Este é o capítulo 1 de Operação IA, uma série em cinco partes sobre como transformar ferramentas de IA em ambiente de trabalho para profissionais de Digital. Um capítulo por semana. Ao final, você não terá aprendido a usar uma ferramenta. Terá construído uma operação.
Deixa eu descrever a sua terça-feira. Você abre o ChatGPT, o Claude ou o Gemini numa aba do navegador. Cola um pedaço de planilha. Pede uma análise. Copia a resposta. Cola em outro lugar. Volta, cola outro pedaço, pede de novo, ajusta o prompt porque a IA esqueceu o contexto da mensagem anterior. Ao final de uma hora, você produziu trabalho de verdade, mas você foi o operário da esteira o tempo inteiro. A IA nunca tocou nos seus arquivos. Nunca executou nada. Você carregou dado para lá e resultado para cá, mensagem por mensagem.
Isso funciona. Eu trabalhei assim por muito tempo. Mas existe um teto nesse modelo, e o teto é você: sua paciência, seu copiar e colar, sua memória do que já foi dito. O chat é uma conversa. E conversa não escala.
Em 2026, a fronteira já não está no chat. Está nos agentes. E a boa notícia é que as três maiores empresas de IA do mundo passaram o último ano brigando exatamente por esse território, o que significa ferramenta madura, documentada e, em boa parte dos casos, já inclusa no plano que você paga.
Nesta série, vou usar o Claude Code como ferramenta base dos tutoriais. Transparência primeiro: migrei minha operação inteira para o Claude no ano passado, depois de um atrito de suporte com a OpenAI, e sigo nele por decisão prática, não ideológica. Mas cada capítulo termina com uma seção mostrando como fazer o equivalente no Codex (OpenAI) e no Antigravity (Google), porque o que eu quero te ensinar é o paradigma, não a marca. Quem entende o paradigma troca de fornecedor quando quiser. Quem decora a ferramenta fica refém dela. Essa distinção é a tese que atravessa os cinco capítulos.
Chat e agente são bichos diferentes
A diferença cabe numa cena de trabalho.
No modelo chat, você pergunta “analise esses títulos” e cola trinta linhas de uma planilha. A IA responde sobre aquelas trinta linhas e esquece tudo no minuto seguinte.
No modelo agente, você aponta para uma pasta no seu computador e diz “analise os títulos deste export do Search Console, cruze com as URLs que perderam cliques no trimestre e me devolva um arquivo com as vinte reescritas prioritárias”. O agente abre o arquivo sozinho. Lê as 4 mil linhas, não as trinta que caberiam na janela do chat. Escreve um script para cruzar os dados, executa esse script, olha o resultado, percebe que uma coluna veio com formato errado, corrige e roda de novo. Ao final, salva um arquivo novo na sua pasta e te avisa o que fez.
Quatro verbos separam os dois mundos: ler, executar, verificar e iterar. O chat responde. O agente trabalha. Você deixa de ser o operário da esteira e vira o gestor que delega, revisa e aprova.
E aqui vem a objeção que eu escuto toda semana: “mas isso roda no terminal, e eu não sou desenvolvedor”. Eu sei. Eu também não escrevo código no dia a dia. O terminal assusta porque é a estética do programador, tela preta, cursor piscando. Mas nos agentes de 2026 o terminal é só o lugar onde você digita frases em português. A instrução que você dá ao Claude Code é idêntica à que você daria no chat. O que muda é o que acontece depois que você aperta enter.
O campo de batalha em 2026
Vale situar o cenário, porque ele mudou rápido e muda de novo a cada trimestre. Fatos, primeiro:
O Claude Code, da Anthropic, nasceu no terminal em 2025 e hoje existe também como app desktop e mobile. Vem incluso nos planos pagos do Claude. É consistentemente apontado nos comparativos como o mais confiável dos três, especialmente em tarefas complexas com muitos arquivos interligados.
O Codex, da OpenAI, roda em cima dos planos do ChatGPT, sem assinatura própria, o que explica seu crescimento acelerado. Sua marca registrada é rodar em sandbox na nuvem e trabalhar em lote: você enfileira tarefas, ele executa em paralelo e te entrega o pacote pronto.
O Antigravity, do Google, chegou em novembro de 2025 junto com o Gemini 3 e foi relançado como plataforma completa (desktop, CLI e SDK) em maio de 2026, quando também substituiu o antigo Gemini CLI. É o mais rápido e o mais barato dos três, com orquestração de múltiplos agentes como bandeira, mas ainda carrega instabilidade de produto jovem.
Agora a inferência, separada dos fatos: os três convergiram para o mesmo desenho de produto. Prompt, agente, arquivos, execução. Isso é ótimo para você, leitor, porque significa que o conhecimento é transferível. O que você aprender aqui sobre instruir agentes, estruturar contexto e empacotar processos vale nas três casas. As diferenças são de temperamento (velocidade contra profundidade, lote contra sessão contínua), não de natureza.
