaleceu. Se ele recebe uma solicitação insuficiente, é preciso examinar que informação faltou na entrada. Repetir o pedido até obter uma resposta aceitável pode resolver um caso e deixar a causa disponível para o próximo.

A adoção de IA passa, assim, a envolver um investimento contínuo na organização do trabalho. O negócio precisa decidir onde vale delegar execução, como reconhecer uma entrega adequada e quem mantém as condições dessa delegação. Quando a regra muda, essa mudança precisa chegar ao agente antes da próxima ação. É nessa continuidade que a empresa pode transformar a capacidade de gerar respostas em capacidade de concluir trabalho com responsabilidade.

Galeria de fotos

Gustavo Gadotti / CRMBonus — “IA, agentes e novas interfaces: o que está mudando no Vale do Silício”, na 14ª edição do Festival Fashion Meeting.

Palestrante ao microfone em plano individual próximo, usando fones e segurando controle da apresentação.
Gustavo Gadotti, da CRMBonus, durante sua apresentação na 14ª edição do Festival Fashion Meeting. Foto do acervo do Festival Fashion Meeting.
Palestrante em pé diante de slide com carro de Fórmula 1 e mensagem sobre o contexto em volta do modelo.
Gustavo Gadotti apresenta a relação entre modelo e contexto na operação de agentes, no Festival Fashion Meeting 14. Foto: Wagner Ishii (@wagner.ishii).

Áudio e transcrição

IA, agentes e novas interfaces: o que está mudando no Vale do Silício
Registro da atração na 14ª edição do Festival Fashion Meeting. Gustavo Gadotti / CRMBonus.

IA, agentes e novas interfaces: o que está mudando no Vale do Silício (36min26s)

Abrir ou baixar o áudio em MP3

Baixar a transcrição revisada em PDF (11 páginas)

Ler a transcrição revisada

Transcrição revisada do registro textual da palestra na 14ª edição do Festival Fashion Meeting. A edição reúne passagens cortadas por mudanças de página, regulariza pontuação e grafias confirmadas e organiza o texto em seções editoriais. Foram retirados o encerramento da palestra anterior, solicitações operacionais de apoio à apresentação e o início da atração seguinte. Exemplos, avaliações, recomendações, preços e anúncios de recursos são falas do expositor referentes ao momento do evento. Os termos e dados ainda imprecisos no registro estão indicados ao final.

Abertura e trajetória

Fala, pessoal. Que bom que tem bastante gente ainda. Acho que vai ser uma conversa muito boa.

eu vou me apresentando. Eu venho trabalhando com varejo de tecnologia desde 2018. Então, em 2018, fundei uma startup focada em CRM para varejo.

Então, a gente criou um aplicativo para o vendedor de loja se relacionar com o cliente final. Em 2022, eu vendi a companhia para CRMBonus, onde eu fiquei até agora como vice-presidente, liderando a área comercial, atendimento, olhando muito para a cisteira de revenue de forma geral. E nisso, em julho, eu decidi entender muito mais do que estava acontecendo nesse cenário atual de inteligência artificial.

Então, em julho, eu me mudei.

Fiquei dois meses morando agora na Califórnia. Então, eu fui morar lá em Palo Alto, onde basicamente tudo isso que a gente está vivendo de inteligência artificial está sendo definido. E o meu grande desafio lá foi, primeiro, entender por que as empresas que estão usando inteligência artificial e criando essas empresas lá no Vale do Silício, elas estão crescendo muito mais do que a gente que tem uma empresa tradicional e está usando o ChatGPT.

Qual é essa diferença? Então, é um pouco disso que a gente vai falar aqui hoje. Eu fiz um modelo que acho que vai ser talvez um desafio aqui.

Que não é um PDF. Então, de forma geral, eu passei então esses últimos dois meses estudando e entendendo.

Visitei mais de 40 empresas lá no Vale para entender o que eles estavam fazendo de diferente que a gente pode capturar de valor e quais são os movimentos que vão impactar a gente, principalmente no varejo.

Uso homogêneo da IA e a necessidade de critério

Então, a minha provocação primeiro é a gente olhar a gente usando hoje o Instagram, o LinkedIn. Quando vocês entram hoje, basicamente tudo está ficando muito massificado.

Você entra no seu Instagram, basicamente o feed. Parece que está todo mundo usando a mesma coisa do mesmo jeito. Ficando tudo muito homogêneo.

Quando você entra, por exemplo, no LinkedIn, está todo mundo também naquele mesmo tom de voz. Não é sobre evento, é sobre conexões. Aquele travessão.

Todos aqueles vícios de linguagem. E aqui também, quando você entra num e-commerce, por exemplo, ou num site, num fornecedor, nos fornecedores da feira, em várias feiras que vocês vão, hoje todo mundo tem IA. Basicamente, parece que o mundo virou IA instantaneamente.

