Codex: casos de uso para lideranças

Aplicações dos assistentes de IA - Apresentação

Apresentando o curso e o público-alvo

Olá! Bem-vindas e bem-vindos a mais um curso na Alura. Eu sou Ricardo Bugan, Head de Produto e pessoa desenvolvedora, e serei a pessoa instrutora neste curso de Codex.

Neste curso, nós vamos explorar ferramentas para você, que é liderança, que tem uma equipe que responde a você e que possui muitos projetos, precisando cuidar de muitos contextos em paralelo. Vamos explorar três ferramentas que você pode criar; você terá acesso a elas após o curso e também poderá aproveitar o que aprender aqui para criar suas próprias ferramentas.

Partimos do pressuposto de que você já conhece o Codex e suas funções. Vamos ampliar seu repertório do que é possível fazer com a ferramenta, melhorando seu dia a dia como liderança.

Para isso, veremos três projetos diferentes.

Detalhando o projeto de adaptação de comunicação

Projeto 1 — Adaptação de comunicação

Nós vamos criar algumas habilidades e utilizar funções do Codex, além de alguns arquivos, para que a ferramenta entenda seu tom de voz. Com isso, você poderá escrever e-mails (mensagens de correio eletrônico) ou permitir que o Codex escreva por você, de modo que sua revisão seja muito mais rápida, com poucas alterações, pois o texto já virá no seu estilo.

A partir do seu tom de voz, o Codex adaptará a comunicação para marketing (mercadologia), para a equipe comercial e para a equipe de desenvolvimento, incorporando também os jargões dessas áreas e facilitando sua comunicação escrita no dia a dia.

Configurando o projeto de analista de dados

Projeto 2 — Analista de dados

Nós vamos configurar um analista de dados que nos ajudará a estruturar um projeto e a criar um painel de dados para nós, que estamos na direção. Precisamos apresentar e montar dashboards (painéis) com os dados e métricas de nossos projetos e produtos, e veremos como fazer isso e transformá-lo em um processo.

Estamos no Obsidian com este projeto aberto, assim podemos ver como foi criado e quais arquivos foram gerados para automatizar o tratamento de uma folha de NPS. Temos aqui as habilidades, nossos agentes, para criar todo o processo: criar o painel, fazer o ETL, limpar os dados e criar um processo de dados no qual, na primeira vez em que apresentamos as métricas, ele as analisará e gerará para nós esse arquivo de processo. Depois, teremos nosso agente executor de processos, que executará isso de forma muito mais econômica, para economizar tokens, gerando esses dashboards (painéis), como vimos aqui.

Implementando o assistente de gestão de pessoas e encerrando o curso

Em seguida, veremos como usar as funções do nosso assistente para criar um assistente de avaliação de desempenho e um assistente de acompanhamento da equipe.

Ao final, quando temos duas, três, quatro, cinco, seis, dez pessoas na equipe, precisamos atender cada pessoa individualmente. Cada uma tem suas necessidades, dificuldades e solicitações direcionadas a você como pessoa líder. Como, junto com todo o contexto de projetos que precisamos gerenciar para a empresa e das pessoas stakeholders (partes interessadas) com quem precisamos conversar e negociar, também cuidamos da equipe, mantemos governança para melhorar nosso trato no dia a dia e registramos suas solicitações e necessidades?

Vamos explorar este assistente de gestão de pessoas, que chamamos aqui de assistente EVD, porque realiza a avaliação de desempenho, gera o PDI para você e também registra as reuniões one-on-one (reunião individual), para que tenhamos o dia a dia da equipe registrado, não percamos nada do que está acontecendo e também para facilitar nossa rotina.

São três projetos para você, que está na direção, entender como tirar o melhor proveito das funções do Codex e, novamente, facilitar o seu dia a dia. Eu te espero lá. [♪]

Aplicações dos assistentes de IA - Projetos do curso: aplicações possíveis

Introduzindo o curso e contextualizando o uso do Codecs

Antes de iniciarmos o curso e começarmos a explorar os projetos e como podemos usar melhor o Codecs no nosso dia a dia, queremos explicar o que veremos neste curso e como ele está estruturado, pois talvez não seja um curso como você está acostumade a ver aqui na Alura. Será um pouco diferente.

A ideia é utilizarmos o Codecs, este assistente, esta IA, como uma ferramenta para o nosso dia a dia no papel de liderança. Pensamos em você, que tem um contexto amplo para cuidar, múltiplos projetos em paralelo, uma equipe sob sua responsabilidade e muitas tarefas pequenas no cotidiano que podem ser automatizadas. Você conversa com várias pessoas, precisa se comunicar, alinhar expectativas, entender necessidades e, além disso, faz gestão e desenvolvimento das pessoas da sua equipe.

