Minha jornada na criação de produtos com IA

Nos últimos anos, a Inteligência Artificial deixou de ser um assunto restrito a pesquisadores, grandes empresas de tecnologia e profissionais altamente especializados. Ela passou a fazer parte da rotina de estudantes, desenvolvedores, empreendedores, profissionais de negócios e de pessoas que simplesmente querem encontrar maneiras melhores de resolver problemas.

É justamente nesse contexto que comecei minha jornada de aprendizado na área de tecnologia e, mais recentemente, no universo da criação de produtos com Inteligência Artificial.

Durante o bootcamp Riachuelo - Criando produtos com IA, da DIO, venho tendo contato com conceitos que vão muito além de simplesmente "conversar com uma IA". O programa aborda temas como Inteligência Artificial generativa, engenharia de prompts, agentes de IA, criação de SaaS, automações e desenvolvimento de produtos.

Uma das principais reflexões que estou levando dessa experiência é que existe uma diferença enorme entre usar Inteligência Artificial e pensar em como utilizar Inteligência Artificial para criar soluções.

E essa diferença muda bastante a nossa forma de enxergar tecnologia.

Chatbots, Copilotos e Agentes de IA: afinal, qual é a diferença?

Quando começamos a estudar Inteligência Artificial, é bastante comum colocar diferentes tecnologias dentro de uma mesma categoria.

"É tudo IA."

Embora isso não esteja completamente errado, essa visão simplificada pode dificultar a compreensão das possibilidades que temos à disposição.

Uma maneira interessante de começar é observar três conceitos: chatbots, copilotos e agentes de IA.

Chatbots: a conversa como interface

O chatbot talvez seja a forma mais conhecida de interação com Inteligência Artificial.

De maneira simplificada, podemos pensar nele como um sistema capaz de receber uma entrada do usuário e fornecer uma resposta.

Um chatbot pode ser utilizado para:

• responder perguntas frequentes;
• auxiliar clientes;
• consultar informações;
• orientar usuários;
• resumir conteúdos;
• gerar textos;
• apoiar processos de atendimento.

Um exemplo bastante simples seria um chatbot de uma loja virtual capaz de responder:

"Qual é o prazo de entrega para o meu endereço?"

A pessoa pergunta, o sistema interpreta a solicitação e fornece uma resposta.

É uma aplicação extremamente útil, mas podemos avançar um pouco mais.

Copilotos: a IA trabalhando ao nosso lado

O conceito de copiloto traz uma mudança interessante.

Em vez de simplesmente conversar com a IA, passamos a utilizá-la como uma assistente dentro de uma atividade que já estamos realizando.

Imagine uma pessoa desenvolvedora escrevendo código e utilizando IA para:

• sugerir uma função;
• explicar um erro;
• gerar testes;
• documentar um código;
• propor melhorias.

Nesse cenário, a IA não necessariamente executa todo o trabalho sozinha. Ela atua como uma parceira de produtividade.

Essa ideia pode ser aplicada a inúmeras profissões.

Um profissional de marketing pode utilizar um copiloto para analisar campanhas.

Um vendedor pode utilizá-lo para preparar uma abordagem comercial.

Uma pessoa analista pode utilizá-lo para interpretar dados.

Um estudante pode utilizá-lo para compreender um assunto complexo.

A grande mudança está na relação entre pessoa e tecnologia: a IA passa a trabalhar ao nosso lado.

Agentes de IA: quando a IA começa a executar tarefas

E então chegamos aos agentes.

Esse foi um dos conceitos que considero mais interessantes nessa jornada.

Um agente de IA não deve ser entendido simplesmente como "um chatbot mais inteligente".

De acordo com a documentação da OpenAI, agentes são sistemas capazes de executar tarefas de forma relativamente independente, utilizando um modelo de linguagem para controlar a execução de um fluxo e podendo utilizar ferramentas para interagir com sistemas externos.

De forma simplificada, podemos imaginar:

Usuário → Agente → Ferramentas → Ações → Resultado

Por exemplo, imagine um agente responsável por auxiliar um setor comercial.