Os aplicativos que vocês usam, todos também falando que tem IA. E isso, na verdade, pessoal, é um momento que a gente está vivendo que eu chamo de AI Slop. Isso é o que acontece quando a gente usa a Inteligência Artificial, mas sabe dominar pouco ela.

Então, a gente não tem muito nível criterioso de como usar. Então, hoje a gente vai falar um pouco mais de como usar a Inteligência Artificial nos nossos negócios e como gerar realmente valor. E não parecer que você está ali, como essas pessoas, muitas vezes, estão usando de uma maneira muito simples e que até a gente já tem um pouco de ranço disso.

Então, a provocação principal é, se muitas pessoas estão fazendo isso nas redes sociais delas, imagina o que está acontecendo nas empresas de vocês. Como as pessoas estão usando isso para tomar a decisão? Se lá no LinkedIn as pessoas já não têm critério nenhum e no Instagram elas não têm vergonha nenhuma de usar daquele jeito, como que isso está acontecendo na prática? E aí, normalmente, o que está acontecendo na cabeça de vocês? Vocês estão lá atrás do ChatGPT, do Gemini, do Claude, e vocês pensam, poxa, por que eu tenho que explicar toda vez a minha empresa para o ChatGPT? Por que ele não entende ou ele erra um pouquinho toda vez? Por que ontem ele acertou o tom da marca e hoje esqueceu e eu tenho que explicar de novo? Eu tenho ChatGPT, Gemini e Copilot, mas nenhuma delas sabe o que acontece na outra. Então, eu tenho que usar o ChatGPT, daí no outro dia eu vou lá no Claude e tenho que explicar tudo de novo.

E on and on. Então, eu tenho um monte de ideia de IA e nenhuma acaba rodando de verdade, eu não consigo implementar de verdade nenhuma delas. Então, o grande ponto aqui dessa conversa vai ser, se todo mundo usa a mesma IA, por que algumas empresas conseguem gerar valor e vocês, às vezes, não estão conseguindo capturar esse valor? Então, me apresentando rapidamente, eu falei um pouco, eu fundei uma startup em 2018, vendi em 2022 para o CRMBonus, onde eu sou sócio, essas são as minhas redes sociais, a gente pode super continuar a conversa lá, tem muita coisa legal, além disso eu dou aula na Link, sou investidor de várias startups, dou aula na FAAP também.

Então, tenho bastante bagagem aqui para compartilhar com vocês. O próximo ponto que eu falei, então, eu vivi esses últimos dias, voltei faz duas semanas do Valing, visitei as maiores empresas de tecnologia, falei com as principais lideranças do mundo, Sam Altman, que é o dono do ChatGPT, o CEO Dário, do Claude, o CEO do Salesforce, eu fui em vários eventos para realmente entender e compilar isso aqui para vocês. E quais são os principais aprendizados? No final, o modelo, que é o ChatGPT, o Claude e tudo mais, ele é igual para todo mundo.

Eu acho que a gente vive uma era muito democrática nesse sentido. Porém, sem contexto, devolve o AI Slop, que é aquilo que a gente viu no Instagram, que a gente vê no LinkedIn, que a gente vê as pessoas que vão lá e respondem um e-mail de qualquer jeito usando a IA. Então, hoje a gente vai falar rapidamente sobre contexto, como aparecer, o que a empresa sabe, o que ela executa sozinha e como ela se organiza.

Visibilidade em interfaces de IA

Então, aqui eu acho que é onde moram os grandes insights que vocês vão poder aprofundar um pouco mais. E quando a gente fala num mundo agêntico, num mundo baseado em inteligência artificial, o nosso grande desafio está em como aparecer lá no ChatGPT. Como eu vou aparecer no Claude? A gente falou hoje no painel um pouco sobre isso.

E essa palestra eu já dei em alguns lugares e a gente normalmente faz uma pesquisa no começo. E nela, olha como é o estado hoje das principais empresas de varejo que eu falo, que são empresas já maduras. Eu nunca avaliei se a minha marca está aparecendo lá no ChatGPT ou Gemini.

Pô, às vezes eu já testei, mas ela não aparece. Aparece às vezes, mas praticamente ninguém já tem ali uma pessoa específica ou conseguindo ajudar nisso. E esse é o grande desafio do nosso negócio.

Comércio agêntico e exemplos de compra

A gente está num momento de transformação, onde a gente passa de um modelo onde a gente tinha esses dois grandes blocos. Então, B2C significa que eu atendia clientes finais, eu sou um varejista e vendo para uma pessoa física. B2B é onde a gente vendia para outras empresas.

E hoje nasceu basicamente um próximo passo, que é o passo que a gente vai ter que se adaptar, que é o B2A, ou seja, eu, meu negócio, preciso aprender a vender e lidar com os agentes. Não adianta eu saber vender para um consumidor final, mas se o consumidor final, quem vai comprar por ele é um agente. Então, quem que eu preciso hoje saber atender? Um agente.