Definindo o público e apresentando os projetos

Este é um curso pensado para quem está em liderança, seja uma liderança mais técnica, de negócios ou de marketing (mercadologia). Aqui, a área específica de liderança não é o ponto central; o importante é ter esse contexto amplo, atuar como pessoa gestora e lidar com muitas tarefas e múltiplos contextos no dia a dia.

Para isso, veremos três projetos ao longo do curso, nos quais utilizaremos o Codecs para entender quais tarefas podemos automatizar e como fazer isso. Vamos compreender como traduzir o contexto da nossa área de liderança para outras áreas de liderança, pois muitas vezes esse é um grande problema nas empresas. Quando estamos em tecnologia e vamos dialogar com a área de marketing (mercadologia), as palavras e a comunicação podem não se alinhar. O mesmo ocorre quando estamos em marketing (mercadologia) e precisamos conversar com o time de produto: mesmo havendo proximidade, a comunicação nem sempre é fluida. Veremos como usar um assistente, uma inteligência artificial, para nos ajudar a traduzir esse contexto.

Também veremos um assistente para nossas AVDs, as Avaliações de Desempenho, e para a gestão de pessoas no nosso dia a dia.

Portanto, exploraremos três projetos durante este curso.

Explorando a abordagem prática e as funcionalidades do Codecs

Nós não vamos criar tudo do zero. A ideia é partir de um projeto já pronto e mostrar como ele funciona: qual problema tenta resolver, como busca resolver esse problema e um exemplo prático de uso.

Seu foco, enquanto acompanhamos esses projetos, é entender como as funcionalidades que você viu no curso anterior ou que já conhece do Codecs — as skills (habilidades), os agendamentos, os servidores MCP (Protocolo de Contexto de Modelo), os próprios modelos, a forma de redigir o prompt (instrução), a janela de contexto — trabalham em conjunto para realizar a automação, fazer um assistente funcionar e resolver o seu dia a dia. Portanto, o seu foco é compreender isso.

Este será um curso um pouco diferente, porque mostraremos muito mais exemplos já funcionando do que a criação de um exemplo desde o zero. Porém, as funcionalidades são as mesmas — ou muito parecidas — com as que você viu no curso anterior, e usaremos o Codecs como base para tudo isso.

Observando as áreas de aplicação e o funcionamento dos assistentes

Ao ver os exemplos, você perceberá que alguns se concentram mais na área de dados, outros na parte de pessoas, outros em negociação, e ainda há aqueles que tratam de projetos, métricas e resultados. Existem, portanto, várias áreas possíveis para trabalhar com um assistente pessoal.

Vamos observar como cada uma dessas áreas, que fazem parte do contexto de liderança, se encaixa para resolver determinada funcionalidade, ou aquele assistente que estamos estruturando aqui, ou que veremos funcionando, de fato funciona.

Convidando à aplicação prática e reforçando o formato do curso

Seu papel, enquanto acompanha este curso, é pensar no seu dia a dia, nos problemas que você tem, e tentar traduzir o que disso faz sentido para você: o que pode usar como está e o que mudaria.

Mais profundamente do que isso, queremos que você estruture o seu próprio assistente para um contexto que não será mostrado aqui no curso, pois é impossível cobrir todos os contextos possíveis. Nosso objetivo é deixar claro como a arquitetura e as funcionalidades que o Codecs oferece estão funcionando e se conectando para ajudar no dia a dia, para que você pense um sistema, o estruture de forma automatizada, o execute e ele funcione melhor no cotidiano, permitindo um dia a dia mais estratégico.

A ideia com as inteligências artificiais é sairmos da operação, automatizar o que puder ser automatizado e avançar para a parte estratégica.

Aplicações dos assistentes de IA - Ecossistema de Harnesses de LLMs

Apresentando alternativas ao Codecs

Agora que nós já entendemos para quem é este curso, vamos falar sobre ferramentas que você pode utilizar no lugar do Codecs, caso esteja acompanhando estes exemplos e não tenha acesso ao Codecs. No mundo de inteligência artificial, diversas ferramentas são apresentadas e divulgadas diariamente. Nosso objetivo é oferecer um panorama de onde cada uma se encaixa para que você entenda como as siglas do mundo de inteligência artificial se conectam.

Definindo o conceito de harness e apresentando similares

Vamos começar pelo que é mais similar: quais ferramentas são mais próximas do próprio Codecs? O Codecs é um harness (camada de integração). Ele funciona como uma camada entre nós, no momento em que escrevemos o prompt (instrução), e o nosso LLM (Modelo de Linguagem Grande), que estará no servidor — no caso da OpenAI, porque estamos usando o Codecs. No caso do Claude Coworking, por exemplo, o modelo estará no servidor da Anthropic, e será um modelo de linguagem proprietário dessas empresas.