Ele poderia:

1. receber uma solicitação;
2. interpretar o que o usuário deseja;
3. consultar informações;
4. utilizar uma ferramenta ou API;
5. analisar os dados encontrados;
6. executar uma ação permitida;
7. apresentar o resultado.

Isso começa a mudar completamente a maneira como pensamos em automação.

Não estamos mais falando apenas:

"A IA responde uma pergunta."

Estamos começando a pensar:

"A IA pode participar de um processo."

E essa mudança de perspectiva é extremamente importante para quem deseja criar produtos com IA.

Uma comparação rápida

TecnologiaPrincipal característicaExemploChatbotConversa e respondeAtendimento ao clienteCopilotoAuxilia uma pessoa em uma tarefaAuxílio à programaçãoAgente de IAExecuta etapas de um fluxo utilizando ferramentasConsultar dados, analisar informações e executar uma ação

É importante lembrar que essas categorias podem se sobrepor. Um produto pode ter uma interface de chatbot, funcionar como copiloto e, internamente, utilizar agentes para executar determinadas tarefas.

O mais importante não é decorar os nomes.

É entender qual arquitetura resolve melhor o problema que queremos solucionar.

Engenharia de Prompt: muito mais do que "saber perguntar"

Outro tema que chamou bastante minha atenção durante os estudos foi a engenharia de prompt.

No início, é fácil imaginar que prompt engineering significa simplesmente encontrar uma boa pergunta para fazer à IA.

Mas, à medida que avançamos, percebemos que o conceito é muito mais amplo.

A OpenAI define engenharia de prompt como o processo de criar e otimizar instruções para orientar eficazmente as respostas de um modelo de linguagem. Entre as recomendações estão clareza, especificidade, fornecimento de contexto e refinamento iterativo.

Na prática, um bom prompt precisa responder a perguntas como:

• O que quero que a IA faça?
• Qual contexto ela precisa conhecer?
• Para quem o resultado será produzido?
• Qual formato espero receber?
• Qual tom deve ser utilizado?
• Existem limitações ou regras?
• Como vou avaliar se o resultado está bom?

Isso muda completamente a nossa relação com a IA.

Um exemplo simples de evolução de prompt

Imagine que eu escreva:

"Crie um texto sobre vendas."

A IA provavelmente conseguirá produzir alguma coisa.

Mas será que é exatamente aquilo que eu preciso?

Agora podemos adicionar contexto:

"Atue como especialista em vendas B2B. Crie um texto de até 500 palavras para vendedores de materiais de construção, explicando cinco estratégias para aumentar o ticket médio. Utilize linguagem profissional, mas simples, apresente exemplos práticos e finalize com uma chamada para ação."

A segunda solicitação possui muito mais informações.

Temos:

Papel + objetivo + público + contexto + restrições + formato + resultado esperado.

E isso tende a produzir uma resposta muito mais próxima do que realmente desejamos.

O prompt perfeito não existe

Outra lição importante é não enxergar engenharia de prompt como uma fórmula mágica.

Na prática, muitas vezes criamos um prompt, analisamos o resultado, identificamos problemas e fazemos ajustes.

É um processo iterativo.

Prompt → Resultado → Avaliação → Ajuste → Novo resultado

Esse ciclo pode se repetir diversas vezes.

A própria documentação da OpenAI recomenda trabalhar de forma iterativa e ajustar os prompts com base nos resultados obtidos.

Essa ideia é muito importante porque também nos ensina algo sobre desenvolvimento de produtos:

a primeira versão raramente será a versão definitiva.

Isso vale para prompts, protótipos, interfaces, automações e produtos inteiros.

Do usuário de IA ao criador de soluções

Talvez essa seja uma das principais mudanças de mentalidade que estou percebendo durante essa jornada.

No começo, podemos utilizar IA para responder:

"Como faço isso?"

Depois começamos a perguntar:

"Como posso utilizar IA para fazer isso melhor?"

E posteriormente chegamos a uma pergunta ainda mais interessante:

"Como posso criar uma solução para que outras pessoas consigam resolver esse problema?"

É nesse ponto que começamos a sair do simples consumo de tecnologia e entrar no universo da criação de produtos.