E é isso que a gente vai falar aqui hoje. E aqui eu trago uns movimentos super importantes que estão acontecendo. O Agents First aqui tem vários inputs do mundo avançando.

Então, primeiro, Universal Cart, o Google lançou nos últimos três meses esse update bem importante lá nos Estados Unidos, que vai vir para o Brasil. Ao invés de você ter um carrinho de compra em cada e-commerce, então vou lá no Shop Together, na Aramis, na Adidas, faço os meus carrinhos, vou no Magalu, basicamente você vai ter um carrinho. Você vai dentro do Gemini, por exemplo, buscar um tênis e ele consegue já deixar esse carrinho pronto para você.

Ele já tem seu cartão de crédito, ele já tem seu endereço. E aqui existem várias funcionalidades agênticas muito interessantes. Uma delas é, eu posso criar regras de negócio para o meu agente.

Significa que se eu quero comprar um ar-condicionado, eu vou falar assim, olha, esse ar-condicionado está R$ 1.900, se ele virar R$ 1.400, pode comprar para mim. Ou seja, eu não vou precisar ficar entrando todos os dias ou ficar vendo e-mail ou SMS se está vindo promoção ou não. Um outro exemplo aqui interessante, para quem tem produto recorrente, é quando o produto fica out of stock.

Então, eu vou comprar a minha creatina, mas às vezes a creatina acaba lá no site, eu tenho que pensar, dois, três dias depois, entrar de novo para fazer aquela compra. Ele já identifica automaticamente que o produto voltou no e-commerce e consegue fechar o seu pedido. Isso mostra como o Google está indo em um caminho muito forte agêntico, baseado em e-commerce, de uma forma muito mais facilitada.

A gente, em um, dois cliques, vai conseguir comprar sem precisar preencher cartão, sem precisar preencher endereço, isso tudo de uma maneira muito mais fácil. Como que isso funciona para quem tem e-commerce? Entra, então, no papel o Universal Commerce Protocol, o UCP. Basicamente, para que o seu e-commerce seja interpretado pelo Google, você tenta aderir a esse protocolo, organizar as informações, que são esses XMRs, os feeds de produto, para que ele, então, consiga fazer esse tipo de recomendação.

Essa mulher está buscando um acessório brinco, ele vai mostrar várias marcas, ele mostra Coach, ele mostra outras marcas, e ele já traz toda aquela experiência do produto, de informações, tudo do produto, na interface do Google. Isso significa que a pessoa não vai entrá-lo no site da Coach. Então, quando eu fiz o painel hoje de manhã, aqui, duas da tarde, eu falei, provavelmente as pessoas não vão mais entrar no seu site.

Imagine um contexto onde as pessoas vão fazer tudo e tirar todas as suas dúvidas direto no LLM. E aqui, você vai conseguir também no Google, hoje já tem uma visão de onde estão vindo essas buscas, então, eles já estão avançando bastante, é a plataforma mais avançada nesse sentido agêntico. Aqui eu trago um exemplo bem legal do ChatGPT.

O ChatGPT, aqui a pessoa está buscando, por exemplo, uma receita de estrogonofe. E aí, no final, vai entrar um anúncio do Pão de Açúcar. Ao invés de você ir lá para o site do Pão de Açúcar, o Pão de Açúcar tem um agente.

E o agente vai definir quantas pessoas vão comer esse estrogonofe. Quatro. Ele já porciona, já pede o pedido, pede o seu CEP, já entende que vai chegar em 20 minutos, você paga no Pix.

Então, imagina quanto tempo que a gente leva hoje para fazer um pedido. De, poxa, qual que é a receita, daí eu tenho que entrar lá no iFood, daí lá no iFood eu tenho que lembrar, tá, mas são quatro pessoas, então eu tenho que comprar tanto. Aí depois eu tenho que fazer o carrinho, aí eu tenho que selecionar item a item.

Em um minuto você conseguiu fazer um pedido, menos de um minuto, um pedido que antes levaria muito tempo. É esse caminho que a gente está indo. Um caminho onde os agentes vão facilitar muito as compras.

E a gente não vai precisar ficar indo lá no iFood, por exemplo, indo no checkout de vários e-commerce para concluir a venda. O nosso agente vai resolver isso para a gente. Então, esse é o grande desafio.

Se a gente está em um modelo onde as pessoas estão indo comprar e elas vão comprar pelos agentes, um dado bem relevante da OpenAI, que é a dona aqui do ChatGPT, é que no Brasil já tem 200 milhões de conversas por dia, no ChatGPT no Brasil, 200 milhões de conversas, e metade dessas conversas são de descobrimento de categorias ou indicações. Significa que, olha nas buscas de vocês, poxa, eu quero vir almoçar aqui no Shopping JK, eu quero uma comida saudável. Onde eu posso comer? Normalmente a gente começa já as perguntas assim.

