A internet industrializou uma carreira fascinante: descobrir uma ferramenta na terça, publicar uma revolução na quarta e acordar especialista na quinta.

TL;DR

Não tenho interesse em caçar nomes nem em decretar que só quem envelheceu vinte anos diante de um terminal pode ensinar alguma coisa. Gente nova pode ser brilhante, e uma skill simples pode ser útil. O problema é promover uma descoberta recente a especialidade, embalar uma adaptação genérica como se fosse conhecimento sobre transtorno do déficit de atenção com hiperatividade (TDAH) e usar atividade como prova de resultado. Especialidade deixa rastros: artefatos, consumidores reais, critérios, revisão, falhas enfrentadas, responsabilidade, manutenção e limites. Se a promessa é revolucionária, procure o que sobrevive depois que o vídeo acaba.

Ouvi uma frase anos atrás e não lembro de quem. Também não garanto que as palavras fossem exatamente estas:

Na internet existem especialistas em tudo, de merda a viagem espacial — embora ela pareça produzir muito mais especialistas na primeira área.

A inteligência artificial não corrigiu essa proporção.

Só automatizou a fábrica.

Agora a linha de produção recebe uma pasta de arquivos, três termos em inglês, um vídeo de quarenta segundos e devolve um especialista completo, pronto para ensinar o futuro antes do almoço.

O diploma sai em formato vertical.

A revolução está com um pequeno problema de calendário

Tenho visto muita gente se apresentar como especialista em IA com menos de dois anos de prática.

Isso, sozinho, não prova incompetência. Tempo não é um teste automático de qualidade. Uma pessoa pode aprender muito em dois anos, produzir trabalho excelente e enxergar algo que alguém mais antigo deixou passar. Também existe profissional com vinte anos de carreira que repetiu o primeiro ano dezenove vezes.

O problema é outro.

É quando a autoridade declarada cresce numa velocidade que o repertório, os artefatos e as consequências reais ainda não tiveram tempo de acompanhar.

A pessoa instala uma ferramenta na terça-feira, descobre uma skill na quarta e chega à quinta como especialista, mentor e quase patrimônio histórico da computação.

Uma skill é, em termos simples, um conjunto reutilizável de instruções, referências e procedimentos para orientar o trabalho de um sistema de IA. Pode ser muito valiosa. Eu mesmo construo e uso skills.

Mas uma pasta de skills também pode virar apenas uma gaveta de promessas em .md: arquivos de texto muito bem organizados explicando tudo o que um sistema supostamente fará algum dia, assim que alguém tiver a deselegância de pedir uma entrega verificável.

Tem muita gente se dizendo especialista em IA que, quando você procura o artefato, descobre que é especialista de porra nenhuma.

“Adapta para TDAH” pode ajudar. E pode esconder uma bela embalagem vazia

Tenho visto vídeos curtos promovendo skills que supostamente adaptam as respostas da IA para pessoas com transtorno do déficit de atenção com hiperatividade (TDAH). Um deles deu origem a este incômodo.

Não vou identificar quem publicou. A pessoa não é o assunto. O padrão é.

Eu tenho TDAH. Falo desse lugar, mas não falo por todas as pessoas com TDAH.

Uma adaptação de forma pode ser genuinamente útil. Para mim, dependendo do contexto, pode ajudar receber uma tarefa em passos claros, separar decisão de contexto, reduzir blocos longos, explicitar prioridade ou transformar uma orientação falada em instrução escrita. Para outra pessoa, as necessidades podem ser diferentes.

A diretriz clínica do National Institute for Health and Care Excellence (NICE) define modificações ambientais como mudanças destinadas a reduzir o impacto do TDAH na vida cotidiana e enfatiza que elas devem ser específicas às circunstâncias e às necessidades avaliadas de cada pessoa. Entre os exemplos, aparecem períodos menores de foco e o reforço de pedidos verbais com instruções escritas.

Isso sustenta uma ideia bastante menos cinematográfica que “criei o modo TDAH da inteligência artificial”:

clareza, estrutura e adaptação individual podem ajudar; um rótulo genérico não conhece uma pessoa.

Uma skill pode mudar o formato de uma resposta. Ela não diagnostica, não trata, não substitui avaliação profissional e não recebe conhecimento clínico por osmose só porque o nome do arquivo contém uma sigla.

Se ela pergunta preferências, testa formatos, permite ajustes e deixa claro o limite, ótimo. Existe utilidade aí.