Nessa linha de harness (camada de integração) — termo relativamente novo para nomearmos essas ferramentas — temos o Claude Coworking, sobre o qual inclusive existem cursos na Alura; o OpenCLO, que foi um dos primeiros que se destacou nessa parte mais de negócios e gestão; o OpenCode, cujo próprio nome indica o foco em código; e o Codecs, que é o que exploramos neste curso. Essas são algumas das mais conhecidas; não é uma lista exaustiva. Podemos considerá-las com funções semelhantes, passíveis de substituição entre si.

Detalhando o OpenCLO e seu funcionamento

Vamos olhar mais especificamente para o OpenCLO. O OpenCLO foi criado com foco em conectar outras ferramentas. Ele incorporou conexões com diversas ferramentas que o n8n já possuía, trazendo a camada de LLM por trás, mais integrada à experiência. O OpenCLO é parecido com o Codecs e com o Coworking, mas seu funcionamento é diferente, pois não roda, por padrão, localmente. É possível instalá-lo no computador, mas com o detalhe de que terá acesso ao sistema inteiro, e não apenas a uma pasta específica. Com isso, torna-se mais poderoso, pois pode alterar qualquer coisa no computador, e também mais perigoso, já que pode apagar qualquer coisa.

A prática comum com o OpenCLO é deixá-lo em um servidor na nuvem, uma VPS (Servidor Virtual Privado) que provedores como a Hostinger oferecem. Assim, mantemos um assistente acessível via WhatsApp, Telegram, Slack ou Teams. Qualquer ferramenta de comunicação serve como canal entre você e o assistente, que fica disponível 24 horas por dia, pois o servidor permanece ativo continuamente.

Explorando o OpenCode e a flexibilidade de provedores

Já o OpenCode é muito mais próximo do que o Codecs. Ele roda na máquina local e tem foco em código — o próprio nome indica isso. Ele tem funcionalidades e features (funcionalidades) parecidas com o Codecs, mas é enviesado para código. A camada de tradução, ou de prompt (instrução) de sistema, entre você e o servidor de LLM está mais orientada a tarefas de programação. Por ser uma iniciativa de código aberto, qualquer pessoa que saiba programar pode acessar o código-fonte, alterá-lo e utilizar o OpenCode.

Tanto o OpenCode quanto o OpenCLO são independentes de provedores; não estão associados a uma empresa proprietária do modelo de linguagem. Isso nos garante flexibilidade, pois podemos usar o OpenCode ou o OpenCLO com o Codecs, com a OpenAI, com a Anthropic, com o Google, com qualquer um dos modelos de linguagem desejados, com o Voodoo do LLM, além dos modelos abertos que temos também. Essa flexibilidade permite escolher o melhor modelo de linguagem do momento e, inclusive, variar preço. Mantemos o mesmo hardware e a mesma ferramenta de interação para trabalhar, mas trocamos o modelo de linguagem em execução para garantir melhor qualidade ou menor custo, organizando essas escolhas e aproveitando a flexibilidade das ferramentas.

Comparando ferramentas proprietárias e recursos comuns

Já o Codecs e o Claude são ferramentas proprietárias de empresas que detêm os respectivos modelos de linguagem. O Codecs, obrigatoriamente, utiliza o modelo de linguagem da OpenAI. O Claude, obrigatoriamente, utiliza o modelo de linguagem da Anthropic. Nesses casos, não há flexibilidade para escolher diferentes modelos ou provedores. Contudo, dentro dos modelos da OpenAI, podemos optar pelo mais recente, pelo mais antigo, pelo que consome mais ou menos recursos, pelos modelos mini (menores), que são mais rápidos. No Codecs, escolhemos dentro da gama que a OpenAI fornece. Com o Claude, ocorre o mesmo, mas com os modelos da Anthropic.

Todas essas ferramentas têm features (funcionalidades) parecidas.

Teremos acesso às pastas e arquivos, à criação de habilidades (skills), que já vimos bastante. Vamos conseguir rodar uma nova janela de contexto para um subagente dentro desses harnesses (arcabouços). Teremos também hooks (ganchos) para automação; se quisermos que algo seja feito automaticamente a partir de um gatilho, conseguimos configurar, pois a plataforma chama esses gatilhos de hooks (ganchos). Além disso, há conectores MCP para integrar ferramentas externas ao nosso harness. Tudo isso compõe as features (recursos) que, inclusive, já vimos no curso anterior de Codex. Nós vimos como esses recursos funcionam e como podemos organizá-los.