Autoridade de marca e GEO

Então, é o tipo de movimento que vai mudar a forma como a gente compra e a forma como nós, varejistas, vendemos. Então, o ponto importante aqui então é, poxa, se a IAC vai recomendar o produto para mim, como que eu vou aparecer para ela? E esse hoje é o grande desafio das marcas. O grande desafio é entender que aquilo que a gente fazia de SEO, que era basicamente olhar toda a performance baseada em palavra-chave para rankear bem no Google, isso não vale da mesma forma como o GEO.

O GEO, o principal foco dele é olhar para a comunidade. O que as pessoas falam da sua marca? Como a sua marca aparece? Ele quer autoridade. Porque ele mostra muito menos empresas num search ali do ChatGPT.

Ele vai mostrar duas, três empresas. Como que ele vai escolher isso? Ele vai escolher baseado, por exemplo, no Reclame Aqui, no Google Meu Negócio. Onde as pessoas falam, será que tem na Vogue alguma publicação? Será que algum veículo publicou sobre você? Você tem autoridade naquele tema que aquele consumidor está buscando? Então, tudo que a gente vinha fazendo de performance e tinha deixado muito de lado a questão de construção de marca, a gente vai ter que revisitar.

Revisitar com muito mais consistência a história do branding que a gente tinha deixado um pouquinho mais de lado, principalmente PR, construção dessas comunidades. Isso faz muito mais sentido nessa área de GEO. Porque o seu site, na ordem de um GEO, o site é uma das últimas coisas que ele vai olhar.

Ele vai primeiro entender tudo ao redor do seu site. E isso muda bastante. Para vocês entenderem o impacto disso, quando a gente está olhando dentro do Google, quem aqui vai depois do quarto recomendação do Google? Quase ninguém.

Ninguém vai. Você olha ali no Google, viu duas, três e that's it. O grande desafio é que o ChatGPT, 88% das vezes, a busca é da vigésima posição.

Ele entrega uma busca que não é a que está ranqueada no SEO. Ou seja, ele tem uma capacidade incrível de rodar e varrer toda a internet. E ele vai buscar aquela que entregar o melhor contexto para aquela busca que a pessoa está fazendo, não se limitando àquilo que o Google até então tinha criado de SEO.

Esse é o grande desafio que vocês têm que ter a curiosidade hoje de buscar. Como aparecer cada vez mais a minha marca no GEO? Buscar lá, como um comprador de vocês vai buscar os produtos de vocês e a partir disso entender cada vez mais desse assunto e fazer isso acontecer. Uma recomendação interessante para vocês aprenderem bastante também é fazer anúncio no ChatGPT Ads.

O ChatGPT Ads, a gente está entrando na Black Friday e praticamente ninguém anuncia. É um oceano azul. É um oceano azul, tipo, bota lá mil reais no ChatGPT Ads e aprendam a fazer o ChatGPT Ads, porque isso pode destravar muita venda.

Contexto, regras e gestão do conhecimento

Próximo ponto, o que a sua empresa sabe que a IA consegue ler? Então aqui é um outro grande desafio, que é o contexto. O contexto é onde mora a diferença de uma empresa realmente AI first, de uma empresa que usa o ChatGPT como Google. Eu busco lá para resumir meu e-mail, eu busco lá para resumir uma ligação, eu vou lá para buscar algumas coisas.

Isso é o básico do básico. O que uma empresa realmente vai precisar fazer é contexto. E aqui tem um exemplo muito legal de varejo.

Imagina que eu vou lá e conecto o Claude no meu RP e peço para ele, olha, faz uma campanha de desconto para uma categoria específica. O que ele vai fazer? Ele vai tentar olhar o histórico, ele vai ler os e-mails, ele vai ler as reuniões que vocês já fizeram sobre isso. Ele vai falar, olha, acho que pode ser 18% o desconto que a gente vai dar nesse produto.

Por quê? Porque os LLMs são probabilísticos, ou seja, eles trabalham com probabilidade. Diferente de uma visão de negócio onde a gente é determinístico, ou seja, tem um CFO na sua companhia, uma pessoa de finanças, que fala, olha, a margem desse produto, no máximo, a gente pode dar 15%. Então, esse é o grande desafio, porque enquanto os LLMs não têm um contexto organizado, ele vai tentar resolver e te entregar lá um desconto que você deveria fazer.

Sendo que, lá numa planilha do CFO de março, ele falou que era 15%. Só que o ChatGPT olhou para tudo o que existia, trocas de e-mails, várias coisas, e ele tentou acertar. Mas ele não acerta dessa forma.

Então, como que a gente faz isso acontecer? Esse tipo de problema já foi resolvido uma vez na nossa vida. Então, imagina uma biblioteca. Essa é uma analogia que eu gosto muito, porque dá para entender de uma forma mais simples.