Se ela apenas transforma qualquer resposta em tópicos coloridos, valida tudo o que o usuário sente e chama isso de personalização neurodivergente, talvez tenhamos inventado o PowerPoint terapêutico.

“Comenta uma palavra que eu mando no direct” revela um funil

O mecanismo do vídeo também era conhecido: comenta uma palavra e recebe o material no direct.

Não há crime em construir audiência, distribuir material ou usar automação de mensagens. Isso se chama funil de aquisição: um caminho para transformar atenção em contato e, possivelmente, em venda.

Mas “comenta uma palavra que eu mando no direct” revela um funil.

Não revela especialidade.

O número de comentários mostra que o gatilho de distribuição funcionou. Não mostra que a adaptação foi avaliada, que ajuda pessoas diferentes, que preserva informação importante ou que não troca clareza por uma massagem de ego com marcadores bonitos.

Essa diferença importa porque modelos de linguagem podem escorregar para a adulação algorítmica, conhecida na pesquisa como sycophancy: ajustar a resposta para acompanhar a opinião ou agradar o usuário mesmo quando isso prejudica a verdade.

Um artigo apresentado na ICLR 2024 encontrou esse comportamento em tarefas experimentais com cinco assistentes e relacionou parte do problema a preferências humanas por respostas que concordavam com suas visões. O estudo não avaliou a skill do vídeo nem prova que toda adaptação produz bajulação.

Em 2025, a própria OpenAI descreveu e reverteu uma atualização do GPT-4o que havia tornado as respostas excessivamente concordantes e validava dúvidas, raiva ou impulsos de formas não pretendidas. É um relato da empresa sobre um incidente específico, não uma licença para diagnosticar qualquer resposta simpática como perigosa.

O ponto é mais simples: fazer a resposta parecer acolhedora não é o mesmo que torná-la útil, verdadeira ou acessível.

Às vezes a melhor adaptação é diminuir a fricção.

Às vezes é dizer: “você pulou uma premissa importante”.

Vinte anos ainda não me deram coragem para ser especialista em tudo

Trabalho com desenvolvimento de software há cerca de vinte anos.

Já atravessei a esteira inteira: conversa com cliente, descoberta, levantamento de requisitos, arquitetura, implementação, publicação, infraestrutura, segurança, monitoramento, backup e continuidade.

Já vi requisito mudar no meio do caminho, integração falhar em produção, solução elegante encontrar dado sujo, backup existir sem restauração testada e decisão “temporária” criar raízes mais profundas que muita árvore genealógica.

Mesmo assim, penso duas vezes antes de me declarar especialista em algumas áreas.

Não é falsa modéstia. É contato prolongado com a quantidade de coisas que podem dar errado.

Experiência não serve apenas para aumentar a confiança. Quando presta, também aumenta a qualidade do medo. Você aprende onde perguntar, o que testar, que limite declarar e quando não sabe o suficiente.

Tempo sozinho não me torna especialista.

Mas repertório, artefatos, consequências reais, revisão, responsabilidade e capacidade de sustentar o que foi colocado em produção contam bastante.

Diante do sarrafo atual, porém, preciso reconhecer:

sou especialista para um caralho.

Não porque eu saiba tudo.

Porque aparentemente dizer “não sei”, testar restauração e revisar antes de publicar virou pós-doutorado.

Atividade não é artefato

O ecossistema de IA adora mostrar atividade.

Terminal piscando. Agentes conversando. Diagrama com dezessete caixas. Uma pasta inteira criada em segundos. Um contador de tokens subindo com a autoestima do arquiteto.

Um agente de IA é um sistema capaz de escolher próximos passos e usar ferramentas dentro de um objetivo delimitado. Ele pode coordenar trabalho complexo de verdade.

Mas dezessete agentes para renomear uma planilha continuam sendo uma reunião pagando token.

Velocidade também não absolve revisão. “Fiz em cinco minutos” descreve o tempo de geração. Não descreve correção, utilidade, manutenção nem custo de consertar depois.

O artefato é aquilo que alguém consegue usar, verificar e manter:

• uma automação que reduziu um gargalo definido;
• um sistema que entrega o resultado combinado;
• um documento cuja origem pode ser conferida;
• um fluxo que trata exceção em vez de escondê-la;
• um software com teste, observabilidade e responsável;
• uma decisão registrada com critério e possibilidade de revisão.

Uma árvore de diretórios não é um produto.

Um enxame de agentes não é uma operação.

Uma demonstração não é sustentação.

E uma legenda com “revolucionário” não corrige o problema de calendário da revolução.

