“Porra, mil reais num chatbot?”

É a reação de espanto que aparece quando conto quanto pago para usar inteligência artificial. E eu entendo. No Brasil, uma assinatura em dólar consegue transformar uma conversa sobre ferramenta numa conversa sobre boleto bem depressa.

Eu costumava brincar que queria ser como o Piccolo, de Dragon Ball: me multiplicar para multiplicar minha capacidade de executar. Eu tinha ideias e capacidade de fazer. Faltavam braços para concretizar tudo.

Hoje, chamo meus agentes de “clones” nessa mesma brincadeira. Explico o que quero, distribuo frentes e depois avalio o que eles fizeram. A reação ao preço fica mais interessante quando a gente olha para esse uso.

Quando digo “cerca de mil reais”, estou descrevendo o gasto de forma aproximada. Não estou apresentando uma conversão cambial nem o valor exato da minha fatura.

O preço de referência aqui é US$ 200 por mês. Na consulta de 18 de outubro de 2026, a documentação oficial da OpenAI listava esse valor para o ChatGPT Pro 200, uma das modalidades de assinatura. Isso situa a conversa; não recomenda o plano nem descreve todos os custos da minha operação.

Se eu pagasse isso apenas para trocar mensagens e receber um texto simpático, também teria bastante coisa para questionar.

Só que, no meu cotidiano, a conversa é a porta de entrada de trabalho que continua depois dela.

Eu amo trabalhar com IA porque estou me divertindo com o trabalho. Vejo uma ideia ganhar forma, um direcionamento virar execução, uma tarefa sair do lugar. O que me anima é participar desse movimento.

TL;DR

Eu amo trabalhar com IA porque estou me divertindo mais com o trabalho e vendo minhas ideias ganharem tração. Delegar execução manual me deixa mais envolvido com direção, regras e validação. A brincadeira de ter “clones”, como o Piccolo, virou uma forma de tocar frentes em paralelo. Avalio o gasto pelo trabalho entregue e pela carga que saiu de mim, incluindo supervisão, erros e retrabalho. A assinatura oferece capacidades; integrações e automações precisam ser construídas e governadas. O que relato aqui é minha experiência, sem uma promessa de horas poupadas ou retorno para outra pessoa.

O que acontece depois que eu aperto Enter

Uma janela de conversa, ou chatbot, recebe mensagens e devolve respostas. Um agente de IA, no sentido que uso aqui, também pode escolher próximos passos e usar ferramentas para perseguir um objetivo dentro de limites. Expliquei essa diferença em “Se você acha que IA é só um chatbot”.

No meu uso cotidiano, vários agentes participam de frentes diferentes. A brincadeira pode lembrar um The Sims corporativo — uma cidadezinha de personagens, como no jogo em que se acompanham suas rotinas. A imagem é só uma comparação. Continuo falando de sistemas que recebem contexto, executam etapas e precisam deixar resultado verificável.

Em desenvolvimento de software, isso envolve escrever alterações de código e revisá-las: examinar o que mudou, procurar falhas e testar se a solução atende ao pedido. Antes, eu fazia toda a revisão manualmente, linha por linha. Era tempo, concentração e desgaste mental; mesmo assim, erros no funcionamento — os bugs — e falhas de segurança podiam passar. Ninguém é de ferro.

Hoje, no fluxo que uso, toda mudança que envio, escrita por mim ou por um agente, passa pela revisão de outro agente. Isso acrescenta uma camada de verificação, sem garantir perfeição: o revisor também pode errar. Chego à avaliação com parte da investigação encaminhada e posso concentrar mais atenção na direção da solução, na legibilidade e nos meus critérios de qualidade. Continuo responsável por entender e aceitar o resultado; quando o risco exige, a análise técnica precisa ir mais fundo.

Em infraestrutura e integrações — o ambiente onde os sistemas funcionam e as conexões entre eles —, uso agentes para investigar falhas, conferir configurações e delimitar o que ainda falta resolver. Uma investigação que encontrou o bloqueio pode ser útil. Não vira integração funcionando só porque o relatório terminou com confiança.