Imagina uma biblioteca. Eu preciso buscar um livro. Se eu for tentar buscar um livro, ou seja, se eu for tentar pegar a planilha do CFO que tem a planilha de margem, se eu não tiver nada me orientando, o que eu vou fazer? Eu vou entrar na biblioteca, começar a entrar corredor a corredor, e buscar cadê o livro sobre Minas Gerais que eu quero buscar.

E eu vou levar horas buscando, tentando achar aquele livro. E cada vez que um LLM faz uma busca, por exemplo, cada vez que ele faz isso aqui, que a gente chama de inferência, ele tem uma probabilidade de erro, porque ele tem uma probabilidade. Então, quanto mais longe, mais tempo ele leva para achar algo, maior a probabilidade de ele errar.

Como que na biblioteca a gente resolveu isso? A gente criou, então, uma taxonomia, certo? Então, quando vocês poucos… Aqui, até que algumas pessoas já devem ter ido em uma biblioteca. Eu dou aula para alunos de 20 anos e eles nunca viram isso. Mas, basicamente, você ia em um computador, você pegava lá e tinha um adesivinho.

658.8M345204. Por quê? Porque você sabia que ele estava lá no corredor 6, aquela categoria era de marketing digital. Lá ia estar a categoria daquele livro que você ia buscar. Então, ao invés de você fazer 30 paradas até achar um livro, você vai fazer 4 paradas e levar 2 minutos.

O que isso faz no LLM? Duas coisas. A primeira, fica muito mais barato, porque cada vez que ele tenta achar uma coisa, é token sendo consumido, certo? A segunda é, se ele tenta muito menos vezes, a qualidade do output vai ser muito melhor. Ele vai errar muito menos.

Então, é aqui, de uma forma muito simples, que moram os nossos problemas. O que eu vejo muitas pessoas fazendo? Estou usando o ChatGPT, estou usando o Claude, vou conectar o Google Drive inteiro da minha empresa, vou subir todas as apresentações, vou subir todas as planilhas, vou subir na Lynx, vou subir na Vtex, vou subir isso tudo. E vou fazer perguntas.

Ele não vai ser bom nisso. Ele vai fazer isso aqui. Ele vai errar muito.

E aí a pessoa fala, mas ele ainda não é bom. Não, na verdade ele é muito bom. É você que ainda não está usando o contexto correto, que é o que a gente vai falar um pouco mais.

Então, fazer esse tipo de conexão, vou conectar o meu Google Drive, vou conectar tudo direto na LLM, ele não gera um valor de output tão grande como o que a gente poderia gerar. Então, esse tema de busca, inferência, e a resposta ficam muito piores. Então, por isso que os erros acontecem.

Ele vai falar que é 18% desconto, sendo que deveria ter respondido 15%. Então, como que um LLM lê a sua empresa? É o que a gente chama hoje de Brain, ou Company Brain. O contexto de Company Brain significa que a gente vai criar um arquivo, e esse arquivo vai organizar a gestão de conhecimento da sua empresa num formato que se chama Markdown.

Alguém já deve ter visto o ChatGPT criar esse tipo de arquivo. Esse é um arquivo que o que ele faz quando a gente tem uma lógica organizada? Você consegue dividir, por exemplo, as áreas da sua companhia, onde está a política de desconto, qual que é a política de desconto, quais são as regras de uma forma organizada. Ao invés de eu ter que ler 120 arquivos de Excel do meu CFO, porque aqui ele mantém, por exemplo, a atualização.

Porque se imagina se ele tem 120 planilhas de olhar margem, ou do planejamento, qual que é a verdadeira? Ele não sabe que aquela última lá é de outubro, e que é aquela que vale. Ele simplesmente vai ler todas e tentar achar a melhor resposta. Então a gente tem como desafio que construir isso aqui.

E isso aqui tem muito método para fazer isso acontecer, e esses são os desafios que a gente vai viver nos próximos meses de organização de dados. A gente pode organizar a base de dados, vou olhar lá meus clientes, unificar, mas esse é o desafio de todo gestor, todo dono de empresa, como os meus agentes vão conseguir ler isso aqui, e como isso aqui vai ser gerado na minha empresa. Bom, o próximo ponto que a gente precisa entender aqui é como que a gente vai executar isso.

O que está ao redor do modelo

Então, como que os agentes estão ganhando produtividade? Então, o primeiro ponto que eu perguntei é, poxa, aonde que vivem essas informações, se eu já tenho agente ou não? Então quase ninguém aqui usa basicamente um company brain, basicamente ninguém aqui usa regras e avaliações mais precisas. Então a gente está muito, muito, muito no começo dessa história. E aqui eu trago então uma analogia também para vocês entenderem.

