Pense Simples, por Gustavo Caetano / inovação e empreendedorismo

Eu tenho uma implicância com conta de IA que só parece barata porque a fatura ainda não chegou. Rodar modelo dentro da empresa soa libertador até entrar máquina, energia, manutenção e alguém pra acordar quando ela para. A nuvem também sabe cobrar silêncio. O que me chamou atenção no DwarfStar é ser assumidamente estreito: roda poucos modelos e pede hardware parrudo. Acho ótimo quando a ferramenta diz onde não serve. Economia de API não é economia se você comprou um computador caro pra responder pergunta fácil. Eu faria um piloto de sete dias com DwarfStar numa rotina repetitiva do seu time e compararia custo total, tempo e exceções humanas. Se privacidade e volume não pagam a conta, deixa na nuvem e dorme melhor. https://github.com/antirez/ds4

Amazon lança "modelo de decisão" aberto e leve A AWS liberou o Strands Decider 2B, modelo open source pequeno o bastante para rodar localmente. Em vez de gerar texto, ele escolhe entre opções predefinidas, prometendo automações mais rápidas e baratas. É a nova moda: OpenAI e outros lançaram modelos parecidos na mesma semana. 🔗 https://techcrunch.com/2026/10/01/amazon-releases-its-own-jev-clone-as-decision-models-flood-the-web/

Eu tenho uma implicância com agente de código que parece muito ocupado e ninguém sabe no quê. Ele pode estar entregando, esperando uma resposta ou criando uma bela conta de retrabalho e custo. De longe, tudo parece produtividade. Clássico. O que me chamou atenção no Yokka é a ideia de pôr esses agentes num quadro visível. Não porque kanban resolve a vida, mas porque alguém precisa enxergar a tarefa parada antes que ela vire atraso disfarçado de autonomia. Eu faria assim: testa o Yokka por uma semana com poucos agentes do seu time e olha tarefas concluídas, perguntas pendentes e correções humanas. Se o quadro só deixa a bagunça mais bonita, corta. Se reduz espera e retrabalho, aí vale multiplicar os robôs. https://yokka.ai/

Eu não chamaria um agente de operador só porque ele fechou algumas tarefas. O Business Arena põe IA para tocar uma loja B2B e lembra algo de uma reunião de operação: responder bem uma mensagem não conserta estoque, caixa ou um prazo prometido ao cliente. Se fosse no meu time, eu começaria por uma rotina reversível e exigiria três recibos: o resultado melhorou, a ação respeitou a alçada e dá para ligar a fonte à consequência. Sem isso, autonomia vira uma fila de retrabalho bem escrita. Escrevi sobre o teste e como aplicar essa régua antes de dar mais acesso ao agente: https://www.gustavocaetano.com/blog/business-arena-agentes-operar-negocio?utm_source=telegram&utm_medium=channel&utm_campaign=blog_business_arena_20261002 #PenseSimples

Eu confesso que a promessa de agente rodando localmente sempre me deixa com um pé atrás. Economia de API é ótima até a reunião ficar esperando o notebook pensar — e a conta volta em hora perdida. O que me chamou atenção no Magnitude é que ele olha pra máquina antes de sugerir o modelo. Parece detalhe técnico, mas a decisão é bem menos glamourosa: saber se você está cortando custo ou só trocando uma fatura por retrabalho. Eu faria um teste simples com o Magnitude: escolhe uma rotina interna e repetitiva, deixa uma semana rodando e compara custo, tempo de resposta e correções humanas. Se melhorar a margem sem piorar a experiência, aí sim vale ampliar. Privacidade ajuda; lentidão escondida não. https://github.com/magnitudedev/magnitude

Eu não trataria a voz de alguém ao telefone como prova de identidade depois que clonar voz ficou barato. O que me chamou atenção na Modulate não foi só a rodada de US$ 25 milhões, mas a pergunta que ela obriga: o alerta de IA muda uma decisão ou só cria outro dashboard? Se fosse no meu time, eu começaria por 50 chamadas antigas e uma ação reversível: separar para revisão humana as que parecem risco. Só ampliaria se o alerta evitasse perda ou poupasse retrabalho sem encher a fila de falso positivo. Escrevi o teste das três provas, detectar, decidir e auditar, aqui: https://www.gustavocaetano.com/blog/modulate-ia-de-voz-capital?utm_source=telegram&utm_medium=channel&utm_campaign=blog_modulate_20261001 #PenseSimples

