Formação prática de IA (hands-on): o que muda

A formação prática de IA distingue-se da teórica por uma coisa simples: no fim da sessão, a vossa equipa sai com trabalho feito, não com apontamentos. Numa formação hands-on de IA, ninguém vê slides sobre o que o ChatGPT poderia fazer — abre-se o ChatGPT (ou o Claude), pega-se numa tarefa real da empresa, e resolve-se ali, em conjunto. A pergunta que está por baixo de quase todas as pesquisas sobre isto é honesta: "vale a pena, ou a equipa vai esquecer tudo na segunda-feira?" Este artigo responde a isso — como deve ser uma boa formação prática, o que se faz na sessão, e como medir se resultou.

TL;DR

• Formação prática = a equipa trabalha nos próprios casos durante a sessão (não em exemplos genéricos) e sai com prompts, fluxos e modelos guardados que já usa no dia seguinte.
• Uma boa sessão hands-on alterna blocos curtos de demonstração com blocos longos de mãos no teclado — a maior parte do tempo é a equipa a fazer, não a ouvir.
• Mede-se pelo que mudou na semana seguinte: tarefas que passaram a demorar menos, coisas que deixaram de ser feitas à mão. Não pela satisfação no fim.
• A formação teórica tem lugar para enquadrar conceitos, mas sozinha raramente muda hábitos. O hábito forma-se a fazer.

O que é, afinal, uma formação prática de IA?

É formação onde a maior parte do tempo é a equipa a usar as ferramentas nos problemas reais dela, com alguém ao lado a corrigir em tempo real. A diferença com a teórica não é o tema — ambas falam de ChatGPT, Claude e automação. A diferença é a proporção: na teórica, vê-se demonstrar; na prática, faz-se.

Isto importa porque a competência com estas ferramentas não se transmite por explicação. Saber que o Claude resume documentos não vos ensina a escrever o prompt que resume os vossos contratos da forma que a vossa equipa jurídica precisa. Essa parte só se aprende com o documento real à frente, a tentar, a falhar, e a ajustar. É a mesma razão pela qual ninguém aprende a conduzir num manual.

Na prática, uma boa formação hands-on tem três marcas:

• Trabalha-se nos casos da empresa, não em exemplos de manual. A equipa traz emails, faturas, relatórios, mensagens de clientes — o material com que lida todos os dias.
• Sai trabalho feito. No fim, há uma biblioteca de prompts testados, talvez um primeiro fluxo de automação a correr, modelos guardados. Coisas que continuam a funcionar quando o formador vai embora.
• A equipa erra durante a sessão, com supervisão. É melhor descobrir ali que o modelo inventou um número do que descobrir três semanas depois num relatório que foi para um cliente.

Na Unlocking Tech, a formação de IA & Claude para empresas é entregue assim — um workshop in-company ou remoto, conduzido pelo Miguel Marques, à volta dos casos concretos que a equipa traz.

Porque é que a formação prática bate a teórica?

Porque o que se quer mudar é o comportamento, e o comportamento muda-se a praticar, não a ouvir. Uma palestra de duas horas sobre IA generativa deixa a sala impressionada e, na maioria dos casos, exatamente igual na segunda-feira. Não é falta de inteligência — é que ninguém transferiu a teoria para o teclado enquanto tinha ajuda.

Vale a pena ser concreto sobre a diferença. Pensem nestes dois cenários para a mesma equipa:

Isto não quer dizer que a teoria não sirva para nada. Há um lugar para uma boa explicação de conceitos — o que é um modelo de linguagem, porque é que às vezes inventa, onde estão os limites. Mas a explicação deve ocupar minutos, não horas, e deve existir para tornar a prática mais segura, não para a substituir.

A escolha de que tarefas levar para a sessão é metade do trabalho. Se ainda estão a decidir por onde a IA faz sentido na empresa, vale a pena ver primeiro o nosso guia de por onde começar com um curso de IA e o hub com 40 ideias de projetos de IA para empresas, que ajuda a separar o que é fácil do que vale a pena.

O que se faz, na prática, numa sessão hands-on?

Trabalha-se em tarefas reais da empresa por blocos, e cada bloco termina com algo guardado que a equipa pode reusar. A estrutura concreta varia com o estado de maturidade da equipa, mas a forma é quase sempre a mesma: ciclos curtos de "mostro como — agora fazem vocês — vemos o resultado".

Aqui fica uma agenda-tipo de um workshop prático de meio dia. Usem-na como ponto de partida e adaptem os blocos ao vosso caso — uma equipa que nunca tocou no ChatGPT precisa de mais tempo no início; uma equipa já habituada salta direta para a automação.

Repare no bloco 6. É o que falta na maioria das formações e o que separa uma equipa que usa IA com juízo de uma que mete o modelo em todo o lado. Há tarefas onde a IA não deve decidir sozinha: aprovação de crédito, decisões com impacto legal, qualquer coisa onde um erro silencioso custa caro e não é apanhado a tempo. Nessas, a IA pode preparar e sugerir — a decisão fica com uma pessoa. Sair da sessão a perceber esta fronteira vale tanto como sair a saber escrever prompts.

ChatGPT ou Claude — o que muda na sessão?

Os dois fazem a maioria das tarefas de escritório bem; a diferença sente-se nos detalhes, e é por isso que uma boa sessão corre a mesma tarefa nos dois. Em vez de vos dar uma opinião abstrata, a formação prática põe a equipa a comparar com o material dela à frente — e a conclusão costuma ser específica do vosso caso, não universal.

