Imagine uma equipa que passa uma manhã numa formação sobre inteligência artificial. Aprende a resumir documentos, melhora alguns pedidos ao modelo e guarda uma lista de ferramentas. Na segunda-feira seguinte, o trabalho volta a entrar pelo email, os ficheiros continuam espalhados e cada pessoa usa aquilo de que se lembra.
A formação pode ter sido interessante. O problema é que nunca recebeu um lugar concreto dentro da operação.
A 2 de outubro de 2026, a Anthropic anunciou um compromisso de 100 milhões de dólares para formar 10.000 Frontier Deployed Engineers até ao fim de 2027. O desenho do programa é mais útil para uma PME do que a escala do anúncio: cada participante chega com um projecto Claude já identificado, treina sobre uma implementação empresarial simulada e, depois, passa doze semanas a liderar um caso real na sua organização.
Os primeiros grupos são por nomeação e decorrem em São Francisco, Nova Iorque e Londres. Não é um curso aberto para pequenos negócios, nem existem ainda resultados finais que provem o impacto do programa. Mas a estrutura torna explícita uma ideia que muitas formações ignoram: aprender IA sem um trabalho real para melhorar produz conhecimento difícil de transferir.
Dê nome ao trabalho antes de escolher a formação
“A equipa precisa de aprender IA” é demasiado vago. Pode significar escrever melhor, analisar dados, programar, organizar conhecimento, atender clientes ou redesenhar um processo inteiro.
Uma preparação mais útil começa por uma frase operacional:
queremos reduzir o tempo de triagem dos pedidos de orçamento, sem enviar respostas automáticas nem alterar preços
A frase já contém um trabalho, um resultado desejado e dois limites. Também ajuda a escolher quem deve participar. Talvez não seja necessária toda a empresa. Pode bastar a pessoa que conhece o processo, alguém capaz de configurar a experiência e quem responde pela qualidade final.
O projecto nomeado evita que a aprendizagem fique dependente da memória de cada participante. Tudo o que se aprende é imediatamente confrontado com o mesmo problema.
Leve casos reais, incluindo os desconfortáveis
Uma demonstração costuma escolher o exemplo em que a tecnologia parece clara. O trabalho real contém PDFs mal digitalizados, mensagens incompletas, produtos com nomes parecidos, pedidos urgentes, excepções e informação contraditória.
Reúna vinte casos recentes e retire dados pessoais quando possível. Não seleccione apenas os mais limpos. Inclua:
- pedidos completos e incompletos;
- formatos diferentes;
- situações que exigiram uma pergunta adicional;
- casos em que duas pessoas tomaram decisões diferentes;
- excepções que não devem ser automatizadas.
Esta pequena amostra não demonstra desempenho universal. Serve para ensinar a equipa a reconhecer onde a IA ajuda, onde precisa de contexto e onde deve parar.
Comece em modo de observação
Formação aplicada não precisa de começar por ligar um agente ao CRM ou permitir que envie mensagens. Pode começar com uma cópia segura do trabalho.
Num processo de pedidos de orçamento, a primeira versão pode apenas:
- identificar cliente, produtos e quantidades;
- assinalar campos em falta;
- separar informação explícita de inferências;
- propor a próxima pergunta;
- entregar tudo a uma pessoa, sem executar qualquer alteração.
A equipa compara a análise com aquilo que faria normalmente. Cada correcção passa a ser material de aprendizagem. Se o sistema confunde uma referência de produto, descobre-se se falta um exemplo, uma fonte aprovada ou uma regra. Se duas pessoas discordam, talvez a política interna ainda não esteja clara.
O objectivo desta fase não é mostrar autonomia. É transformar conhecimento implícito em critérios que podem ser explicados e testados.
O conteúdo da formação deve atravessar o processo inteiro
Saber escrever um bom pedido ao modelo é útil, mas insuficiente. Quem vai conduzir IA dentro de uma empresa precisa de compreender pelo menos quatro partes do trabalho:
- processo: de onde chega a tarefa, quem decide e o que significa concluída;
- informação: que fontes são válidas, que dados são sensíveis e que versão prevalece;
- avaliação: como distinguir uma resposta aceitável de uma resposta apenas convincente;
- implementação: que passos podem ser preparados, executados ou encaminhados, com que registo e possibilidade de reversão.
O programa anunciado pela Anthropic percorre escolha do caso, revisão de segurança, implementação e passagem do sistema para a organização. Essa sequência importa. Uma experiência que funciona na sala pode falhar quando encontra permissões, dados incompletos, responsabilidade e pessoas que precisam de confiar no resultado.
Um ciclo de catorze dias é suficiente para aprender alguma coisa útil
| Período | Trabalho | Evidência |
|---|---|---|
| Dia 1 | Descrever o processo, o resultado e os limites | Uma ficha de processo aprovada |
| Dias 2–5 | Reunir e classificar vinte casos | Amostra com casos normais e excepções |
| Dias 6–10 | Testar duas configurações em modo de observação | Saídas, correcções e tipos de erro |
| Dias 11–14 | Rever regras e decidir o próximo nível | Continuar, limitar, integrar ou parar |
O prazo não serve para prometer uma transformação em duas semanas. Serve para impedir que a formação termine sem contacto suficiente com o trabalho. No fim, a empresa deve saber mais sobre o processo, mesmo que decida não avançar com a tecnologia.
Meça capacidade, não presença
Número de participantes, horas de aula e certificados dizem que a actividade aconteceu. Não mostram se a empresa ganhou capacidade.
Para o caso de triagem, registe:
- percentagem de casos correctamente estruturados;
- resultados aceites sem alteração;
- minutos de revisão por caso;
- campos em falta detectados;
- erros que poderiam produzir uma consequência;
- situações correctamente encaminhadas para uma pessoa.
Compare com a linha de base dos mesmos tipos de pedido. Se a equipa consegue repetir o método, explicar os limites e reconhecer uma excepção, existe aprendizagem operacional. Se apenas reproduz uma demonstração preparada pelo formador, a capacidade ainda não ficou na empresa.
O primeiro resultado pode ser uma decisão de não automatizar
Há processos com pouco volume, regras instáveis ou consequências demasiado sensíveis. Há também problemas que se resolvem melhor ao eliminar um ficheiro duplicado, definir uma fonte oficial ou criar um formulário mais claro.
Uma formação séria deve permitir concluir que a IA não é o próximo passo. Essa decisão evita uma integração desnecessária e deixa um processo mais compreensível. A maturidade não se mede pelo número de ferramentas instaladas.
Próximo passo
Escolha um processo que aconteça todas as semanas e complete uma página antes de procurar um curso. Pode usar a ficha de processo pública do Negócio Digital na Prática. O kit completo continua com compras em preparação; a ficha é pública e pode ser usada agora.
Depois, consulte como medir a fricção antes de comprar outra ferramenta e como escolher um modelo por custo, risco e facilidade de revisão.