Empreendedorismo digital na era da IA

Empreender digitalmente nunca significou necessariamente criar uma grande empresa ou desenvolver uma aplicação extremamente complexa.

Na minha visão, especialmente no contexto atual, pode começar com algo muito menor:

identificar um problema real e encontrar uma maneira melhor de resolvê-lo.

A Inteligência Artificial diminuiu algumas barreiras técnicas para quem deseja experimentar ideias.

Hoje, uma pessoa pode utilizar ferramentas de IA para:

• pesquisar um problema;
• gerar hipóteses;
• criar protótipos;
• desenvolver interfaces;
• escrever código;
• criar conteúdos;
• automatizar processos;
• analisar dados;
• testar diferentes soluções.

Isso não significa que empreender ficou fácil.

Significa que algumas etapas que antes exigiam muito tempo, conhecimento especializado ou equipes maiores podem ser aceleradas.

Comece pelo problema, não pela tecnologia

Existe uma armadilha interessante nesse novo cenário.

Como as ferramentas de IA são impressionantes, podemos ficar tentados a perguntar:

"O que eu consigo construir com essa ferramenta?"

Talvez uma pergunta melhor seja:

"Qual problema real eu consigo resolver utilizando essa ferramenta?"

Essa inversão é fundamental.

Imagine, por exemplo, que um pequeno comércio tenha dificuldade para acompanhar clientes que deixaram de comprar.

Uma possível solução poderia envolver:

Dados de clientes → análise por IA → identificação de clientes inativos → geração de prioridades → ação comercial

Perceba que a IA não é o produto necessariamente.

Ela pode ser parte da solução.

Essa distinção é importante para quem pretende empreender.

Uma possível jornada para transformar uma ideia em produto

Podemos pensar em um processo bastante simples:

1. Identifique um problema

Converse com pessoas.

Observe processos.

Pergunte onde existe desperdício de tempo, dinheiro ou informação.

2. Valide o problema

O problema realmente existe?

As pessoas se importam com ele?

Elas já utilizam alguma solução?

Estariam dispostas a pagar por uma alternativa melhor?

3. Pense na solução

Somente depois de compreender o problema devemos pensar na tecnologia.

4. Crie um MVP

MVP significa Minimum Viable Product, ou Produto Mínimo Viável.

A ideia não é construir tudo.

É construir o suficiente para testar a hipótese.

5. Colete feedback

Aqui entra uma habilidade que considero tão importante quanto conhecimento técnico:

saber ouvir.

Nem todo feedback será positivo.

Nem toda sugestão precisará ser implementada.

Mas críticas construtivas podem revelar problemas que não havíamos percebido.

6. Melhore continuamente

Produto é evolução.

A primeira versão é apenas o começo.

IA não substitui pensamento crítico

Existe também um ponto que considero essencial compartilhar.

Quanto mais poderosa a Inteligência Artificial se torna, mais importante fica a capacidade humana de avaliar o que ela produz.

Uma resposta bem escrita não significa necessariamente uma resposta correta.

Um código que funciona em determinado cenário não significa que seja seguro ou adequado para produção.

Uma análise convincente não significa que os dados utilizados estejam corretos.

Por isso, aprender IA também significa aprender a:

• questionar;
• validar;
• testar;
• comparar;
• revisar;
• identificar limitações;
• proteger informações sensíveis;
• manter supervisão humana quando necessário.

A própria OpenAI destaca a importância do julgamento humano mesmo no uso de agentes bem projetados, especialmente quando existe contexto mais amplo ou quando uma tarefa possui consequências relevantes.

O papel da comunidade no aprendizado

Outro aspecto que considero muito importante nessa jornada é a comunidade.

Tecnologia muda rapidamente.

Novas ferramentas aparecem.

Novos modelos são lançados.

Novas metodologias surgem.

Por isso, acredito que ninguém precisa ter todas as respostas para começar a compartilhar conhecimento.

Podemos compartilhar:

• aquilo que aprendemos;
• aquilo que funcionou;
• aquilo que não funcionou;
• erros que cometemos;
• soluções que encontramos;
• dúvidas que ainda temos.