Contrastando OpenClaw, Codex e Coworking

O OpenClaw, como mencionamos, é comum estar na nuvem e permanecer sempre ativo. Diferentemente do Codex, que fica na sua máquina; para acessá-lo, é preciso estar na máquina e, se ela não estiver ligada, ele não funciona. Essas são algumas diferenças entre o OpenClaw e o Codex. O OpenClaw também enfatiza integrações, algo que o Codex não traz tanto. No OpenClaw, foi planejado haver conexões com vários provedores, e podemos acessar o nosso assistente por todos esses provedores. Inclusive, em paralelo, podemos ter o mesmo assistente no WhatsApp, no Slack e no Discord, configurado para responder de acordo com a configuração e com o prompt definidos. Há muitas vantagens nesse sentido. São ferramentas parecidas, mas cada uma tem um propósito, uma peculiaridade, um recurso e um viés distintos na hora de escolher a ferramenta.

Mesmo comparando as que são mais próximas, como o próprio Codex e o Coworking, o Coworking tende a ser mais voltado a negócios do que o Codex. O Codex consegue realizar muitas coisas relacionadas a negócios, como veremos, mas tende a puxar mais para programação. Assim, ele frequentemente direciona a resposta para gerar código, criar uma aplicação ou automatizar algo por meio de scripts (roteiros de automação).

Situando o n8n no ecossistema de automação

Podemos, então, pensar no n8n. Onde o n8n se encaixa dentro de tudo isso? O n8n surgiu antes das LLMs (Large Language Models, Modelos de Linguagem Grande); ele já existia e tem capacidade de agentes. Como vemos no print, ele oferece workflows (fluxos de trabalho) e agentes para controlar e organizar. A diferença é que o n8n foi pensado inicialmente como uma ferramenta de automação de processos e de conexão entre várias ferramentas diferentes. Ele incorpora essa conectividade entre várias ferramentas que o Opicloud, na verdade, herdou dele. A partir das ferramentas que podemos conectar no n8n, disparamos uma automação de fluxo.

Por exemplo: recebemos um e-mail de insatisfação ou de reclamação de uma pessoa cliente; enviamos isso para o Slack do time; desse Slack, também já registramos em uma planilha do Excel onde nós fazemos o controle; depois, assim que alguém responde no Slack, enviamos um e-mail de retorno para a pessoa que fez a reclamação. Todo esse fluxo nós desenhamos no n8n, e ele é determinístico: vai rodar sempre da mesma maneira. Recentemente, o n8n também adicionou recursos de IA na plataforma, permitindo usar inteligência artificial ali, mas de uma maneira um pouco diferente na configuração dos agentes.

Alguns recursos do n8n:

• Conexão nativa com muitas aplicações; é muito bom para conectar ferramentas de todo tipo, pois possui muitas integrações.
• Desenho facilitado para automação de processos, porque foi pensado para isso.
• Adição de agentes em pontos específicos do fluxo: no meio do processo, podemos ter um agente personalizado para resolver uma tarefa específica e, depois, seguir o fluxo de automação.
• A grande diferença: é a automação que chama a IA, não a IA que chama a automação; muda quem aciona a IA.
• Também conta com conectores MCP.

Ampliando o repertório e facilitando migrações

A ideia aqui é apresentar esse conjunto de ferramentas que estamos observando e sobre as quais somos bombardeados no marketing diariamente, para ampliar o seu repertório e entendimento. Se já entendemos Codex, talvez tenhamos facilidade com o Coworking da cloud.

Apresentar esse conjunto de ferramentas amplia o repertório para facilitar a compreensão e a migração. Se estamos em uma empresa que usa o Coworking hoje e ela muda para o Codex, há muita coisa que conseguimos trazer e traduzir com facilidade. Caso tenham deixado de usar o Coworking ou o Codex e estejam usando o Open Code por ser a única disponível, sabemos que ela é voltada a código, mas podemos ajustar algumas coisas e tentar usá-la para realizar tarefas que o Coworking executa, apesar de ser mais focada em código, porque possui recursos e funciona de maneira parecida com o Coworking, inclusive na questão do viés de como a própria LLM trará a resposta.

Em resumo, buscamos ampliar o repertório, entender onde cada uma dessas peças se encaixa e quais podemos trocar entre si, facilitando a substituição de ferramentas nesse mundo em que surge uma ferramenta nova a cada semana.

Sobre o curso Codex: casos de uso para lideranças

O curso Codex: casos de uso para lideranças possui 83 minutos de vídeos, em um total de 37 atividades. Gostou? Conheça nossos outros cursos de Automação & Produtividade em Inteligência Artificial, ou leia nossos artigos de Inteligência Artificial.

Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:

• Aplicações dos assistentes de IA
• Adaptador de comunicação
• Analista de dados
• Gerador de avaliações de desempenho
• Organização e adaptação de assistentes