Onboarding da IA

In partnership with

Pay for Results, Stop Paying for Traffic

Are you spending marketing dollars on clicks that never turn into sales?

For many Amazon sellers, the issue isn’t traffic – it’s paying upfront for results that never come.

Levanta helps Amazon brands shift from ad spend to performance-based affiliate marketing, so you only pay when a sale happens. Sellers can easily track performance, automate payouts, and work with creators who already drive real buying intent.

Qualified brands will receive a $100 DoorDash or Uber Eats gift card when they book a Levanta demo.

Book your demo today to scale an affiliate program that actually converts.

Book a Demo

Acima temos o anunciante da News dessa semana 🚀 Se puder, clique no link do anunciante acima para deixar seu apoio (é grátis!) ❤️

Um engenheiro da OpenAI quebrou o pulso. Não podia mais digitar.

A solução óbvia seria parar de trabalhar. Mas ele fez o oposto: passou a trabalhar mais — usando apenas a voz para comandar agentes de IA.

O resultado? Produtividade maior do que quando tinha as duas mãos.

O segredo não estava na tecnologia. Estava em como ele tratava o agente.

Enquanto a maioria de nós digita comandos como se falasse com uma máquina ("faça X", "corrija Y", "implemente Z"), ele começou a tratar o agente como um novo funcionário. Deu contexto. Explicou o projeto. Deixou espaço para o agente pesquisar antes de agir.

Isso tem um nome: onboarding.

E é a diferença entre usar IA como um Google glorificado e usar IA como um parceiro produtivo.

1️⃣ O Paradoxo do Onboarding

Quando contratamos alguém, ninguém espera que a pessoa produza no primeiro dia.

Você apresenta a empresa. Explica como as coisas funcionam. Mostra onde encontrar informações. Dá tempo para a pessoa entender o contexto antes de pedir entregas.

Mas quando abrimos o ChatGPT ou o Cursor? Exigimos perfeição imediata.

• "Escreva o código."

• "Refatore isso."

• "Corrija o bug."

• "Faz funcionar…”

E quando o resultado não sai perfeito, culpamos a ferramenta. "Essa IA não serve." "Preciso de um prompt melhor."

O problema não é o prompt. É a expectativa.

Tratamos IA como máquinas que precisam de instruções perfeitas. Mas os melhores resultados vêm quando tratamos como pessoas que precisam de contexto e autonomia.

A diferença prática:

Você não dá um ticket para um funcionário novo e espera que ele entregue sem saber nada sobre a empresa. Por que fazer isso com IA?

2️⃣ A Morte do IDE / A Ascensão do Agente

Lee Robinson, VP de Produto no Vercel, revelou um dado que mudou como eu penso sobre o futuro do trabalho:

"Alguns desenvolvedores no Cursor passam 90% do tempo conversando com o agente e 10% escrevendo código diretamente."

Leia de novo. 90% conversando. 10% codando.

Isso não é usar IA como autocomplete. É uma mudança fundamental no que significa ser desenvolvedor.

O trabalho está migrando de "escrever código" para "orquestrar agentes".

E isso exige habilidades diferentes:

• Saber dar contexto claro

• Saber quando intervir e quando deixar rodar

• Saber revisar output em vez de criar do zero

• Saber criar ambientes onde agentes podem operar

A maioria de nós foi treinada para a primeira realidade. Escrever código com as próprias mãos. Dominar sintaxe. Memorizar APIs.

A nova realidade exige algo diferente: saber delegar.

E delegação começa com onboarding.

3️⃣ O context.md — Seu Manual do Funcionário

Nos melhores fluxos de trabalho com agentes, existe um padrão que aparece repetidamente: um arquivo que o agente lê no início de cada sessão.

Pode ter vários nomes: CLAUDE.md, context.md, AGENTS.md. Mas a estrutura é similar:

# Contexto do Projeto
## Quem Você É
Você é um assistente de desenvolvimento para [nome do projeto].
Seu objetivo é ajudar a implementar features seguindo os padrões estabelecidos.
## Sobre o Projeto
[Descrição breve do que o projeto faz]
[Stack tecnológica]
[Arquitetura geral]
## Estado Atual
[O que foi feito recentemente]
[O que está em andamento]
[Próximos passos planejados]
## Regras de Comportamento
- Sempre pesquise o codebase antes de implementar
- Siga os padrões existentes, não invente novos
- Pergunte se algo não estiver claro
- Teste suas mudanças antes de declarar concluído

Por que isso funciona? Porque resolve os três problemas que matam produtividade com IA:

1. Contexto perdido entre sessões — O arquivo persiste, então você não precisa re-explicar tudo

2. Inconsistência de abordagem — As regras estão documentadas, não implícitas

3. Falta de autonomia — O agente sabe o que pode fazer sem perguntar

É literalmente o onboarding que você daria para um funcionário novo. Só que em formato de arquivo.