Minha opinião, também separada: para quem está começando, o Claude Code é o ponto de partida mais seguro, porque erra menos e avisa quando está inseguro. Velocidade se ganha depois. Confiança no processo, não.
Tutorial: sua primeira delegação real
Chega de conceito. Vamos executar. Reserve 30 minutos. O caso é deliberadamente comum, do tipo que todo profissional de SEO, conteúdo ou mídia enfrenta: auditar títulos e meta descriptions de um site usando um export do Search Console.
O que você precisa antes de começar
Um plano pago do Claude (o Pro serve) e um computador com macOS, Windows ou Linux. Só isso.
Passo 1. Instale o Claude Code
Abra o terminal (no Mac, aplicativo Terminal; no Windows, PowerShell) e cole o comando de instalação disponível na documentação oficial em code.claude.com. Se preferir fugir do terminal, baixe o app desktop na mesma página, a experiência é a mesma com interface gráfica. Na primeira execução, ele pede login com sua conta Claude. Faça e pronto, está instalado.
Passo 2. Crie a pasta de trabalho
Crie uma pasta no seu computador chamada auditoria-titulos. Dentro dela, coloque um export do Search Console: vá em Desempenho, filtre os últimos 3 meses, exporte a aba Páginas em CSV. Se quiser enriquecer, exporte também a aba Consultas. Essa pasta é o mundo do seu agente. Ele enxerga o que está nela, e só o que está nela.
Passo 3. Abra o agente dentro da pasta
No terminal, navegue até a pasta (cd auditoria-titulos) e digite claude. A sessão abre. A partir daqui, é português.
Passo 4. Delegue
Cole uma instrução como esta, ajustando ao seu contexto:
Nesta pasta há um export do Search Console com o desempenho das páginas do meu site nos últimos 3 meses. Quero uma auditoria de títulos. Faça o seguinte: identifique as 30 páginas com mais impressões e CTR abaixo da mediana do site. Para cada uma, acesse a URL, extraia o title atual e avalie se ele explica o conteúdo e gera clique. Me entregue um arquivo CSV com as colunas: URL, impressões, CTR atual, title atual, diagnóstico em uma frase e sugestão de title novo com até 65 caracteres. Antes de começar, me diga como pretende executar e me pergunte o que precisar.
Repare na última frase. Pedir o plano antes da execução é o hábito que separa quem delega de quem torce. O agente vai te apresentar o plano, você ajusta e aí autoriza.
Passo 5. Acompanhe e revise
O agente vai ler o CSV, provavelmente escrever um script para calcular a mediana e filtrar as páginas, pedir sua permissão para acessar as URLs e para executar o que criou (ele sempre pede antes de agir fora da pasta), e montar o arquivo final. Ao terminar, abra o CSV entregue e revise como revisaria o trabalho de um analista: as sugestões de title são ponto de partida, o julgamento editorial segue sendo seu.
O resultado dessa meia hora: uma auditoria que manualmente tomaria uma tarde, um arquivo pronto para virar backlog de otimização, e a experiência concreta dos quatro verbos. Você viu o agente ler, executar, verificar e iterar. Isso não se explica, se sente.
E no Codex e no Antigravity?
O mesmo exercício roda nos dois, com temperamentos diferentes.
No Codex, você pode fazer via CLI no terminal (instalação pelo site da OpenAI, comando codex na pasta) ou direto na nuvem, subindo os arquivos. A vantagem aparece quando você tem várias auditorias na fila: o Codex foi desenhado para lote, você despacha três tarefas e recebe os três resultados prontos. A desvantagem é que a execução na nuvem te dá menos visibilidade do processo enquanto acontece.
No Antigravity, o fluxo é o gerenciador de agentes: você abre o app, aponta a pasta e descreve a tarefa da mesma forma. É visivelmente mais rápido que os outros dois e o custo é o menor da categoria. Em contrapartida, nos meus testes e nos comparativos publicados, é o que mais exige revisão do resultado, e a plataforma ainda tem arestas de produto em preview. Para tarefa simples e volume alto, brilha. Para análise onde erro sutil custa caro, eu ainda não solto a mão.
A escolha é sua e pode mudar com o tempo. O paradigma, não.
O que você construiu e o que falta
Você saiu do chat. Delegou uma tarefa real, com dados reais, e recebeu um entregável. Mas repare numa coisa: o seu agente executou bem uma tarefa que você descreveu muito bem. Ele não sabe nada sobre o seu negócio. Não conhece seu público, seu tom, suas regras editoriais, seus critérios de qualidade. Amanhã, na próxima tarefa, você vai ter que explicar tudo de novo, e a qualidade do resultado vai depender inteiramente da qualidade da sua instrução daquele dia.
Existe um jeito de resolver isso de forma permanente. Um arquivo, um único arquivo de texto, que transforma o agente genérico em alguém do seu time. É o assunto do capítulo 2: contexto é o novo prompt. Te espero lá semana que vem.