Como usar IA no negócio com agentes próprios

Você não substitui seu trabalho por IA: você ensina a máquina a fazer aquilo que você já domina. Se você não sabe como deve ficar um resumo de aula ou um dashboard, nenhum agente vai acertar. É por aí que começa quem quer saber como usar IA no negócio.

O que significa usar IA no negócio na prática

Usar IA no negócio, no caso documentado aqui, é construir agentes que executam tarefas rotineiras de um negócio digital de uma pessoa: transcrever vídeos, gerar ideias de conteúdo, resumir aulas e responder alunos. A fonte é a série de vlogs do criador Elton Luiz, que em abril de 2026 começou a registrar em vídeo a reconstrução do próprio One Person Business. O material de construção é o Claude Code, a ferramenta de codificação agêntica da Anthropic que roda no terminal.

A série tem uma premissa simples e rara: documentação real, sem teoria ensaiada. O primeiro episódio mostra um dia comum, com filhos pequenos, internet instável e um cliente que cancelou reunião porque o filho adoeceu. O valor do conteúdo está justamente nesse contraste entre o discurso de automação e a rotina concreta de quem constrói sozinho.

Que agentes já estão em operação

Três agentes aparecem no episódio, cada um em estágio diferente de maturidade. Nenhum deles é produto acabado: são peças em construção que já devolvem valor parcial. A tabela abaixo resume o que cada um faz e em que pé está, segundo o relato do próprio autor (evidência de experiência em primeira mão).

Agente	Função	Estágio relatado
Agente de conteúdo	Gerar ideias de vídeos para gravar	Enviou 15 ideias em um único dia
Agente de suporte "Aragorn"	Responder dúvidas dos alunos	Quinto dia de construção; estimativa de 10 dias
Agente de transcrição	Transcrever vídeos do canal e dos cursos	Mais de 1.500 arquivos em 7 dias

O agente de transcrição merece atenção porque é infraestrutura, não vitrine. Ele existe para alimentar o agente de suporte: sem as transcrições das aulas, o atendimento não teria base técnica para responder. A ordem de construção importa — primeiro a base de conhecimento, depois a personalidade.

Por que o agente de suporte é o mais difícil de refinar

O agente de suporte é o mais trabalhoso porque precisa de personalidade, não apenas de informação. Quase 3.000 documentos já foram alimentados nele, mas alimentar não basta: é preciso ajustar o tom, perceber como ele responde e corrigir respostas consideradas "malucas". O autor compara isso a escrever um briefing aos poucos, porque não consegue especificar tudo de uma vez.

Cada teste tem custo real. O agente usa a API da Anthropic cada resposta custa alguns centavos, segundo o relato. É um valor pequeno por interação, mas o ciclo de testar, errar e testar de novo torna o refinamento mais longo do que a construção inicial. A previsão do autor é que o agente leve cerca de 10 dias no total, e ele estava na metade no dia da gravação.

O detalhe que decide o resultado

A personalidade é o que transforma um banco de respostas em um atendente. O nome escolhido, Aragorn, vem da raiz nerd declarada do autor — a estante atrás dele guarda a obra completa da Terra-média de J.R.R. Tolkien. Ele decidiu batizar todos os agentes com nomes do universo de Senhor dos Anões e Senhor dos Anéis, uma decisão estética que não muda a técnica mas mostra o ponto: cada detalhe de identificação é uma escolha de dono, não um parâmetro automático.

O julgamento continua humano

O insight central do episódio é direto: a IA não sabe a finalidade das coisas, você sabe. O autor resume assim — você precisa saber como deve ficar um dashboard, um resumo de aula ou uma transcrição antes de pedir. Sem esse critério interno, não há como demandar o trabalho nem avaliar o resultado.

Isso contradiz a promessa comum de que basta jogar o problema na IA. O autor testemunha o contrário depois de cerca de 13 a 14 dias de trabalho com Claude Code: o agente não enxerga sozinho os próprios erros, e o treinamento depende de alguém dizer o que está errado. O juiz é o ser humano, e esse julgamento vem de conhecer o negócio.

A consequência prática é um novo tipo de habilidade. Quem conhece o próprio negócio consegue produzir muito com IA; quem não conhece vai receber respostas plausíveis e inúteis. A IA executa uma coisa que você já sabe como deve acontecer — ela não substitui o critério, ela amplifica o critério existente.

Quanto tempo e ritmo esse projeto exige

O projeto consome cerca de 2 horas por dia, quase sempre entre 22h e 23h, quando a casa silencia. O autor admite que é viciante: ver o agente responder bem gera um efeito que ele descreve como dopaminérgico. Mas também é mais trabalho do que parece, porque envolve pensar, conversar, testar e corrigir continuamente.