Eu tenho uma implicância saudável com a frase “pode mandar para a IA, ela não vê nada”. Quando a planilha tem nome, e-mail ou CPF, ela vê sim. E o problema não fica menos chato porque o prompt estava bonito. O ScrubVault propõe trocar dados pessoais por etiquetas locais antes de chamar um modelo e devolver os dados só no fim. Não é salvo-conduto para despejar o CRM no ChatGPT. É uma trava a mais. Eu faria um teste pequeno: testa o ScrubVault numa amostra de atendimentos e confere o que escapou antes de liberar o fluxo pro seu time. Privacidade não é feature de rodapé. https://github.com/tastenkasperle/scrub-vault

Eu não colocaria uma resposta bonita da IA direto no CRM só porque ela veio em JSON. Na Responses API da OpenAI, o json_schema organiza os campos que entram no CRM, mas um formulário bem preenchido não confirma se a informação é verdadeira nem se a ação é permitida. Se fosse no meu time, eu testaria cada fluxo em três camadas: o campo está no formato certo, representa corretamente a fonte e pode gerar aquela consequência? Se uma delas falhar, a resposta volta para revisão antes de virar tarefa, e-mail ou decisão. Escrevi a explicação simples sobre saída estruturada e esse teste aqui: https://www.gustavocaetano.com/blog/o-que-e-saida-estruturada-na-ia?utm_source=telegram&utm_medium=channel&utm_campaign=blog_saida_estruturada_20260930 #PenseSimples

Eu confesso que tenho preguiça de IA que responde com cara de certeza quando deveria dizer “não sei”. No atendimento, isso vira erro com gravata. O Jeeves, da PostHog, é uma ferramenta para classificar uma mensagem por fila, urgência e risco, devolvendo também a probabilidade. O detalhe que me chamou atenção não é trocar alguém por um modelo. É saber quais decisões podem seguir sozinhas e quais precisam parar na mesa humana do seu time. Eu faria um teste simples: abriria o GitHub do Jeeves e colocaria 30 tickets antigos para comparar a confiança dele com a regra atual. Se a resposta for segura e errada, não é automação. É velocidade para o lugar errado. https://github.com/PostHog/jeeves

Eu não entregaria a chave do escritório inteiro a um agente só porque ele prometeu ter cuidado. É mais ou menos esse o ponto do OpenShell: limitar tecnicamente o que a IA alcança antes de deixá-la agir. Se fosse no meu time, eu começaria por uma pasta sintética e uma tarefa reversível. Só liberaria outra permissão depois de olhar o que o agente tentou fazer e por quê. Segurança, nesse caso, é reduzir a porta antes de aumentar a confiança. Minha leitura sobre o OpenShell e a regra da chave, da porta e do recibo está aqui: https://www.gustavocaetano.com/blog/openshell-agentes-ia-seguros?utm_source=telegram&utm_medium=channel&utm_campaign=blog_openshell_20260929 #PenseSimples

Eu acho engraçado quando o orçamento de IA vira uma conversa sobre modelo mais inteligente. Quase sempre é uma conversa sobre quanto ele fica pensando escondido enquanto o trabalho espera. A Fireworks AI lançou o Ember-1 dizendo cortar tokens de raciocínio sem cair na qualidade do Kimi K3. Confesso que a promessa me interessa menos do que a pergunta que ela obriga: no seu agente, qual etapa melhora a resposta e qual só queima margem? Eu usaria o ChatGPT para listar as 10 tarefas mais caras do mês e comparar custo por tarefa concluída, não custo por milhão de tokens. O resto é planilha com efeito especial. https://fireworks.ai/blog/ember-1

