A parte mais importante de usar IA acontece antes de abrir o chat
Fluencia em IA 2/5: Delegação é o primeiro dos 4Ds da fluência em IA, e começa com uma decisão que a maioria das pessoas pula sem perceber.
Toda semana aparece no meu feed alguém anunciando o novo agente de IA que criou pra resolver algum problema do dia a dia.
Outro dia vi um caso curioso: o cara montou um agente pra acessar os e-mails dele pelo WhatsApp. Uma solução interessante, para CEOs e outros executivos que lidam com muitos e-mails.
Só que quando você pára pra olhar com calma, nota que para a maioria das pessoas, essa solução não resolve muita coisa. No caso, ele acabou trocando uma tarefa simples por uma solução complicada e mais cara.
Esse tipo de caso tem aparecido cada vez mais e revela algo interessante sobre como a gente está se relacionando com IA nesse momento: na pressa de mostrar que está usando a ferramenta, muita gente começou a pular a etapa mais importante de todas, que é decidir o que realmente faz sentido delegar pra IA e o que é melhor continuar fazendo do seu jeito.
E é aí que entra a Delegação, o primeiro dos 4Ds do framework de fluência em IA que apresentei na edição passada. Ela começa antes de abrir qualquer chat, antes de escolher uma ferramenta, antes até de pensar em prompt.
A Delegação é o momento em que você decide o que vai pra IA, o que fica com você, e o que vocês fazem juntos.
Parece óbvio, mas é justamente nessa primeira etapa que a maior parte das pessoas patina ao usar IA e nem percebe, mas o resultado aparece depois, em horas gastas corrigindo algo que nem precisava ter sido delegado, ou em entregas que ficaram aquém do que você faria sozinho.
Pega teu café e vem comigo, porque hoje vamos destrinchar os três componentes que fazem a Delegação funcionar na prática, e vamos ver como quem usa IA com mais maturidade toma essas decisões de um jeito diferente de quem está começando agora.
Conversas no Corredor é uma newsletter onde compartilho conselhos diretos e práticos que eu gostaria de ter ouvido durante um café. Meu objetivo é ajudar profissionais que sentem falta de um líder para recorrer quando o assunto é crescer, seja na carreira ou no negócio.
Se inscreva na newsletter, curta e compartilhe esse conteúdo com sua rede para criarmos cada vez mais conversas como essa!
O que é Delegação, segundo o framework
O framework da Anthropic Academy define Delegação como o ato de decidir, de forma consciente, qual trabalho é apropriado você fazer sozinho, qual é apropriado a IA fazer, e qual faz sentido vocês fazerem juntos. E, além disso, como distribuir essas tarefas da melhor forma.
Repare que o objetivo não é automatizar tudo o que é automatizável. Na verdade, é criar a parceria mais eficaz entre você e a IA para cada contexto. Em alguns casos, a melhor delegação é não delegar nada, porque o valor da tarefa está justamente no fato de você pensar nela sozinho.
Para chegar nessa decisão com clareza, a Delegação se apoia em três componentes que funcionam em sequência: Problem Awareness, Platform Awareness e Task Delegation.
Problem Awareness: entender o problema antes de chamar a IA
Problem Awareness é a consciência do que você está tentando resolver antes de envolver qualquer IA na jogada. Parece básico, mas é onde quase todo mundo tropeça.
O padrão mais comum que eu vejo é a pessoa abrir o chat e digitar algo como “me ajuda a criar uma apresentação sobre X” ou “escreve um e-mail pro cliente Y”.
A IA responde rápido, a pessoa acha que economizou tempo, mas quando vai usar o resultado percebe que não é exatamente aquilo que precisava. Aí volta, ajusta, refaz, e no final gastou mais energia do que se tivesse parado cinco minutos para pensar no problema antes de começar.
Problem Awareness é essa pausa. Antes de pedir qualquer coisa, você se pergunta: o que eu estou tentando fazer, de verdade? Qual é o resultado que eu quero? Quem vai usar isso depois e o que essa pessoa espera? Quais são os critérios que vão definir se a entrega ficou boa?
Voltando ao caso do agente de e-mail pelo WhatsApp, se o cara tivesse começado perguntando a si mesmo qual era o problema real, provavelmente teria percebido que o verdadeiro problema era outro: “quero ser mais produtivo com e-mails”.
A solução para esse problema passa longe de construir um agente, poderia ser simplesmente ajustar notificações, criar regras de filtro no próprio app de e-mail, ou reservar dois blocos por dia para responder mensagens.
Problem Awareness é o momento em que você garante que não está resolvendo o problema errado com uma ferramenta nova e brilhante só pra entrar na hype.
Platform Awareness: conhecer a ferramenta antes de usá-la
O segundo componente é saber o que as diferentes IAs fazem bem e o que elas ainda fazem mal. Pode soar como algo que só interessa pra quem é técnico, mas é um conhecimento prático que faz toda diferença nos resultados de quem usa IA no dia a dia.
Você provavelmente já reparou que o ChatGPT, o Claude, o Gemini e outros modelos se comportam de maneiras diferentes.
Alguns são melhores em síntese, outros em código, outros em análise de documentos longos, outros em escrita com voz mais natural. Dentro de cada um desses modelos ainda existem variações, porque um prompt que funciona bem em um tipo de tarefa pode entregar algo medíocre em outra.
