Como empresas nativas de IA transformam fluxos de trabalho em capacidade operacional

O mais recente relatório Enterprise Signals da OpenAI mostra que a IA empresarial está passando da assistência à execução em ritmos muito diferentes. As empresas de fronteira — aquelas entre as 10% que mais usam IA — agora geram 8,3 vezes mais tokens de saída por usuário ativo que as empresas típicas, ante 2,6 vezes em janeiro. A lacuna crescente aponta para uma mudança operacional mais profunda: as empresas líderes conectam agentes ao contexto e às ferramentas da empresa, delegam trabalhos mais relevantes e facilitam a repetição de fluxos bem-sucedidos.

Para as lideranças, o desafio é transformar essa profundidade em um trabalho no qual as pessoas possam confiar, que consigam medir e aprimorar. As lideranças também devem abrir espaço para a experimentação, inclusive com casos de uso cujo valor não seja evidente na primeira tentativa.

As startups Basis⁠(abre em uma nova janela), Clay⁠(abre em uma nova janela) e Exa Labs⁠(abre em uma nova janela) incorporaram agentes à integração de funcionários, à gestão de contas e à expansão do ecossistema de desenvolvedores. Seus fluxos são diferentes, mas a progressão é instrutiva: ensine um processo estável a um agente, ofereça contexto persistente à medida que o trabalho muda e, depois, deixe que ele transforme oportunidades em ações testadas.

Juntos, esses exemplos mostram como as equipes podem incorporar agentes ao trabalho habitual e aprimorar o processo ao longo do tempo.

A integração há muito tempo é trabalhosa para empregadores e funcionários. Na Basis, que desenvolve agentes de IA para escritórios de contabilidade, a integração do primeiro dia agora leva 30 minutos, em vez de duas horas, dando ao RH mais tempo para cultura e suporte.

No primeiro dia, os funcionários recebem acesso imediato ao Codex e a uma habilidade de integração específica da empresa — um conjunto reutilizável de instruções e recursos para determinado fluxo de trabalho. O Codex dá as boas-vindas, apresenta conceitos importantes da empresa e usa o computador de cada funcionário para concluir a configuração das integrações em segundo plano. Quando surgem dúvidas recorrentes ou exceções, o RH pode atualizar a habilidade antes da próxima turma.

A Basis demonstrou o processo de integração uma vez e o transformou em uma habilidade reutilizável, com um gatilho claro, etapas conhecidas, acesso às ferramentas certas e uma definição clara de "concluído". O processo deixou de depender da disponibilidade de uma única pessoa, mas a equipe ainda pode intervir em exceções ou dúvidas complexas. Agora, a integração é mais consistente, reproduzível e fácil de aprimorar, e os novos funcionários já começam com um modelo de como trabalhar com IA.

A Clay, empresa que desenvolve um mecanismo de receita com aprendizado autônomo para equipes de go-to-market, enfrenta um desafio comum em vendas: o contexto essencial das negociações fica disperso entre registros do CRM, e-mails, Slack, chamadas, apresentações, mensagens de texto e conversas com equipes internas e clientes apoiadores.

Para manter esse contexto atualizado, uma engenheira de GTM da Clay testou uma abordagem melhor: um ambiente de trabalho seguro persistente e um subagente dedicado a cada conta. Cada subagente analisa fontes primárias e atualiza a pasta da negociação durante a noite. Todas as manhãs, um agente coordenador transforma as atualizações de todas as contas dela em uma lista curta de ações prioritárias: responder a uma dúvida pendente do cliente, preencher uma lacuna no comitê de compras ou dar a um prospect um motivo para retomar o contato.

Segundo a Clay, o fluxo poupa cerca de uma hora de triagem da caixa de entrada dela todas as noites. As prioridades diárias ajudam a concluir pequenas ações que, somadas, podem fazer a diferença ao longo de um extenso ciclo de vendas empresariais. As evidências de apoio permanecem junto de cada recomendação, permitindo que os vendedores consultem as fontes primárias antes de agir. As empresas poderiam estender esse contexto compartilhado a executivos de contas, BDRs, engenheiros de soluções e líderes de vendas, respeitando as permissões já existentes para cada conta.

A Clay mostra o que um trabalho em evolução precisa para ganhar escala: estrutura consistente, uma cadência útil de atualização, evidências compartilhadas e julgamento humano no momento da ação.