O teste do artefato é menos fotogênico

Quando alguém se apresenta como especialista, não preciso exigir vinte anos de carteira carimbada. Prefiro perguntas bem menos místicas:

1. O que você construiu?
2. Quem usa e para resolver qual problema?
3. Qual resultado pode ser verificado?
4. Que critérios definem qualidade?
5. O que falhou e o que mudou depois?
6. Que parte foi revisada por outra pessoa?
7. Quem responde quando o sistema erra?
8. Quanto custa operar e manter?
9. O que acontece quando a ferramenta ou o processo muda?
10. Como remover, desligar ou voltar atrás?

Não é necessário publicar segredo de cliente, credencial ou dado privado para responder. É possível mostrar método, artefatos sanitizados, código aberto, avaliações, decisões arquiteturais, limites e aprendizados concretos.

Quem praticou costuma conseguir falar de atrito.

Quem só empacotou novidade costuma voltar para a promessa.

IA boa começa pelo gargalo, não pela vontade de brincar de produtividade

Eu gosto de experimentar. Grande parte do meu trabalho nasceu de curiosidade, protótipo e tentativa.

Brincar é uma forma legítima de aprender.

Só não deveria ser vendido automaticamente como transformação operacional.

Quando sai do laboratório, uma aplicação boa de IA precisa ter:

• um problema ou gargalo real;
• um consumidor definido;
• um resultado verificável;
• critério de qualidade;
• revisão proporcional ao risco;
• custo e complexidade proporcionais ao ganho;
• responsabilidade por operação e manutenção;
• uma maneira segura de falhar, remover ou voltar atrás — o rollback.

Foi por isso que escrevi que sua empresa não precisa descobrir onde colocar IA. Precisa descobrir onde o trabalho trava e escolher a menor intervenção suficiente.

Às vezes será uma skill.

Às vezes será um agente.

Às vezes será uma regra de vinte linhas que não faz post bonito, não funda uma nova escola de pensamento e resolve o problema há três anos sem pedir aplauso.

Essa é a lógica que levo para a i-9.ai: contexto antes de ferramenta, resultado antes de espetáculo e governança suficiente para que a solução sobreviva ao entusiasmo da demonstração.

Não é tão revolucionário no Reels.

Funciona melhor na segunda-feira.

A especialidade aparece quando a legenda acaba

Não quero uma internet em que iniciantes fiquem calados até receberem autorização de veteranos. Quero gente curiosa construindo, compartilhando e aprendendo em público.

Também quero que as palavras recuperem algum peso.

Você pode dizer “estou estudando”.

Pode dizer “testei isto”.

Pode dizer “construí uma primeira versão”.

Pode ensinar o que já verificou e declarar o que ainda não sabe.

Nada disso diminui ninguém.

O que diminui o campo inteiro é transformar cada descoberta em revolução, cada arquivo em produto e cada duas semanas de entusiasmo em especialidade.

Então, antes de comentar a palavra mágica e esperar o direct, talvez valha perguntar:

Onde está o artefato? Quem responde por ele? O que continua funcionando quando a publicação desaparece do feed?

Especialidade não é o volume da promessa.

É o peso daquilo que você consegue sustentar depois dela.

Referências e limites de uso

• NICE, “Attention deficit hyperactivity disorder: diagnosis and management” (NG87): orienta diagnóstico, manejo e suporte para crianças, jovens e adultos com TDAH. Sustenta que modificações ambientais devem responder às necessidades da pessoa e oferece exemplos como instruções escritas; não avalia skills de IA nem recomenda um formato universal de resposta.
• Sharma et al., “Towards Understanding Sycophancy in Language Models”, ICLR 2024: investiga concordância bajuladora em tarefas experimentais e preferências por respostas alinhadas à visão do usuário. Não demonstra que toda personalização, validação emocional ou resposta concisa seja bajulação.
• OpenAI, “Expanding on what we missed with sycophancy” (2025): relata o comportamento observado, o processo de avaliação e o rollback de uma atualização específica do GPT-4o. É a explicação da própria empresa, não uma auditoria independente nem evidência sobre outros modelos ou skills.

Este texto é uma crítica autoral a padrões de autoridade e entrega. Não avalia uma pessoa identificada, não oferece orientação clínica e não mede a eficácia das skills vistas nesses vídeos.

Continue lendo

• A melhor resposta não é a que mais me agrada
• Agentes genéricos podem ser seu pior primeiro contato com IA
• Escreveu, não leu: a IA não assina por você