Platform Awareness também envolve entender as limitações dos Modelos de IA.
Alguns deles podem inventar informações com toda a confiança do mundo — e você vai acreditar —, têm dificuldade de lidar com dados muito recentes quando não estão conectados à internet, e podem simplesmente ignorar uma parte das suas instruções se você fornecer contexto demais ou de menos.
Saber disso antes de começar te economiza tempo depois, porque você calibra expectativas.
Quando eu desenvolvi o Kcal.ix (meu app de fitness e diet tracking) por exemplo, fui descobrindo na prática que nem todo modelo era bom pra tudo.
Pra programar e executar, usei modelos especializados em código como Claude. Pra pensar em arquitetura e discutir trade-offs, usei modelos mais orientados a raciocínio e comecei tudo no ChatGPT. Pra gerar design e cores, precisei ir pra outras ferramentas específicas dentro do Gemini. Se eu tivesse usado só uma, o resultado teria demorado muito mais e provavelmente teria saído pior.
Não precisa virar especialista em cada modelo, mas vale a pena testar algumas opções e ter uma noção básica de pra que cada uma serve melhor. É o equivalente a saber a diferença entre uma chave de fenda e uma chave Phillips antes de começar a montar um móvel.
Task Delegation: distribuir o trabalho de forma estratégica
Com clareza sobre o problema e conhecimento sobre as ferramentas, chega o momento de distribuir o trabalho. Task Delegation é quando você decide, para cada pedaço do que precisa ser feito, quem faz o quê.
Esse momento é menos intuitivo do que parece. A tentação é sempre a mesma, delegar o que for chato, repetitivo ou trabalhoso. Só que nem todo trabalho chato é um bom candidato pra IA, e nem todo trabalho interessante deve ficar só com você.
A pergunta que ajuda a separar bem é essa: onde está o valor desse trabalho?
Se o valor está no pensamento em si, no processo de raciocinar sobre o problema, então a tarefa é sua, mesmo que seja demorada.
Se o valor está no resultado final e o caminho até ele é mecânico, então a IA pode pegar esse pedaço.
Um exemplo prático. Imagina que você precisa preparar uma proposta comercial. Entender o cliente, as dores dele, o que diferencia a sua oferta e como posicionar o preço é trabalho estratégico, onde o seu julgamento e contexto fazem toda a diferença.
Já formatar a proposta, revisar gramática, sugerir títulos para as seções e transformar bullets em texto corrido é trabalho mecânico, onde a IA brilha. Delegar o primeiro seria abrir mão da parte que gera valor. Não delegar o segundo seria desperdício de tempo.
Cuidado com o outro extremo: quando delegar demais vira sabotagem
Até aqui falamos dos efeitos de delegar de menos ou delegar a coisa errada. Mas existe um extremo oposto que tem se tornado cada vez mais comum, o de delegar demais, porque delegar virou moda.
Vi recentemente um video comentando sobre um caso que ilustra isso perfeitamente.
A pessoa aprendeu a fazer vibe coding e, em vez de preparar uma apresentação em PowerPoint, resolveu codar um site em HTML para apresentar o conteúdo. Depois, como precisava compartilhar o link com outras pessoas, aprendeu a publicar o site em um servidor.
No final, ela fez exatamente o mesmo que faria se tivesse mandado um PowerPoint por e-mail, só que gastou três vezes mais tempo, aprendeu algumas coisas técnicas que não vai usar tão cedo de novo, e dependeu de uma infraestrutura que ela vai precisar manter.
Esse tipo de caso é o que eu chamo de over-engineering movido a IA. É quando a pessoa delega pra IA não porque a delegação faz sentido, mas porque ela quer usar a IA. A ferramenta vira o objetivo, e o problema original some de vista.
O indicador mais claro desse erro é simples: se a solução com IA exige mais esforço de manutenção, mais cliques ou mais custo do que a solução sem IA, provavelmente você está fazendo over-engineering.
Delegar bem é reconhecer quando não delegar também é uma resposta válida.
O que realmente muda quando você delega bem
Delegação não é sobre jogar tarefas no chat e esperar o melhor. É uma decisão que você toma antes de começar, ancorada em três perguntas que seguem a ordem do framework:
O que eu estou tentando resolver? Problem Awareness te força a olhar pro problema real antes de partir pra solução.
Qual ferramenta atende melhor? Platform Awareness te lembra que nem toda IA serve pra tudo, e que conhecer as limitações evita retrabalho.
O que é meu e o que é da IA? Task Delegation te ajuda a distribuir o trabalho preservando o que só você pode fazer bem.
Quando essas três perguntas fazem parte do seu fluxo, a IA deixa de ser uma ferramenta que você usa no automático e passa a ser uma colaboradora que você escolhe envolver quando faz sentido. E a diferença no resultado é clara, porque você gasta menos tempo corrigindo e mais tempo avançando naquilo que realmente move o ponteiro.
No próximo texto da série, vamos falar do segundo D, a Descrição, onde entra a arte de se comunicar com a IA de um jeito que ela entregue o que você precisa, sem aquele vai e vem infinito de refazer o prompt.
E você, da última vez que usou IA, quanto tempo parou pra pensar no problema antes mesmo de abrir o chat?