A Exa Labs, que desenvolve infraestrutura de pesquisa na web para agentes de IA, quer disponibilizar sua API de pesquisa em todos os lugares onde ela possa ser útil aos desenvolvedores. A equipe chama essa meta de "Exa em todo lugar". Antes, para alcançá-la, as equipes de relações com desenvolvedores e de contas precisavam monitorar repositórios e o ecossistema mais amplo, identificar integrações promissoras, reunir contexto e coordenar o trabalho entre sistemas. Embora as oportunidades variassem, o caminho da descoberta à implementação seguia uma sequência consistente. A Exa transformou essa sequência em um fluxo definido para o Codex, com prioridades claras, acesso às fontes necessárias e revisão humana antes de qualquer lançamento.

Agora, o Codex monitora oportunidades de integração prioritárias, reúne o contexto relevante, cria pull requests, executa testes e prepara atualizações semanais usando fontes como Slack e Notion. Quando apropriado, também pode elaborar a próxima etapa, incluindo um anúncio inicial, para a equipe revisar. O fluxo conduz uma oportunidade desde o sinal até um artefato testado, reduzindo as transferências entre pesquisa, engenharia e comunicação.

As pessoas continuam decidindo quais oportunidades importam, quais compromissos a Exa deve assumir e como as relações externas devem ser administradas. Os testes e pontos de revisão tornam o trabalho do agente visível antes do lançamento. Os resultados dos testes e a revisão humana podem mostrar à equipe onde ajustar o fluxo antes da próxima execução. À medida que o trabalho gera consequências mais relevantes, permissões, evidências e direitos de decisão ganham mais espaço no desenho do fluxo.

Juntas, Basis, Clay e Exa traduzem em termos operacionais os padrões observados no Enterprise Signals. A Basis transforma um processo comprovado em uma habilidade reutilizável. A Clay oferece a um agente o contexto e a persistência necessários para manter atualizado um conjunto de trabalho em constante evolução. A Exa acrescenta ferramentas, testes e revisão para que um agente possa transformar um sinal em uma execução com limites definidos. As três tornam o aprimoramento parte do fluxo: as exceções na integração revelam onde uma habilidade precisa ser refinada; novas atividades nas contas e a validação dos vendedores mantêm atualizado o contexto das negociações; e os testes e a revisão humana tornam mais precisos os limites de futuras execuções. Cada uma começa com uma tarefa específica e espaço suficiente para testá-la. A divisão do trabalho fica mais clara com o uso, e a responsabilidade aumenta à medida que o fluxo comprova seu valor.

Com o aumento da lacuna de fronteira, líderes empresariais precisam dar espaço para os funcionários testarem fluxos relevantes, medirem o sucesso e transformarem os melhores experimentos em práticas reproduzíveis.

• Escolha uma área de valor relevante. Comece com um fluxo completo que reúna uma prioridade estratégica, sistemas, transferências, controles e resultados mensuráveis. Ele deve se repetir com frequência suficiente para gerar aprendizado e ser importante o bastante para justificar uma reformulação.
• Defina o resultado e como ele será medido. Defina o responsável, o KPI, a linha de base e as salvaguardas. Avalie a profundidade por meio de tarefas concluídas, contexto e ferramentas conectados, exceções e carga de revisão. Avalie o valor por meio de tempo de ciclo, qualidade, custo, receita ou risco. O volume de produção pode mostrar que as pessoas estão pedindo mais à IA; os resultados do fluxo mostram se isso faz diferença.
• Escreva a descrição do trabalho do agente. Defina o que aciona o trabalho, o resultado, o contexto necessário, as ferramentas, as permissões e com que persistência o agente deve buscar a conclusão. Especifique quais evidências ele deve produzir e em que pontos deve parar para revisão humana.
• Construa o sistema humano em torno do agente. Inclua no ciclo de desenvolvimento as pessoas mais próximas do fluxo. Defina quem é responsável pelo resultado de negócios, pela lógica do domínio, por acessos e controles, pela adoção e pelo uso diário. As startups concentram essas responsabilidades em poucas pessoas; conforme o fluxo ganha escala, as empresas precisam estabelecer direitos de decisão explícitos.
• Torne a experimentação visível e reutilizável. Uma pesquisa da OpenAI constatou que, seis meses após a adoção, funcionários em início de carreira enviavam 13 mensagens a mais por semana que os executivos. Dê aos funcionários espaço para testar novos casos de uso; depois, registre o processo e as evidências do que funciona e transforme-os em habilidades, Plugins ou ambientes de trabalho seguros compartilhados. Chat, Work e Codex⁠(abre em uma nova janela) oferecem modos diferentes: Chat para perguntas e colaboração rápida, Work para trabalho intelectual em várias etapas e entregáveis finalizados, e Codex para execução técnica.
• Leve o padrão operacional adiante. Preserve o contexto, as permissões, as avaliações, os pontos de revisão, os responsáveis, as métricas e a capacitação que funcionaram; depois, aplique tudo isso à próxima área de valor. Cada novo experimento deve oferecer à próxima equipe um ponto de partida melhor.