Também entram tarefas menos cinematográficas. Na organização de documentos, já deleguei a conferência de arquivos duplicados e a remoção das cópias redundantes para a lixeira recuperável, preservando as cópias que deveriam continuar em uso. A entrega foi a pasta organizada e a evidência do que foi preservado, em vez de instruções para eu fazer a limpeza.

Tenho também acompanhamentos de respostas e rotinas configuradas para cruzar e-mail, documentos e controles. As regras dizem o que merece um aviso, o que já foi tratado e quando uma divergência precisa voltar para mim. Planilhas e bases organizadas de registros, como as do Notion, entram nesse trabalho por conexões autorizadas. O que me interessa é receber o que pede decisão, com contexto suficiente para agir, sem precisar reconstruir sozinho o acompanhamento. Também quero saber onde encontrar cada informação, de forma fácil e acessível. A organização precisa funcionar para mim e para os agentes. Eu não perco a minha autonomia; ganho força.

Na produção de conteúdo, já transformei uma ideia em capítulo completo, revisado e registrado numa versão que eu podia avaliar. Também uso IA para preparar documentos e definir produtos. Isso conversa diretamente com o trabalho de um empresário que tem conhecimento, mas precisa transformá-lo em material utilizável e decisões claras.

Esse trabalho não ganha trilha sonora de revolução tecnológica. Continua tomando tempo quando ninguém o faz.

Preparar um e-mail não significa enviá-lo. Acompanhar uma pendência exige acesso ao canal, continuidade e uma forma de registrar o estado. Quando uma dessas peças falta, o resultado precisa mostrar a lacuna.

Já usei agentes para procurar estabelecimentos próximos, conferir localização e contatos e abrir conversas no WhatsApp. No caso das farmácias, o trabalho incluiu enviar perguntas e acompanhar as idas e vindas para confirmar estoque, disponibilidade, preço e condições de compra de um medicamento. Conseguimos confirmação de estoque e preço numa loja. Para a troca de óleo e filtro do carro, também foram enviados pedidos de orçamento a estabelecimentos da região; ainda não tenho uma comparação final confirmada para afirmar quem ofereceu o menor preço.

O ganho foi delegar essa cadeia de pequenas tarefas: buscar no mapa, achar o contato, abrir a conversa, perguntar, acompanhar a resposta e organizar preço, distância e disponibilidade para decidir. Os agentes mantiveram o controle de quem respondeu, do que já estava confirmado e do que ainda faltava. Eu acompanhava visualmente por curiosidade, sem precisar administrar cada conversa ou interromper meu trabalho para responder a cada mensagem. É esse controle do acompanhamento que quero receber junto das opções e do próximo passo; não tenho uma medição de dinheiro ou horas economizadas.

A piada ficou por conta de um atendimento automatizado: pediu uma mensagem menor e respondeu com um testamento. Eu entrei por vontade própria para contestar a incoerência que percebi; não era preciso intervir para a tarefa avançar.

O relatório chegou. O trabalho ficou comigo.

Esse é o gargalo que quero resolver.

Eu peço uma tarefa. Recebo um relatório detalhado explicando tudo que poderia ser feito. Agora preciso extrair as ações, escolher a ordem, copiar informação, abrir os sistemas e executar.

Ganhei uma leitura. A fila continua minha.

Há momentos em que um parecer é exatamente a entrega certa: antes de uma decisão relevante, quando falta autorização ou quando o risco pede investigação. O problema aparece quando uma tarefa executável volta como conselho e exige de mim todo o trabalho de transformá-lo em realidade.

Por isso, o resultado que procuro é mais concreto: o arquivo organizado; a alteração preparada com verificações; o e-mail pronto para revisão; a pendência registrada; ou a decisão delimitada com o motivo pelo qual a execução parou.

Um agente útil consegue dizer o que concluiu, onde está a evidência e o que depende de mim. Se foi impedido de agir, precisa trazer o alvo, o bloqueio e a decisão necessária para continuar.

“Aqui estão quinze sugestões” pode ser uma boa resposta. Para algumas tarefas, é também uma forma muito bem diagramada de devolver o serviço.

A assinatura compra acesso. A operação precisa ser construída.

A página oficial do Pro descreve acesso a modelos, Codex — a ferramenta de trabalho com código —, pesquisa aprofundada, criação de imagens, memória e envio de arquivos. Isso é a base oferecida pelo fornecedor.