A meta de automação total é realista no prazo declarado: seis meses para os agentes assumirem 100% da operação, contra 13 a 14 dias de trabalho até a gravação. A diferença entre esses dois números é o retrato honesto que falta na maioria das promessas sobre IA — o caminho é longo, e o deploy do dashboard com dados reais ainda estava pendente no fim do dia.

O contexto: um negócio de uma pessoa só

Nada disso acontece no vácuo. O autor produz conteúdo há 8 anos e relata que a escola dele passou de 100 alunos em 2020 para mais de 10.000. O modelo é o One Person Business, negócio de uma pessoa só, e a série serve de documentação pública antes da reabertura da escola dele. Ferramentas de apoio citadas na rotina incluem o Notion para organização.

Há também uma posição clara sobre o que a IA não deve tocar. O autor acredita que ninguém deveria se substituir pela IA; o que ele buscou substituir foi a camada operacional, preservando o contato direto com a audiência. Essa fronteira explica por que o projeto prioriza agentes de suporte e produção, e não um personagem virtual no lugar do criador.

Para quem acompanha essa movimentação de documentar construções em público, o estilo lembra o que faz o Dev Doido do canal do youtube: mostrar o processo com erros incluídos, em vez de só o resultado final. A prática de registrar cada dia é o que permite ao público ver o custo, o prazo e as limitações reais.

Lições aplicáveis ao seu negócio

Se você quer replicar essa abordagem, três lições saem direto do episódio. Elas valem para negócio digital de qualquer tamanho e não exigem orçamento grande, apenas método.

1. Comece pela base de conhecimento. Transcreva seu conteúdo existente antes de construir qualquer atendente, porque agente sem material próprio responde genericamente.
2. Separe construção de refinamento. Alimentar documentos é rápido; ajustar personalidade e tom é o trabalho longo, e Convex planejar dias, não horas.
3. Orce o custo por teste. Se cada resposta custa centavos, o ciclo de validação tem preço — teste com objetivos claros para não queimar dinheiro em conversas vagas.

Uma observação de honestidade técnica: todos os números aqui vêm do relato do autor, não de auditoria independente. Os 1.500 arquivos, os 3.000 documentos e os custos por resposta são a experiência dele com a configuração específica que usa. Seu resultado vai variar com o tamanho da base e a complexidade do atendimento.

Quem quiser ferramentas para montar esse tipo de ambiente encontra opções organizadas na crazystack, um diretório de recursos para quem constrói sozinho.

Perguntas frequentes sobre usar IA no negócio

• Quanto tempo leva para ter agentes de IA funcionando no meu negócio? No caso documentado, o autor levou 13 a 14 dias para avançar em três agentes e estima cerca de 6 meses para automatizar 100% da operação. O agente de suporte, o mais complexo, teve previsão de 10 dias de construção. O prazo depende do tamanho da Supabase de conteúdo e da complexidade do atendimento.

• Quanto custa rodar um agente de atendimento com API? Segundo o relato, cada resposta do agente de suporte custa alguns centavos na API da Anthropic custo por interação é baixo, mas o ciclo de testes durante o refinamento multiplica o gasto. Vale orçar o custo por rodada de teste antes de começar.

• A IA substitui o dono do negócio? O autor defende explicitamente que não: o que se substitui é a camada operacional, não o contato humano com a audiência. O julgamento sobre o que é um bom resultado continua sendo do dono. Sem conhecer o negócio, você não consegue nem demandar nem avaliar o trabalho do agente.

• Preciso saber programar para construir esses agentes? O autor usa o Claude Code, ferramenta de codificação agêntica da Anthropic que roda no terminal, o que exige certa familiaridade técnica. Alternativas sem código existem, mas o refinamento fino de personalidade e tom tende a ser mais trabalhoso nelas. O ponto comum é que o esforço principal está em testar e corrigir, não em programar.

• Por onde começar se meu conteúdo está todo em vídeo? Comece transcrevendo, como o autor fez: mais de 1.500 arquivos transcritos em 7 dias serviram de base para o agente de suporte. Transcrição é a ponte entre conteúdo em vídeo e base de conhecimento consultável. A partir dela você alimenta os agentes com material próprio em vez de respostas genéricas.

Transforme seus vídeos em artigos que trabalham por você

A lição deste episódio vale para conteúdo também: o material que você já gravou é uma base de conhecimento subaproveitada. Um vlog de 14 minutos como este guarda lições sobre agentes, custos e rotina que a maioria do público nunca vai ler, porque vídeo exige tempo e silêncio — e artigo não.

Se você tem conhecimento valioso gravado em vídeos, o Skala blog transforma esse acervo em artigos estruturados: você cola a URL do YouTube, a plataforma transcreve e gera um texto pronto para revisar e publicar. É a mesma lógica do agente de transcrição deste artigo, aplicada ao seu próprio arquivo.

Source video