4️⃣ Model Selection > Prompt Engineering

Uma das lições mais contraintuitivas que emergiram dos últimos meses:

Escolher o modelo certo importa mais que "truques de prompt".

A era do "vou te pagar $1000 se você fizer isso" acabou. Não é manipulação emocional que faz a diferença.

O que faz diferença:

• Usar o modelo apropriado para a tarefa (Claude Sonnet para código, Opus para raciocínio complexo)

• Dar contexto estruturado, não prompts mirabolantes

• Criar loops de feedback onde o agente pode iterar

Sam Whitmore, que construiu pipelines de agentes no Cursor, revelou que as melhores práticas são surpreendentemente simples:

1. Seja direto — Não enrole, diga o que quer

2. Dê exemplos — Mostre o padrão esperado

3. Permita iteração — Deixe o agente tentar, errar, corrigir

Não é engenharia de prompt. É comunicação clara. A mesma coisa que funciona com pessoas.

5️⃣ A Ralph Wiggum Technique

Geoffrey Huntley cunhou um termo que captura algo importante sobre como agentes funcionam melhor:

"Deixe o Ralph ser Ralph."

A referência é ao personagem dos Simpsons — meio atrapalhado, às vezes confuso, mas que eventualmente chega lá.

A técnica: em vez de tentar microgerenciar cada passo do agente, crie loops onde ele pode se auto-corrigir.

Ciclo tradicional:
1. Você dá comando
2. Agente executa
3. Você identifica erro
4. Você corrige manualmente
5. Repete
Ralph Wiggum Technique:
1. Você dá objetivo + critérios de sucesso
2. Agente executa
3. Agente verifica se atingiu critérios
4. Se não, agente tenta novamente
5. Só intervém se travar

A filosofia por trás: eventual consistency through iteration.

O agente não precisa acertar de primeira. Precisa ter liberdade para tentar de novo. E de novo. Até funcionar.

Isso exige duas coisas de você:

1. Paciência para deixar rodar

2. Critérios claros de sucesso

E isso nos traz de volta ao onboarding: se o agente sabe o que significa sucesso, ele pode buscar sozinho. Se não sabe, fica perguntando a cada passo.

6️⃣ As 5 Infras que IA Não Pode Substituir

Tina He, fundadora do fundo Sisu Capital, apresentou uma tese provocativa sobre onde está o valor real na era da IA.

O argumento: enquanto todo mundo corre para construir "IA para X", os negócios mais valiosos serão os enablers — a infraestrutura que permite que IA funcione.

As cinco categorias:

1. Knowledge Compounders

Sistemas que agregam conhecimento de forma que IA pode usar. Bases de dados estruturados. Documentação bem organizada. APIs consistentes.

2. Workflow Commons

Padrões compartilhados de como trabalho flui. Protocolos de comunicação entre sistemas. O "Model Context Protocol" da Anthropic é um exemplo.

3. Reality Gatekeepers

Sistemas que validam o mundo real. Verificação de identidade. Confirmação de transações. A IA pode processar, mas alguém precisa confirmar.

4. Marketplaces

Plataformas que conectam oferta e demanda. Agentes vão precisar de lugares para encontrar serviços, ferramentas, dados.

5. Vertical Transformation

Especialização profunda em domínios específicos. Não "IA genérica", mas "IA que entende medicina" ou "IA que entende jurídico".

A lição para quem está construindo: pense em qual infra você pode ser.

Você pode tentar competir com a OpenAI fazendo mais um chatbot. Ou pode construir algo que chatbots precisam para funcionar bem.

O onboarding de agentes, por exemplo, é uma oportunidade de infra. Quem resolve a persistência de contexto entre sessões? Quem cria os padrões de como projetos são documentados para agentes?

🔮 A Mudança de Mindset

A transição de "dar comandos" para "fazer onboarding" não é apenas uma técnica. É uma mudança de modelo mental.

Comandos assumem que você sabe exatamente o que precisa ser feito e só precisa comunicar.

Onboarding assume que existe um processo de descoberta, alinhamento e autonomia que precisa acontecer antes da execução.

O primeiro funciona para tarefas simples e bem definidas.

O segundo funciona para trabalho complexo, ambíguo, que exige julgamento.

E cada vez mais do trabalho real está na segunda categoria.

O engenheiro da OpenAI que quebrou o pulso não descobriu um truque. Ele descobriu que, quando você trata IA como colega em vez de ferramenta, as possibilidades se expandem.

O melhor prompt não é um comando perfeito. É o contexto que você criou antes de qualquer comando.

📚 Conteúdos Recomendados

📹 Vídeo: The beginner's guide to coding with Cursor | Lee Robinson (Head of AI education) - Como desenvolvedores de elite estão usando agentes no Cursor.

📄 Artigo: The Ralph Wiggum Technique — Geoffrey Huntley - A filosofia de deixar agentes iterarem até acertar.

📄 Artigo: Boring Businesses in the Age of AI — Tina He - Onde está o valor real quando IA commoditiza tudo.

Forte abraço,

Equipe Olympus