A plataforma também tem tarefas programadas e apps conectados, sujeitos a disponibilidade, permissões e limites. Uma rotina que cruza e-mail, planilha e banco de dados ainda precisa de conexões autorizadas e regras próprias. Há também automações que construí com ajuda da IA e serviços que integrei à minha infraestrutura. Não dá para apresentar esse conjunto como se tudo viesse pronto na assinatura.

Esse uso depende de uma estrutura de contexto, ferramentas, procedimentos, validações e limites. É o que chamo de harness.

No meu caso, parte do trabalho é formalizar procedimentos nesse sistema. As mudanças ficam registradas em versões e passam por propostas de alteração revisáveis, os pull requests, antes de serem incorporadas. Assim posso examinar o que está sendo mudado em vez de depender apenas da lembrança de uma conversa.

Essa estrutura também custa trabalho. Escrever regras, organizar acessos, corrigir instruções contraditórias, revisar mudanças e manter integrações não acontece por cortesia da mensalidade.

E há uma diferença entre ter acesso a uma capacidade e autorizar seu uso. Encontrar um botão de enviar não concede permissão para mandar mensagem. Conseguir editar um arquivo não autoriza publicar qualquer conteúdo. Quanto maior a consequência, mais claro precisa ser o limite.

Eu quero autonomia para o que está autorizado e suficientemente definido. Quero ser chamado quando houver uma decisão real, informação ausente ou risco que justifique minha intervenção. Explico essa fronteira em “Seu agente sabe quando parar?”.

Se preciso supervisionar cada clique de uma tarefa simples, a autonomia ficou pequena. Se o sistema atravessa uma decisão que continua sendo minha, passou do ponto.

O que mudou na minha cabeça antes de mudar na planilha

O recorte é de 15 de outubro de 2026, à meia-noite, até 17 de outubro, às 21h08min09s, no horário de São Paulo: três dias de calendário, com o terceiro ainda incompleto.

Nesse período, trabalhei na evolução de duas bibliotecas — conjuntos de código que outros sistemas podem reutilizar —, houve 29 versões estáveis publicadas em três projetos e foram incorporadas 23.179 linhas alteradas em código, testes e configuração. O levantamento encontrou 135 pull requests abertos em seis repositórios; 123 já estavam mesclados até o corte. As versões incluem recursos, correções e manutenção; as linhas vêm da comparação entre o início e o fim do período, sem somar alterações sobrepostas de PRs, e não medem digitação manual ou produtividade.

Nos três dias que motivaram esta conversa, encaminhei frentes de desenvolvimento de software e infraestrutura em paralelo, com alterações preparadas para revisão. Minha estimativa é que esse trabalho provavelmente me tomaria de três a seis meses há dois ou três anos, antes dessa facilidade de orientar agentes. Essa é uma comparação pessoal com a forma como eu trabalhava, não uma medição de produtividade. Mais adiante, mostro algumas entregas verificáveis desse período.

O trabalho era mais custoso e demorado. A exaustão mental também reduzia o quanto eu conseguia produzir. Só de antecipar o custo e a dificuldade de implementar uma ideia, eu já me cansava antes de começar. Quando executava uma, surgiam outras; a ansiedade de querer executar as novas me fazia perder tração nas anteriores.

As ideias em sequência sempre estiveram aqui. Cada funcionalidade abria caminho para várias outras, e eu podia me perder em aprofundamentos antes de concluir o que tinha começado. Isso ainda acontece. O que mudou é que hoje consigo encaminhar essas novas frentes aos agentes sem parar a execução da anterior.

Depois, avalio se o resultado corresponde ao que eu queria. Regras que já combinamos deixam parte das entregas quase pronta para aprovação. Nem sempre está certo; ainda preciso examinar o que foi feito e decidir o que aceito.

Tem uma frase que resume bem o que está acontecendo comigo:

Estou mais comprometido com o processo porque estou menos envolvido no processo.

Menos envolvido em executar manualmente cada etapa. Mais envolvido em dizer o que quero, especificar como deve ser cumprido, registrar regras e critérios de execução e validar o resultado. É trabalho também. E é uma parte do trabalho da qual gosto de participar.