Na Fórmula 1, então, com o mesmo motor Mercedes, a McLaren foi campeã e a Williams ficou no meio do grid. O que isso significa? Significa que, da mesma forma como a gente tem hoje, o mesmo motor para todo mundo, o nosso papel não é ficar, poxa, qual que é a melhor versão do Claude? E fica essa discussão, poxa, eu uso o ChatGPT ou Gemini. Isso é commodity hoje.

O nosso papel é, eu posso escolher para algumas coisas qual é o melhor modelo, mas o nosso trabalho no dia a dia das empresas é fazer tudo ao redor do modelo. O modelo não é o que vai diferenciar ou fazer a sua empresa ser uma empresa AI. O que vai diferenciar e fazer o seu negócio usar uma AI é ao redor dele.

Então sempre lembrem de um carro de Fórmula 1. O motor não importa. O que importa é qual é o freio, qual é o pneu, o que são as composições, quem é o piloto para realmente conseguir extrair valor desse motor. Então combustível, nesse caso, é contexto e dado.

O chassi é o que a gente chama em tecnologia de harness. Harness são todas essas ferramentas, as coisas que a gente conecta para dar contexto para fazer isso acontecer. Tem todas as regras de negócio, tudo isso é o que gera valor no nosso negócio.

Escolha dos primeiros usos

Então o nosso desafio como gestor, como dono de empresa é menos olhar para o modelo e mais realmente saber mexer nas outras esferas do chassi do carro, do combustível, como deixar isso organizado. E quando vocês forem olhar para a gente, qual é a minha recomendação? Eu quero começar, eu acho que eu entendi que a gente é um negócio importante. Como eu vou fazer isso na prática? Eu gosto sempre de olhar para esses três blocos aqui, que é volume, regra clara e erro barato.

O que na sua empresa vocês fazem muitas vezes? Depois, existe alguma regra clara sobre como é feito aquilo? Vocês conseguem documentar de alguma forma? E depois, se errar isso, é corrigível e não vai ferrar a marca de vocês. Exemplo, vamos supor que eu sou uma empresa de tecnologia. Como é a saúde da base de clientes da minha empresa? Vou criar um health score da base de clientes.

Qual é o impacto se der errado esse health score? Nenhum. Qual é o impacto, por exemplo, de melhorar essa parte de triagem de currículo para lojas, por exemplo, que tem muito fluxo de RH? É muito baixo. Então, a não ser que você esteja falando vou usar IA para melhorar a margem do produto, mudar a precificação, mudar o estoque, isso afeta realmente.

Organização dos times e medição de produtividade

Então, tem que tomar muito mais cuidado. Mas, para começar, é importante vocês olharem esses três pilares. Por fim, pessoal, dado todo esse contexto, obviamente que se eu consigo organizar a minha empresa, a informação da minha empresa, consigo botar a gente dentro da minha operação, eu preciso pensar como o meu time vai se organizar.

Os times que a gente conhece hoje, provavelmente eles não vão continuar existindo da mesma forma também. E é isso aqui que é o grande desafio dessas próximas etapas. A primeira coisa que eu sempre pergunto é como vocês estão medindo o ganho da IA? A maioria das empresas não mede ou só tem percepção, um feeling.

Mas poucas realmente têm uma meta relacionada a isso porque a gente está no começo, mas é um começo bem importante. E aqui é onde eu mostro um pouco do impacto aqui numa empresa mais de tecnologia para vocês entenderem. O que a gente tinha numa empresa de tecnologia? A gente tinha SDRs e BDRs, que são pessoas de prospecção, qualificação de oportunidades.

A gente tinha, por exemplo, 18 pessoas para qualificar um negócio. Eu tinha 14 vendedores para vir aqui no evento, outro para ficar lá no escritório. Para cada quatro desses vendedores, eu precisava de um gerente.

Para cada dois gerentes, um head. Para cada dois heads, um diretor. Ou seja, eu tinha uma estrutura bastante inchada.

Eu tinha 39 pessoas, sendo que 7 pessoas eram só para fazer gestão. Só para saber, por exemplo, se o SDR está vendendo, se o vendedor está vendendo bem, se o gerente sabe gerenciar as pessoas, se um head consegue gerenciar os gerentes e se um diretor consegue reunir todo mundo para baixo. E isso muda completamente.

Qual é a camada que a gente está vendo que vai ter um grande desafio? É esse tipo de profissional que hoje é esse middleman, que fica só fazendo relatório, levando para a diretoria informações, mas que não gera output. Como que a organização agêntica normalmente está composta? A gente vai ter agentes específicos para resolver dores que eram muito claras. Por exemplo, toda a parte de prospecção, toda a parte de proposta, nutrição, contrato, isso tudo dá para fazer com o IA.

Muito, muito, muito bom. E aí, depois, eu vou ter um time muito mais sênior. Então, quando vocês veem essas empresas que captaram bilhões de dólares, não é que elas têm milhões de pessoas lá, várias pessoas para tocar operação.

