Formação ChatGPT e Claude para empresas: o que cobrir

Uma formação de ChatGPT para empresas que se limita a mostrar onde está o campo de texto e a dizer "agora escrevam o que querem" não muda nada na vossa equipa na semana seguinte. A pergunta certa não é "como usar o ChatGPT" — é "que trabalho da nossa empresa é que estas ferramentas fazem melhor, e como é que a equipa aprende a confiar no resultado sem confiar a cegas". Este artigo explica o que uma formação prática de ChatGPT e Claude deve cobrir, quando usar cada ferramenta, e onde a IA não deve estar a decidir nada. É escrito para quem vai mandar a equipa para uma sala (ou para uma chamada) e quer saber se vale o tempo de toda a gente.

TL;DR

• Uma boa formação não ensina "o ChatGPT" — ensina a vossa equipa a resolver tarefas reais da empresa (propostas, emails, resumos de reuniões, primeiras versões de documentos) com prompts que se reutilizam.
• ChatGPT e Claude servem para o mesmo tipo de trabalho, mas têm forças diferentes: na nossa experiência, Claude lida melhor com texto longo e tom cuidado; ChatGPT tem o ecossistema mais largo (voz, imagens, integrações). A formação deve dar critério, não devoção a uma marca.
• Prompt engineering não é um truque — é dar contexto, papel, formato e exemplos. A diferença entre um prompt fraco e um bom mede-se em retrabalho evitado.
• Há sítios onde a IA não deve decidir: dados pessoais de clientes em ferramentas públicas, números que vão para fora sem verificação, e qualquer decisão com consequência legal ou financeira. A formação tem de ensinar os limites com a mesma seriedade que ensina os usos.

O que é que uma formação de ChatGPT e Claude deve cobrir?

Deve cobrir o trabalho que a vossa equipa já faz hoje — não exemplos genéricos de um slide. Uma formação que vale o tempo de toda a gente arranca dos casos reais da empresa: as propostas comerciais que demoram horas a montar, os emails de seguimento que ninguém gosta de escrever, os resumos de reuniões que se perdem, as primeiras versões de documentos que depois alguém revê.

O nosso workshop prático de IA é entregue pelo Miguel Marques (fundador e engenheiro principal), hands-on, in-company ou remoto, e gira à volta das tarefas que vocês trazem. Não é uma palestra — é a equipa a trabalhar nos próprios casos com as ferramentas abertas. O objetivo de saída é simples: cada pessoa leva 3 a 5 prompts que reutiliza na segunda-feira seguinte.

Uma agenda-tipo de meio dia, para perceberem o formato:

O bloco dos limites não é um anexo. É onde se evita o erro caro — alguém a colar a base de dados de clientes num chat público, ou a enviar um número inventado para um cliente. Mais sobre isso abaixo.

Quando usar ChatGPT e quando usar Claude?

Para a maior parte do trabalho de escritório, qualquer uma das duas chega. A escolha entre ChatGPT e Claude para empresas pesa mais quando a tarefa tem uma característica forte: muito texto, tom delicado, necessidade de voz/imagem, ou integração com outras ferramentas.

Esta tabela é o atalho que damos às equipas. Não é uma regra rígida — é um ponto de partida que devem ajustar ao vosso uso real:

O conselho honesto: não escolham uma e proíbam a outra. As equipas que tiram mais valor usam as duas e aprendem, por tarefa, qual dá menos retrabalho. A formação serve exatamente para criar esse critério — fazer a mesma tarefa nas duas, lado a lado, e ver a diferença com os próprios olhos.

Se quiserem ir mais fundo na decisão de ferramentas e de quando vale a pena construir algo à medida, vejam também a nossa página de estratégia de IA.

O que é prompt engineering, na prática?

Prompt engineering é dar à ferramenta o contexto que vocês têm na cabeça mas que ela não tem. Não é uma fórmula mágica — é deixar de pedir como quem pede a um colega que já sabe tudo, e passar a pedir como quem instrui alguém competente mas que acabou de chegar.