Por isso me irrita a promessa que vejo repetida em ofertas de IA: “você não vai mais precisar trabalhar porque a IA vai trabalhar por você”. Eu considero essa promessa uma mentira. E ela ainda tira a graça do processo. O que eu estou vivendo é mais vontade de participar e ver o trabalho acontecer. A ferramenta ampliou o que consigo colocar em movimento; não transformou meu interesse em desaparecer da operação.

O ganho que percebo está nessa distância menor entre pensar em algo e ter trabalho concreto para avaliar. Não é só terminar mais coisas. É conseguir tirar ideias da cabeça sem precisar executar pessoalmente cada etapa de cada uma.

Eu já poderia ligar essas etapas no automático: criar uma tarefa e encadear implementação, revisão, publicação e acompanhamento. Escolho não liberar tudo ainda. O que estou construindo é a confiança de que o fluxo respeita meus critérios, mantém minhas regras ao longo da execução e sabe quando precisa me chamar. Quero que os agentes incorporem melhor esse modo de trabalhar para reduzir as verificações manuais que hoje ainda preciso fazer.

Uma professora minha tinha uma frase: “Não é porque funciona que está certo.” Levei anos para entender. Hoje, ela cabe perfeitamente aqui: um fluxo rodar não prova que ele atende aos critérios, tem a qualidade necessária ou está pronto para receber minha confiança. Não vou vender como concluído aquilo que ainda quero construir. É essa promessa de trabalho validado só porque alguma coisa executou que eu critico. Automatizar mais não me livra de responder pelo resultado, nem garante que tudo estará sempre certo.

Já explorei essa diferença em “A IA fez um elefante. O especialista vendeu como coelho.”: cumprir um pedido ambíguo não basta para atender à intenção; cabe a mim especificar e conferir.

A alma do texto não entra na automação

Esta conversa é um exemplo do que estou tentando dizer. O artigo começou com o espanto dos mil reais. Depois fui trazendo o que faltava: a brincadeira do Piccolo, o cansaço de antecipar toda a execução, a vontade de trabalhar e essa escolha de continuar participando. Estou dando direção ao texto enquanto ele toma forma.

Eu poderia configurar um fluxo para gerar posts, publicações no Instagram e textos para o X em intervalos definidos. A questão que me interessa é se eu estaria sendo verdadeiro com minha essência e minha autoria caso deixasse aquilo rodar sem ler, sem saber o que estava sendo escrito em meu nome. Escalar a saída é uma coisa. Reconhecer-me no que assino exige outra participação.

Mesmo que desse dinheiro, eu não quero monetizar o que, para mim, seria uma mentira: apresentar como meu pensamento algo do qual me ausentei. Essa é uma escolha pessoal sobre o que assino. Automatizar conteúdo pode servir a muitos propósitos legítimos; o problema aqui seria fingir uma participação autoral que eu não tive.

Eu chamo esse abandono de “delargar em vez de delegar”. Delegar exige conduzir, definir limites e avaliar a entrega. Delargar é abrir mão disso e ainda vender o resultado como se a responsabilidade tivesse sido cumprida.

Também não quero usar IA para explorar gatilhos mentais das pessoas de uma forma que eu não gostaria de sofrer. Existem pessoas e ofertas legítimas ganhando dinheiro legitimamente. Minha escolha é explicar o que entrego e seus limites, sem fabricar medo, culpa ou escassez para empurrar uma compra.

Já tratei disso em “Escrever com IA não me tornou menos autor”. Quando penso num livro, a ideia, a direção e o que chamo de alma são meus. A IA pode ajudar a tornar a prosa compreensível, organizar parágrafos, corrigir palavras e concordância e reduzir o peso da revisão mecânica. Isso não dispensa avaliar se o resultado preserva o que eu queria dizer.

As preocupações que eu não preciso ter, eu não preciso ter. As preocupações que eu preciso ter, eu tenho a responsabilidade de ter e eu acho que todo mundo deveria ter.

Não preciso reconstruir sozinho cada frase para participar de verdade. Preciso reconhecer a ideia, conferir as afirmações, recusar o que não me representa e responder pelo que publico. É aí que quero gastar minha atenção. A ferramenta pode aliviar a execução; a responsabilidade de assinar continua tendo dono.