O faturamento por funcionário dessas empresas mudou muito. Esse é um indicador muito core hoje nas empresas. Hoje, no Brasil, na verdade, há três anos atrás, quando não existia IA, o faturamento por funcionário de uma empresa de tecnologia que ia muito bem, por exemplo, a gente estava falando de 200 a 400 mil reais por ano por funcionário.

Essa era uma métrica. Hoje, para vocês terem uma métrica de como isso funciona na Califórnia, a gente está falando que essas empresas faturam, em média, dois milhões a três milhões de reais por ano por funcionário. Significa que as nossas empresas, o nosso papel como gestor é, nos próximos meses, no próximo ano, a gente tem que aumentar a produtividade em cinco, dez vezes do que a gente fazia até então.

Esse é o desafio, porque a gente vai ter um concorrente do lado que provavelmente vai ter uma estrutura muito mais enxuta versus essa estrutura, aquele cara tem muito mais margem que esse aqui, o preço daquele cara é muito menor do que esse aqui e isso começa a ter um problema bem grande nos próximos passos que a gente for vendo dos avançares dos agentes. Então, resumindo muito, pessoal, a conversa aqui, se vocês quiserem olhar muito realmente para qual é o próximo passo na sua companhia, eu preciso ter, por exemplo, todas essas informações organizadas, isso a gente chama de ontologia, company brain, então a gente organiza a fonte de dados, cria, então, uma forma disso se conectar com o ChatGPT e os LLMs, ou seja, ao invés de eu conectar direto aqui, eu preciso tratar isso para que isso chegue realmente do outro lado e que aí sim eu tenha menor custo e melhor resultado do que a gente tinha até então. E aí, obviamente, que gera um pouco de ansiedade, o coração começa a dar ruim, a gente fica, quando eu estava na Califórnia, várias noites eu dormi muito mal e poucas eu dormi, porque eu ficava vendo isso e falei, caralho, mudou tudo, e por onde eu vou agora? E eu acho que aqui é o grande ponto disso tudo, eat your own food.

Experimentação e tempo para aprender

E qual é o paralelo? Eu poderia explicar para vocês como vocês vão fazer um risoto de camarão, eu vou explicar a receita, tudo bonitinho, o quanto vocês vão usar de tudo, mas vocês só vão aprender a fazer um risoto de camarão se vocês fizerem o risoto e comerem o risoto que vocês fizeram, que aí você vai, putz, mas não é bem assim o meu risoto, acho que eu tenho que mudar alguma coisinha aqui, e eu acho que esse camarão não é tão bom, deixa eu trocar e achar outro camarão. Então, o único jeito de a gente aprender não é fazendo, vou assistir uma live, vou entender, vou vir aqui nessa palestra, vou saber fazer tudo. Na prática, o tempo hoje é o nosso maior asset, a nossa maior característica e vantagem competitiva hoje é ter tempo para conseguir testar e iterar.

Então, a provocação é, vocês como executivos, vocês como lideranças de empresas, vocês vão ter que abrir agenda. Se não tiver nenhum horário, nenhum momento da semana para vocês pensarem sobre isso aqui e montarem lá o dia a dia de vocês, melhorar um processo de vocês com os agentes, provavelmente vai ser bem difícil disso acontecer. Essa palestra inteira, para vocês terem ideia, eu fiz ela 100% no Claude, sem tocar em nada, todas as animações, todo o branding dela, tudo, eu não toquei em nada, não cliquei em nada, eu só fui fazendo com ela.

E aí, o grande ponto, ela só é uma palestra boa, não porque eu pedi, Claude, tudo bom? Vou no Fashion Meeting, faz uma palestra de 30 minutos para mim de já. A palestra não ia ser boa, ela só é boa porque eu dei contexto, eu botei as 40 horas de gravação lá, eu coloquei lógica, qual é o meu tom de voz, quais são as proibições, qual é o meu brand book, regra, coloquei ações, como que escrevo esse roteiro, como monto o deck, organizei a lógica para ele, criei seguranças ali, então, eu não preciso ficar revisando tudo, eu tenho um agente que só revisa a palestra hoje, por exemplo. Então, a gente tem que organizar a nossa empresa para que a gente consiga ter um output de qualidade como essa palestra aqui.

Relatos de assistentes pessoais

Então, é um desafio. Por fim, uma coisa que eu gosto muito, eu recomendo muito, que eu acho que é um jeito muito bom de vocês começarem a olhar esse caminho agêntico, é usar o Grokbot. Alguém aqui já usa? Ninguém, né? Ó, Grokbot é uma forma muito boa, existem algumas outras, o próprio ChatGPT tem o DOT, o DOT também é um agente que você consegue usar para o seu ganho pessoal, então, vocês também podem olhar para o DOT.