Um bom prompt costuma ter quatro coisas: papel (quem deve a ferramenta fingir ser), contexto (o que precisa de saber sobre a situação), formato (como quer a resposta) e, quando ajuda, um exemplo do que é bom. A diferença mede-se em retrabalho — um prompt fraco devolve uma resposta que tens de reescrever toda; um bom devolve algo que aproveitas com pequenos ajustes.

Veja a diferença num caso comum, escrever um email de seguimento depois de uma reunião comercial:

Prompt fraco:

Escreve um email de seguimento para um cliente.

Devolve algo genérico, com lugares-comuns, que não serve para enviar e que tens de reescrever.

Prompt bom:

És o responsável comercial de uma empresa portuguesa de software. Reuniste-te ontem com a diretora de operações de uma empresa de logística de média dimensão. Ela mostrou interesse em automatizar a entrada de encomendas mas tem dúvidas sobre o tempo de implementação. Escreve um email de seguimento curto (máx. 120 palavras), em português europeu, tom profissional mas próximo, que: (1) agradeça o tempo, (2) responda diretamente à preocupação do prazo dizendo que a primeira fase fica pronta em semanas, não meses, (3) proponha uma chamada de 30 minutos na próxima semana. Sem floreados.

O segundo devolve um email que envias quase tal e qual. A diferença não está na ferramenta — está no que lhe deste. Isto é o coração de uma formação prática de IA hands-on: a equipa sai a saber construir o segundo prompt sozinha, para os casos dela. Os princípios não são segredo — a própria documentação da OpenAI sobre prompting cobre as boas práticas; o que a formação acrescenta é aplicá-las ao vosso trabalho real, em vez de exemplos de manual.

Onde é que a IA NÃO deve decidir?

Há três zonas onde a IA não deve estar a decidir sozinha, e uma boa formação trata-as com a mesma seriedade que trata os usos. Dizer só "isto é incrível" sem dizer "isto não" é como dar a chave do carro sem ensinar a travar.

Dados pessoais e confidenciais em ferramentas públicas. A base de dados de clientes, dados de saúde, documentos com informação pessoal — nada disto deve ser colado num chat público sem perceber para onde vão os dados e em que condições. Para trabalho com dados sensíveis existem versões empresariais com garantias diferentes; a formação tem de deixar claro qual é qual e onde está a fronteira. Em Portugal e na UE, o RGPD aplica-se na mesma — a ferramenta não vos isenta.

Números e factos que saem para fora sem verificação. Estas ferramentas inventam com confiança — chama-se alucinação. Um modelo pode devolver uma percentagem, uma data ou um nome de lei que soa perfeito e está errado. A regra que ensinamos: tudo o que sai da empresa com um número ou um facto verificável passa por olhos humanos antes de enviar. A IA escreve a primeira versão; uma pessoa assina.

Decisões com consequência legal, financeira ou de pessoas. Aprovar um crédito, despedir, fechar um contrato, dar um diagnóstico — a IA pode preparar o material, organizar a informação, escrever o rascunho. Não decide. A decisão fica com quem tem a responsabilidade e a vê de cima.

Há também uma fronteira que se aprende com a experiência: o que funciona numa demonstração nem sempre aguenta produção. Um prompt que acerta nove vezes em dez parece ótimo numa formação e é um problema sério quando corre mil vezes por dia sem ninguém a olhar. Por isso a formação separa bem "usar a ferramenta para o meu trabalho" de "construir um sistema automático em que confio cego" — são coisas diferentes, e a segunda exige engenharia a sério. Escrevemos sobre essa diferença em porque é que o vosso agente de IA não é fiável para escalar.

Como medir se a formação valeu a pena?

Mede-se em tempo poupado e em retrabalho evitado nas semanas a seguir — não na euforia do próprio dia. O erro comum é avaliar a formação pela energia da sala. A avaliação certa faz-se 30 dias depois, com uma pergunta simples: que tarefas é que a equipa faz agora de forma diferente, e quanto tempo é que isso liberta?

