Proof Lab: aprender IA construindo soluções para o trabalho

Na validação interna do Proof Lab, participantes aprenderam fundamentos de IA enquanto trabalhavam em automações, sites e tarefas da própria rotina. O método combina diagnóstico individual, construção prática e mentoria para ajudar cada pessoa a aplicar o que aprende.

Baixar PDF original

9 páginas · PDF · 0,8 MB

Conheça a experiência

Capa original do case Proof Lab, com a arte completa do material.

A pergunta era como aplicar a IA no trabalho

O Proof Lab foi desenvolvido a partir de conversas da Impulso com clientes e parceiros. O objetivo era aproximar conceitos como agentes e automações das necessidades de quem precisava usá-los na rotina.

Antes de levar a proposta ao mercado, a Impulso realizou uma turma interna. Os desafios da própria operação serviram de base para testar e ajustar a metodologia. Isso permitiu trabalhar com tarefas conhecidas pelos participantes e observar as dificuldades encontradas durante a construção.

Cada pessoa precisava de um ponto de partida

Os participantes tinham conhecimentos, atividades e necessidades diferentes. A experiência precisava ajudar cada um a reconhecer oportunidades e construir com autonomia a partir do seu trabalho.

Também era importante desenvolver um repertório que continuasse útil quando ferramentas, modelos e interfaces mudassem. Por isso, o método concentra atenção na lógica do trabalho, nas instruções e nas conexões necessárias para uma solução funcionar. O acompanhamento posterior foi previsto para observar adoção, barreiras e necessidades de ajuste.

Aprender enquanto se constrói

A jornada começa com o entendimento dos objetivos da organização e conversas individuais. Esse diagnóstico identifica conhecimentos, dificuldades e rotinas em que a IA pode ajudar, dando uma direção concreta à prática.

Durante a experiência, os participantes aprendem fundamentos enquanto criam soluções, com apoio da própria IA e de especialistas. Também testam o que construíram, procurando falhas e limites que precisam ser resolvidos antes de confiar no resultado.

O Codex foi a ferramenta padrão na validação interna. O método, porém, foi concebido para permitir mudanças de tecnologia. A atenção está em como combinar o modelo, as instruções, as informações do trabalho e as ferramentas necessárias para cada tarefa.

O que os participantes começaram a construir

Na turma interna, os participantes trabalharam em automações, sites, dashboards e outros projetos. Entre os exemplos documentados estão fluxos para acompanhar leads em eventos, priorizar tarefas de marketing, acompanhar candidatos a vagas abertas e melhorar perfis e descrições.

A prática também ajudou a identificar oportunidades em tarefas cotidianas e transformá-las em experimentos. Os participantes destacaram o diagnóstico individual e a aplicação a situações reais como contribuições para sua autonomia.

Os aprendizados dessa turma interna orientam os ajustes e as próximas aplicações do método.

O acompanhamento previsto

O desenho do Proof Lab inclui preparação antes da experiência e encontros posteriores para apoiar o uso no trabalho:

QuandoEtapa prevista
30 dias antesAlinhamento com a organização
15 dias antesDiagnóstico individual
Durante a experiênciaFundamentos, construção prática e mentoria
15 e 30 dias depoisAcompanhamento da adoção e ajustes
60 e 90 dias depoisAcompanhamento da sustentação e confiabilidade

Fundamentos usados na prática

Os temas incluem agentes de IA, automações e conexões com ferramentas por MCP. Os participantes também realizam testes para procurar falhas nas soluções. Esses fundamentos aparecem durante a construção, ligados ao problema em que cada pessoa está trabalhando.

O que sua equipe gostaria de construir com IA?

Conte quais tarefas vocês querem melhorar e como usam a tecnologia hoje. Podemos conversar sobre uma experiência prática ligada à rotina da equipe.