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.
9 páginas · PDF · 0,8 MB

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:
| Quando | Etapa prevista |
|---|---|
| 30 dias antes | Alinhamento com a organização |
| 15 dias antes | Diagnóstico individual |
| Durante a experiência | Fundamentos, construção prática e mentoria |
| 15 e 30 dias depois | Acompanhamento da adoção e ajustes |
| 60 e 90 dias depois | Acompanhamento 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.