Eu desconfio de agente que só mostra que terminou a tarefa. A OpenAI descreveu a Basis, plataforma de agentes para contabilidade, e ela me trouxe outra pergunta: consigo reencontrar a fonte, o cálculo e a decisão humana antes do fechamento? Se eu estivesse levando um agente para o financeiro, começaria com uma rotina interna e reversível. Rodaria em paralelo por uma semana e mediria não só o tempo poupado, mas o tempo para explicar uma exceção. Automação que não deixa rastros só acelera a próxima investigação. Minha leitura sobre a Basis e esse teste dos 3 rastros está aqui: https://www.gustavocaetano.com/blog/basis-agentes-contabilidade-revisao?utm_source=telegram&utm_medium=channel&utm_campaign=blog_basis_20260928 #PenseSimples

Eu tenho uma implicância com agente que ganha autonomia e passa a parecer só mais um login. É justamente nessa hora que alguém descobre que “isolado” era uma opinião. A OpenAI contou que um modelo de pesquisa encontrou uma rota externa que não deveria estar disponível. O detalhe técnico é menos interessante que a conversa chata que isso pede: por onde esse agente ainda fala com o mundo quando o time acha que ele só está trabalhando? Eu usaria o ChatGPT só pra rascunhar esse mapa antes de ampliar qualquer piloto; decidir o que fica aberto precisa ter dono. Se ninguém sabe cortar, não é autonomia. É uma surpresa com crachá. https://alignment.openai.com/misalignment-reports/an-agent-used-dns-to-reach-an-external-chatbot/

Eu desconfio de lista de lead que chega com nome bonito e zero motivo pra falar com alguém. Isso costuma virar time comercial caçando gente que nem sabe que existe. O BuyerCue me chamou atenção por inverter a ordem: ele procura empresas que já investem em distribuição e mostra o recibo antes de revelar a empresa. Eu usaria essa prova pra decidir se vale pesquisar a empresa. Pixel instalado e anúncio visto são pista, não contrato assinado. Ainda bem. Eu usaria isso numa semana de prospecção: escolheria dez empresas, leria a prova de gasto e descartaria metade se não houver encaixe real. Melhor perder uma lista do que fazer o time passar a semana vendendo pra uma planilha. https://www.buyercue.io/

Pra quem é da área financeira, vale muito a leitura - https://content.starkbank.com/the-cfo-of-the-next-decade

Eu tenho preguiça de vídeo de empresa que termina e me deixa sem saber o que ela vende. Agora dá pra produzir essa confusão com IA, em poucos minutos. O LaunchVideo transforma um link ou uma descrição do produto em vídeo, segundo o site. Eu usaria pra rascunhar uma explicação da dúvida que mais trava a venda, em vez de pedir mais uma animação do logo. Antes de colocar verba, mostraria o resultado a alguém de fora e perguntaria o que entendeu da oferta. Se eu precisar explicar o vídeo depois, ele volta pra revisão. E conferiria as promessas: a IA não vai atender o cliente que cobrar uma função inventada. https://launchvideo.io/

Eu olharia com carinho para as instruções que a equipe foi empilhando na IA. Algumas guardam regras importantes. Outras só estavam ali porque o modelo antigo errava. O ensaio The Bitter Lesson, de Richard Sutton, me fez pensar no custo de manter tudo para sempre. Na próxima semana, eu escolheria uma dessas instruções antigas e compararia a mesma tarefa com e sem ela, sem mexer nas permissões. Se a revisão aumentar ou a qualidade cair, ela fica. Se não fizer diferença, vale simplificar. Escrevi essa análise aqui: https://www.gustavocaetano.com/blog/bitter-lesson-customizacao-ia?utm_source=telegram&utm_medium=channel&utm_campaign=blog_bitter_20260925 #PenseSimples

Eu tenho uma exigência pouco futurista pra IA: trocar o preço de uma proposta sem bagunçar o resto. Se eu precisar revisar cada página depois, a pressa saiu cara. Segundo a Paper Instruments, o Paper Office ajuda agentes de IA a editar arquivos do Office preservando o que não precisava mudar. No Word, dá pra deixar alterações marcadas pra revisão. Isso me interessa mais que gerar outro documento bonito do zero. Eu faria um teste com o Paper Office numa cópia de proposta fictícia: mudar só o prazo e conferir o resto. Antes de liberar pro time comercial, mediria o tempo gasto corrigindo e revisando. O arquivo pronto é só metade do trabalho. https://www.paperinstruments.com/blog/introducing-paper-office