Fui conferir o que saiu desse movimento

Os números dão escala. O que me interessa é o trabalho que veio junto deles.

Pedi aos agentes que fizessem varreduras em busca de bugs e falhas de segurança. Vieram problemas para investigar e corrigir. Algumas descobertas me surpreenderam. Esse é um uso que faz diferença para mim: colocar o que já existe sob investigação, encontrar pontos que passaram despercebidos e encaminhar as correções, além de desenvolver coisas novas.

Nas duas bibliotecas, o resultado foi código reutilizável mais preparado para o uso. A error-handler ganhou melhorias na forma de lidar com falhas e separar o que aparece para o usuário do que serve ao diagnóstico técnico. Também houve correções para preservar conteúdo produzido pela aplicação. A php-cs-fixer evoluiu as regras compartilhadas de padronização do código e as verificações que ajudam a mantê-las consistentes.

Outra frente preparou um ambiente para executar testes e verificar mudanças automaticamente. Junto vieram comandos para operar esse ambiente, documentação e procedimentos para usar e manter o que foi construído. Uma entrega atravessa várias mudanças; as versões publicadas registram etapas desse trabalho.

Vi processos que antes eu imaginava levar meses acontecerem em poucas horas. É a minha percepção sobre esse modo de trabalhar, não uma comparação cronometrada nem uma previsão de prazo para outra pessoa. O que consigo mostrar são entregas, correções e versões disponíveis para conferir.

Encontrar um problema também abre trabalho: preciso avaliar o apontamento, decidir a correção e verificar o resultado. Uma varredura não certifica que o sistema ficou sem falhas. Uma versão publicada comprova que algo foi disponibilizado; não comprova adoção por clientes nem resultado em produção.

A conta inclui o tempo que a IA me cobra

Não tenho uma planilha auditada de horas recuperadas. Também não tenho um número de retorno financeiro que transforme minha experiência numa promessa para outra pessoa.

Tenho uma forma de avaliar: escolher uma tarefa recorrente e acompanhar até a entrega aceita.

Quanto precisei explicar? Quanto precisei conferir? O resultado serviu? Houve erro? Precisei refazer? A tarefa saiu da fila ou apenas mudou de formato?

O tempo gasto supervisionando entra na conta. Revisões e retrabalho também. Além da assinatura, outros gastos com ferramentas, infraestrutura e manutenção precisam aparecer quando existirem. O preço de um plano não é o custo total de operar com IA.

Também preciso considerar o que foi entregue. Um arquivo correto, uma investigação que reduz a incerteza e uma alteração testada têm efeitos diferentes. Uma tarefa pode ficar mais rápida e continuar ruim. Pode exigir mais revisão agora e criar um procedimento reutilizável depois. Isso precisa ser observado, não presumido.

Quantidade de agentes, mensagens, linhas alteradas ou propostas de código não resolve essa avaliação. Um mesmo resultado pode atravessar vários pull requests; um único pull request pode misturar correção, documentação e funcionalidade. Volume bruto mostra movimento. Ainda precisamos conferir a entrega.

É o mesmo cuidado de “Nem todo gargalo merece IA”: às vezes a melhor economia é remover uma etapa inútil. Colocar um agente para mantê-la só deixa o absurdo mais sofisticado.

E se para você não valer?

Pode não valer.

Uma pessoa com uso ocasional talvez resolva o que precisa com um plano mais barato, uma ferramenta específica ou uma boa regra de automação. Eu não preciso que todo mundo compre a mesma assinatura para justificar a minha.

Também não preciso transformar essa conta numa comparação com o salário de alguém. Um conjunto de tarefas assistidas não equivale a substituir uma pessoa, seu contexto, sua responsabilidade e seu julgamento.

Para mim, vale a pena porque consigo transformar mais ideias em trabalho e estou mais interessado em participar dele. Isso é meu parecer sobre minha rotina, sujeito a revisão conforme custo, qualidade e necessidade mudem.

Quero continuar registrando essa experiência aqui, inclusive para a posteridade: como estou trabalhando, o que funciona e o que ainda depende de mim. Sem precisar anunciar uma revolução a cada texto.