Antes da formação, façam uma baseline grosseira. Não precisam de números perfeitos — precisam de um ponto de partida honesto:

• Quanto tempo demora hoje a montar uma proposta-tipo? E um resumo de reunião?
• Quantos emails de seguimento a equipa escreve por semana, e quanto tempo gasta nisso?
• Que tarefa toda a gente adia porque é chata e repetitiva?

Depois, 30 dias após a formação, voltem a medir as mesmas tarefas. Na nossa experiência a poupança varia bastante consoante o tipo de trabalho e a adesão da equipa — por isso é que insistimos em medir o vosso caso, em vez de prometer uma percentagem que não conhecemos. O valor real aparece quando uma tarefa que demorava uma manhã passa a demorar minutos, e isso só vocês conseguem confirmar com a vossa baseline.

E há um sinal qualitativo que vale tanto como o tempo: quando a equipa começa a trazer ideias suas — "e se usássemos isto para X?". É aí que a formação deixou de ser um evento e passou a ser uma capacidade. Muitas dessas ideias dão bons primeiros projetos; reunimos várias em 40 ideias de projetos de IA para empresas.

O que vem depois da formação?

A formação é o início, não o fim. Quando uma equipa aprende a usar bem ChatGPT e Claude, descobre rapidamente os limites do que se faz à mão num chat: as tarefas que se repetem todos os dias, que envolvem várias ferramentas, ou que precisam de correr sozinhas à noite.

É aí que faz sentido passar do uso manual para a automação — ligar as ferramentas com algo como o n8n — ou construir software à medida que faz exatamente o que a vossa empresa precisa. A formação abre esse caminho de propósito: a equipa fica com critério para saber o que vale a pena automatizar e o que é melhor deixar manual. Quando chega esse ponto, a conversa muda de "como uso a ferramenta" para "o que construímos", e é aí que entra o desenvolvimento de software de IA.

A ordem importa. Formar primeiro, construir depois. Uma equipa que percebe o que a IA faz bem e onde falha pede sistemas melhores e confia neles com olhos abertos — em vez de comprar uma promessa que ninguém na empresa consegue avaliar.

Perguntas frequentes

Vale a pena formar a equipa em ChatGPT e Claude ao mesmo tempo, ou escolher uma?

Vale a pena cobrir as duas. São tão parecidas no uso do dia a dia que aprender uma transfere quase tudo para a outra, e ver a mesma tarefa lado a lado nas duas é a melhor forma de a equipa ganhar critério sobre qual escolher em cada caso. Proibir uma delas só vos limita sem poupar tempo de formação.

A nossa equipa não é técnica. Esta formação é para nós?

Sim — e é precisamente esse o público. O workshop não pressupõe nada de técnico; arranca de tarefas que a equipa já faz (escrever, resumir, organizar) e ensina a fazê-las melhor com as ferramentas. A parte técnica — automação, software à medida — é um passo seguinte e separado, para quando a equipa já souber o que quer construir.

Quanto tempo demora a formação e em que formato é?

O formato base é um workshop prático, in-company ou remoto, entregue pelo Miguel Marques. A duração ajusta-se ao tamanho da equipa e ao número de tarefas que querem cobrir — meio dia chega para dar autonomia numa equipa pequena; equipas maiores ou com mais casos beneficiam de mais tempo. O essencial é ser hands-on e à volta dos vossos casos reais, não uma palestra teórica.

Como evitamos que a equipa cole dados de clientes em ferramentas públicas?

Ensinando a fronteira de forma explícita e dando uma regra simples: dados pessoais de clientes, informação confidencial e documentos sensíveis não entram em ferramentas públicas. Para esses casos usam-se versões empresariais com garantias adequadas, ou a tarefa fica fora da IA pública. A formação trata isto como matéria obrigatória, não como aviso de rodapé — porque é o erro com consequência mais cara.

A IA pode mesmo inventar informação? Como confiamos no resultado?

Pode, sim — chama-se alucinação, e acontece com confiança aparente. A forma de confiar é não confiar cego: a IA escreve a primeira versão, uma pessoa verifica antes de qualquer coisa sair da empresa, sobretudo números, datas e factos. A formação ensina a tratar o resultado como um rascunho competente que precisa de revisão, não como uma fonte de verdade.