Na nossa experiência, a equipa tende a notar que o Claude se sai bem em texto longo, em seguir instruções detalhadas e em manter o tom de voz da empresa em documentos extensos; e que o ChatGPT é prático para tarefas rápidas, com um ecossistema grande de integrações já feitas. Mas isto varia com a tarefa e com a versão — por isso a regra não é "usem X", é "testem os dois no vosso caso e vejam". Se quiserem perceber melhor as forças de cada um antes da sessão, escrevemos um post dedicado a formação em ChatGPT e Claude para empresas.

Um exemplo do tipo de salto que acontece na sessão, na escrita de prompts. Veja a diferença entre um prompt vago e um prompt afinado para a mesma tarefa de triagem de emails:

Antes (vago):

"Lê este email e diz-me do que se trata."

Depois (afinado):

"És um assistente da equipa de apoio. Lê o email abaixo e devolve: (1) categoria [reclamação / pedido de orçamento / dúvida técnica / outro], (2) urgência [alta / média / baixa] com uma frase a justificar, (3) o cliente já é nosso? [responde só 'não sei' se não der para saber pelo texto]. Não inventes informação que não esteja no email. Email: ___"

O segundo prompt dá um resultado consistente que se pode automatizar; o primeiro dá uma resposta diferente de cada vez. Ensinar a equipa a passar do primeiro para o segundo — com os emails reais dela — é, no fundo, metade do valor de um workshop prático. Para o enquadramento de como pensar a estratégia por trás destas escolhas, temos a página de estratégia de IA; para quando a sessão revela que vale a pena construir software à medida, a de desenvolvimento de IA.

Como medir se a formação resultou?

Mede-se pelo que mudou no trabalho na semana e no mês seguintes — não pelo inquérito de satisfação no fim da sessão. Toda a gente sai contente de um bom workshop; isso não diz nada sobre adoção. O que diz é o comportamento depois.

Antes da formação, tirem uma baseline simples de três ou quatro tarefas que esperam melhorar. Não precisam de software para isto — uma estimativa honesta da equipa chega: "quanto tempo demora hoje a redigir uma proposta?", "quantos emails de triagem fazemos por dia à mão?". Anotem. Depois meçam o mesmo passadas duas a quatro semanas.

Um scorecard que pode aplicar ao vosso caso:

Se ao fim de um mês a maioria destes sinais está verde, a formação resultou. Se a equipa voltou a fazer tudo à mão, não resultou — e quase sempre a causa é uma de duas: ou a formação foi teórica de mais e ninguém ganhou o hábito, ou as tarefas escolhidas não eram as que doíam de verdade.

E quando a sessão revela que é preciso ir além do ChatGPT?

Acontece muitas vezes, e é um bom sinal. A meio de uma boa formação, a equipa percebe que algumas tarefas são repetitivas e bem definidas ao ponto de não fazer sentido alguém abrir o ChatGPT à mão todos os dias — fazem mais sentido como software que corre sozinho. É aí que o workshop abre o caminho para o primeiro projeto.

Mas há uma armadilha conhecida nesta passagem: o que funciona na demo nem sempre funciona em produção. Um fluxo que processou cinco faturas na sessão pode partir quando lhe chegam quinhentas, com formatos estranhos e casos que ninguém previu. A diferença entre um protótipo de workshop e algo que se põe a funcionar a sério é precisamente o que separa entusiasmo de resultado — escrevemos sobre isso em porque é que o vosso agente de IA não é fiável para escalar. A formação prática é o sítio certo para descobrir quais tarefas valem esse passo, com baixo risco e custo, antes de investir num projeto.

Para a parte de automação, vale a pena a equipa conhecer a ferramenta com que se costuma construir esses primeiros fluxos: a documentação do n8n é um bom ponto de partida para quem sai da sessão a querer continuar sozinho.

Perguntas frequentes

Quanto tempo deve durar uma formação prática de IA?

Para uma primeira sessão, meio dia (3 a 4 horas) costuma ser o ponto certo: tempo suficiente para a equipa fazer trabalho real sem perder atenção. Sessões de dia inteiro funcionam melhor divididas em dois blocos ou em dois dias, porque a concentração necessária para estar de mãos no teclado é maior do que para ouvir. Mais importante do que a duração total é a proporção: se mais de metade do tempo for slides, já não é uma formação prática.

A equipa precisa de saber programar para tirar partido?

Não, para a parte de ChatGPT e Claude — escrever bons prompts é uma competência de linguagem e de clareza de pensamento, não de código. Para a parte de automação com n8n, ajuda ter alguém à vontade com lógica (condições, passos, ligações), mas não é preciso ser programador; a ferramenta é visual. Uma boa formação adapta a profundidade da automação ao perfil da equipa que tem à frente.

Formação ou contratar logo um projeto de software à medida — por onde começar?

Quase sempre formação primeiro, e por uma razão prática: a sessão hands-on é a forma mais barata de descobrir quais tarefas valem um projeto a sério. Sair de uma formação com dois ou três candidatos concretos a automatizar — já testados em pequeno — torna qualquer projeto seguinte mais focado e menos arriscado do que começar a construir às cegas. A formação não compete com o projeto; alimenta-o.

Faz-se in-company ou remoto?

Os dois funcionam. In-company tem a vantagem de juntar a equipa fisicamente e reduzir distrações; remoto funciona bem quando a equipa está distribuída e poupa deslocações. Em ambos os casos a regra é a mesma: a equipa traz os casos reais e trabalha neles durante a sessão. O formato não muda a substância — muda a logística.

O que é que a equipa leva, em concreto, no fim da sessão?

Uma biblioteca de prompts testados nos casos da empresa, pelo menos um primeiro fluxo de automação a correr (quando faz sentido para a equipa), uma noção clara de onde não usar IA, e uma lista curta de próximas tarefas a atacar. O objetivo declarado é que nada disto dependa de ter o formador por perto: o que sai da sala tem de continuar a funcionar sozinho.