Se você está avaliando um gasto desses, comece por uma tarefa que hoje trava na sua mão. Defina a entrega, o limite de ação e como vai conferir. Observe o resultado e conte também o esforço que a ferramenta exigiu de você.

A brincadeira do Piccolo ganhou uma versão possível na minha rotina: consigo colocar mais frentes em movimento sem precisar ser os braços de todas elas. A direção continua comigo, assim como a decisão de aceitar, corrigir ou descartar o resultado.

No fim, a pergunta que me interessa é bem menos impressionante que “quantos agentes você usa?”:

Depois dessa conversa, o que deixou de depender de eu fazer tudo?

Para se aprofundar

• Do chatbot à operação: a diferença entre responder e participar de um trabalho.
• O harness ao redor do modelo: a estrutura que precisa existir além da assinatura.
• Sobre pull requests: como mudanças podem ser discutidas e revisadas antes de sua incorporação.

Referências e limites de uso

• OpenAI — modalidades ChatGPT Pro: consultada em 18/10/2026; sustenta a referência de US$ 200 mensais do Pro 200. Não comprova minha fatura, disponibilidade de toda integração, custo total ou retorno do uso. Preços e limites podem mudar.
• GitHub — sobre pull requests: sustenta a explicação do mecanismo de proposta e revisão; não comprova a eficácia dos meus procedimentos.

• Os exemplos de rotina são meu relato, sem dados privados de terceiros. Não constituem estudo comparativo de produtividade. “Cerca de mil reais” é minha descrição aproximada do gasto, sem cálculo cambial, impostos ou taxas inferidos.

• Bibliotecas e versões publicadas: os arquivos de definição dos pacotes error-handler e php-cs-fixer classificam os dois pacotes como bibliotecas. As listas públicas de versões de error-handler e php-cs-fixer sustentam 21 e duas versões estáveis na janela, respectivamente. Mais seis versões estáveis foram conferidas na ferramenta privada de linha de comando. Filtradas por data de publicação, sem rascunhos ou pré-lançamentos: 29 no total. As notas de 2.4.0, 2.5.0, 2.5.2 e 3.0.0 sustentam as melhorias e correções descritas; publicação não prova adoção por terceiros.

• Linhas e incorporação: 23.179 é a soma das alterações por arquivo na comparação entre os estados registrados das versões principais de cada repositório, imediatamente antes do início e no corte final. Foram 296 arquivos selecionados de código, testes e configuração; documentação, planos, exemplos, dependências, arquivos gerados e registros que fixam versões de dependências ficaram fora. Cada repositório entra uma vez, sem repetir alterações presentes em mais de uma proposta ou somar cada edição intermediária. Os comparativos de error-handler e php-cs-fixer são públicos; os demais comparativos, filtros e inventário permanecem no apoio privado da revisão. O total inclui testes e configuração, não mede autoria manual nem todas as edições intermediárias. Dos 135 PRs abertos na janela, 123 tinham registro de incorporação até o corte e 12 ainda não; nenhuma incorporação posterior foi contada como entrega desse período.

• Levantamento próprio de atividade no GitHub: consultas às contas coisa, mentordosnerds e I-9-AI, deduplicadas por URL e conferidas individualmente. Janela UTC: 15/10/2026 03h até 18/10/2026 00h08min09s. Inventário de revisão preservado fora do repositório público porque contém metadados privados. Não certifica cobertura completa, contribuição manual, implantação, horas recuperadas ou retorno.

• OpenAI — tarefas programadas e apps conectados: sustentam a distinção entre recursos da plataforma e acesso condicionado aos serviços. Não comprovam minhas execuções particulares nem que toda integração esteja incluída no plano.
• As comparações pessoais entre três dias atuais e três a seis meses de trabalho no passado, e entre processos de meses e poucas horas, são relatos estimativos meus. Não resultam de experimento controlado, medição de horas ou cálculo de retorno. Encadear etapas automaticamente é uma possibilidade técnica que o autor escolhe não liberar integralmente; o amadurecimento buscado é confiabilidade e aderência aos seus critérios, sem garantia absoluta ou transferência de responsabilidade.