Existem outras nos Estados Unidos que não chegaram aqui no Brasil, Meos, Instinct são outras, o Grok você pode usar aqui no Brasil. Então, o Grok, basicamente, ele é um assistente pessoal que você pode ir lá, entra no site Grokbot, faz lá, paga 30 dólares, tem que pagar para vocês conseguirem fazer uns assistentes. O que ele consegue fazer para vocês? Para mim, ele faz várias coisas.

Eu tenho vários agentes em cima dele. Eu tenho um Chief of Staff que ele vai lá, monta todas as pautas de reunião para mim, lê todas as minhas reuniões, antecipa quem são as pessoas que estão vindo, ele vê esse evento e me fala quais pessoas que eu preciso me conectar. Então, ele resume a minha vida.

O Chief of Social, por exemplo, ele cria todos os meus conteúdos para LinkedIn, Instagram. Chief of Engagement, se vocês comentam lá no meu Instagram, WhatsApp, para receber um material, ele que vai lá e pega isso e manda um relatório para vocês. Então, cada pessoa aqui, esses aqui são alguns que eu criei para mim.

Cada pessoa pode entrar lá no Grok e falar, poxa, eu sou da área financeira, eu quero que você comece a entender tudo que eu faço e me ajude a criar melhores relatórios. E aí ele vai te pedir, poxa, conecta teu Google Sheets, conecta tal coisa, conecta tal coisa. Ele vai pedir para você fazer várias conexões e a partir disso, ele começa a ser esse segundo, como se fosse um assistente seu e eu acho que isso vale muito a pena vocês testarem.

Agora que é feriado vindo, é um bom momento para brincar com o Grokbot. É uma coisa que, cara, custa muito pouco e vocês vão entender exatamente isso tudo que eu estou falando. Então, pessoal, super obrigado.

Encerramento e materiais anunciados

A ideia aqui é uma conversa rápida. Queria muito que vocês respondessem a esse NPS. O meu agente de palestras, ele adora saber se a gente foi bem ou não.

Então, respondam aí. E eu também sei que dá uma ansiedade e fica muitas vezes difícil de saber como fazer isso na prática. Então, eu estou montando um workshop mais hands-on disso, então um workshop presencial e outro que vai ser online para quem não estiver em São Paulo e eu vou divulgar ele na comunidade.

Eu tenho uma comunidade dentro do WhatsApp. Então, quem quiser… Bom, eu quero fazer um workshop para fazer IA para a minha empresa, entra lá. E eu criei também um material extra falando só sobre agentes para varejo.

Então, quem aqui tem e-commerce, quem aqui é varejista, me manda um oi no WhatsApp. Então, eu vou mandar pelo meu próprio WhatsApp, me dá um oi lá, que aí eu mando direto o material para vocês porque eu já publiquei isso na comunidade. Então, para quem quiser, só me dá um oi que eu compartilho lá.

Tá bom? Pessoal, superobrigado pelo tempo de vocês. Espero que vocês durmam bem, sem muita ansiedade e me procurem que a gente conversa mais. Beleza? Valeu, pessoal.

Notas sobre o registro

O registro contém expressões imprecisas como “cisteira de revenue”, “Valing” e a sigla “XMRs”. Elas foram mantidas sem completar seu sentido por inferência. A referência a RP, no exemplo da campanha, também foi preservada como aparece no texto.

Os nomes Grokbot, Grok, Meos, Instinct e DOT permanecem conforme o registro textual; sua grafia, identidade específica e disponibilidade não são certificadas por esta edição. As recomendações e o preço anunciado pertencem ao momento da exposição.

Os dados sobre volume de conversas, comportamento de buscas, pesquisa com empresas e faturamento por funcionário são referências apresentadas pelo expositor. O registro textual não fornece metodologia, amostra e período de comparação completos para todos eles.

O exemplo da campanha com 18% de desconto e limite de 15% ilustra um conflito entre resposta e regra de negócio. No material audiovisual, o conflito é identificado como exemplo de keynote do Dreamforce. Não é apresentado nesta edição como política de uma empresa participante do Festival.

As comparações entre estruturas de equipes e as classificações de risco dos usos de IA permanecem como exemplos e avaliações da palestra. Não foram ampliadas para previsões gerais de emprego, produtividade ou risco aplicáveis a todas as empresas.

A analogia da biblioteca e as explicações sobre busca, inferência e erro foram preservadas como parte da exposição. Esta edição não converte essas simplificações em comprovação técnica universal.

SOBRE ESTA PUBLICAÇÃO

JORNALISMO PARA ENTENDER O MERCADO EM MOVIMENTO.

A Fashion Meeting produz conteúdo editorial autoral a partir de repertório, apuração, experiência e diálogo com profissionais que participam das transformações do setor.

Zeen is a next generation WordPress theme. It’s powerful, beautifully designed and comes with everything you need to engage your visitors and increase conversions.

Zeen Subscribe
A customizable subscription slide-in box to promote your newsletter
[mc4wp_form id="314"]