E existe uma diferença enorme entre dizer:

"Eu sei tudo sobre esse assunto."

e dizer:

"Estou aprendendo sobre esse assunto e estas foram as descobertas que fiz até agora."

A segunda abordagem, para mim, é muito mais humana.

Algumas lições que estou levando dessa experiência

Se tivesse que resumir alguns dos principais aprendizados dessa etapa da jornada, destacaria:

💡 1. IA é ferramenta, não objetivo

O objetivo deve ser resolver problemas e gerar valor.

🧠 2. Bons resultados começam com boas instruções

Aprender engenharia de prompt melhora nossa capacidade de comunicar objetivos para os modelos.

🤖 3. Agentes ampliam as possibilidades

Eles permitem pensar em IA não apenas como uma ferramenta de respostas, mas como parte de fluxos de trabalho.

🚀 4. Começar pequeno é uma estratégia

Não precisamos criar o próximo grande aplicativo do mercado para começar.

Podemos resolver um problema específico para um grupo específico de pessoas.

🔄 5. Iteração faz parte do processo

Testar, errar, receber feedback e melhorar não significa fracasso.

Significa desenvolvimento.

🤝 6. Comunidade acelera aprendizado

Compartilhar conhecimento beneficia tanto quem recebe quanto quem ensina.

E onde pretendo chegar com esse aprendizado?

Ainda estou construindo minha jornada.

E talvez essa seja justamente a parte mais interessante.

Não acredito que aprender tecnologia seja chegar a um ponto em que finalmente podemos dizer:

"Agora eu sei tudo."

Quanto mais aprendemos, mais percebemos a quantidade de coisas que ainda podemos descobrir.

Para mim, estudar criação de produtos com IA representa justamente essa possibilidade de continuar evoluindo.

Quero entender melhor como transformar problemas reais em soluções digitais, experimentar novas ferramentas, desenvolver projetos e, principalmente, compartilhar aquilo que for aprendendo pelo caminho.

Se este artigo puder ajudar alguém que também está começando a estudar Inteligência Artificial, engenharia de prompt, agentes ou empreendedorismo digital, então ele já terá cumprido seu objetivo.

Para quem está começando

Se você está iniciando agora nessa área, minha sugestão é simples:

não espere saber tudo para começar a construir.

Escolha um problema pequeno.

Estude.

Experimente.

Faça perguntas.

Crie um protótipo.

Erre.

Peça feedback.

Melhore.

Compartilhe.

Depois escolha outro problema.

A tecnologia continuará evoluindo, mas uma habilidade continuará sendo extremamente valiosa:

a capacidade de aprender continuamente e transformar conhecimento em soluções.

E talvez essa seja uma das maiores oportunidades que a Inteligência Artificial está trazendo.

Não apenas a possibilidade de utilizar máquinas mais inteligentes, mas a possibilidade de permitir que mais pessoas se tornem criadoras de soluções.

📚 Referências e materiais para continuar estudando

DIO — Bootcamp Riachuelo: Criando produtos com IA

Conteúdos sobre IA generativa, engenharia de prompts, agentes de IA, criação de SaaS, automações e projetos práticos.

OpenAI — Práticas recomendadas de engenharia de prompt

Material sobre criação, clareza, contexto e refinamento de prompts.

OpenAI — Como criar um bom prompt para um modelo de IA

Boas práticas para estruturar solicitações e trabalhar de forma iterativa.

OpenAI — Guia prático para construção de agentes

Material técnico sobre agentes, ferramentas, instruções, orquestração e guardrails.

🚀 E essa jornada está apenas começando

Aprender Inteligência Artificial não significa apenas aprender a utilizar uma nova tecnologia.

Significa aprender uma nova maneira de pensar, experimentar, resolver problemas e criar.

Ainda tenho muito a aprender.

Mas uma coisa já ficou clara para mim durante essa jornada:

O futuro da tecnologia não será construído apenas por quem conhece as ferramentas. Será construído por quem consegue enxergar problemas, aprender continuamente e transformar conhecimento em soluções que geram valor.

E é exatamente isso que pretendo continuar fazendo: aprendendo, construindo e compartilhando.