Hoje cedo eu li duas frases que mudam a conversa. Na página do GPT-5.6 , a OpenAI diz que o Sol marcou 80 no Artificial Analysis Coding Agent Index, usando menos da metade dos tokens de saída, levando menos da metade do tempo e custando cerca de um terço menos que o Fable 5. Na página do ChatGPT Work , ela diz outra coisa mais importante para quem paga a conta: o produto junta contexto de ferramentas, arquivos e apps para transformar notas soltas, rascunhos e ideias em trabalho pronto.
Hoje cedo eu li duas frases que mudam a conversa.
Na página do GPT-5.6, a OpenAI diz que o Sol marcou 80 no Artificial Analysis Coding Agent Index, usando menos da metade dos tokens de saída, levando menos da metade do tempo e custando cerca de um terço menos que o Fable 5.
Na página do ChatGPT Work, ela diz outra coisa mais importante para quem paga a conta: o produto junta contexto de ferramentas, arquivos e apps para transformar notas soltas, rascunhos e ideias em trabalho pronto.
Quando eu vejo benchmark bonito e promessa de trabalho pronto no mesmo pacote, eu não pergunto se a demo ficou bonita.
Eu pergunto se isso merece acesso às minhas ferramentas.
TL;DR
Eu não testo ChatGPT Work por curiosidade. Eu testo por missão, acesso, prova e autonomia.
Eu uso o método M.A.P.A.: Missão, Acesso, Prova e Autonomia.
Se o piloto não devolve um artefato útil, com dono humano e limite claro, eu corto antes do teatro virar contrato anual.
O problema
Eu vejo muita liderança comprando IA do jeito mais caro possível.
Primeiro assiste à demo.
Depois empolga com benchmark.
Depois liga tudo: Drive, Slack, email, calendário, CRM. O bom senso vai passear.
O ChatGPT Work é interessante porque a proposta não é só responder pergunta.
A proposta é pegar contexto espalhado e entregar planilha, documento, apresentação e análise mais prontos.
É aí que o risco sobe.
Quanto mais perto a ferramenta chega do trabalho real, mais perto ela chega também do acesso real.
Eu gosto da ambição.
Eu não gosto da ingenuidade que costuma vir junto.
Ferramenta com cara de copiloto executivo sem regra vira estagiário com crachá de diretor. Engraçado por 30 segundos. Caro por muito mais tempo.
O método M.A.P.A.
Quando eu preciso decidir se vale testar o ChatGPT Work, eu uso quatro filtros simples.
1. Missão
Eu começo pela tarefa.
Não pela ferramenta.
Eu escolho uma missão curta, chata e repetível.
Exemplos bons:
transformar notas de reunião em plano de ação;
consolidar dados de duas fontes e montar um resumo executivo;
preparar um rascunho de apresentação semanal para liderança.
Exemplos ruins:
“melhorar a inovação da empresa”;
“usar IA em todas as áreas”;
“deixar o time mais produtivo”.
Se a missão não cabe em uma frase com verbo e entrega final, eu ainda não tenho piloto. Eu tenho ansiedade com Wi-Fi.
2. Acesso
Depois eu defino o que o ChatGPT Work pode enxergar.
A página do produto fala em contexto vindo de ferramentas, arquivos e apps.
Isso é poder.
Também é superfície de risco.
Eu ligo o mínimo para a missão funcionar.
Se o teste é montar resumo executivo com uma pasta mais uma planilha, eu não libero calendário, CRM nem email só porque o botão está ali me seduzindo.
A regra é simples:
acesso mínimo;
prazo curto;
dono humano;
revisão antes de compartilhar.
Se você quer aprofundar essa parte, eu abriria dois textos meus. Um sobre sandbox de agentes. Outro sobre engenharia de contexto.
3. Prova
Eu não avalio o piloto pelo quanto ele parece esperto.
Eu avalio pelo que ele entrega sem maquiagem.
Na prática, eu peço uma saída que eu possa abrir, revisar e comparar.
Exemplos de saída:
um documento com recomendação;
uma planilha com números reconciliados;
um deck inicial para reunião;
um resumo de projeto com próximos passos.
Se o piloto só devolve conversa simpática, eu não chamo isso de trabalho pronto.
Chamo de conversa simpática mesmo.
A própria OpenAI reforça no guia de Programmatic Tool Calling uma diferença que eu acho adulta: há tarefas de uma chamada só, tarefas previsíveis em sequência e tarefas que pedem aprovação clara em ações mais sensíveis.
Eu leio isso como um aviso importante para qualquer founder: automação boa não é a que faz mais coisa. É a que respeita fronteira.
4. Autonomia
Aqui eu separo ferramenta útil de teatrinho caro.
Eu quero saber até onde ela consegue ir sozinha sem inventar moda.
Eu testo quatro pontos:
ela entende a tarefa sem eu reexplicar cinco vezes?
ela usa o contexto certo sem misturar dado velho?
ela entrega no formato que o time realmente usa?
ela para para revisão antes de sair distribuindo arquivo por aí?
Se ela acerta os dois primeiros e erra os dois últimos, eu ainda não tenho operação.
Eu tenho demo com pós-produção.
Como aplicar hoje
Se eu fosse rodar esse teste ainda hoje, eu faria assim.
Passo 1. Escolha uma tarefa de 30 a 60 minutos
Eu pego uma tarefa que alguém do time já faz toda semana.
Não invento caso de uso futurista.
Eu começo pelo trabalho que já existe e já dói.
Passo 2. Ligue só duas fontes de contexto
Eu escolheria, por exemplo, uma pasta com materiais mais uma planilha viva.
Duas fontes já bastam para descobrir se a ferramenta organiza contexto ou só passeia pela bagunça.
Passo 3. Defina a entrega final antes do teste
Eu escrevo algo assim:
“Use estes arquivos para montar um resumo executivo em uma página com três decisões, três riscos e três próximos passos.”
Sem entrega definida, toda demo parece boa.
Passo 4. Nomeie um revisor humano
Alguém precisa abrir o arquivo final e responder duas perguntas:
eu enviaria isso para um diretor agora?
eu sei de onde saiu cada recomendação importante?
Se a resposta for não, o piloto ainda não merece mais acesso.
Passo 5. Meça o que realmente importa
Eu olho para quatro sinais simples:
tempo poupado;
retrabalho humano;
qualidade da entrega;
risco criado pelo acesso liberado.
Se o tempo cai um pouco, mas o retrabalho explode, eu não comprei produtividade. Eu só troquei planilha por auditoria.
Resultados esperados
Eu espero quatro resultados concretos de um teste bom.
Resultado 1. Um artefato que alguém usaria de verdade
Documento, planilha ou apresentação.
Não print bonito.
Não promessa.
Resultado 2. Menos coleta manual
Se o ChatGPT Work realmente junta contexto espalhado, o time deve gastar menos tempo copiando e colando informação entre ferramentas.
Resultado 3. Limite claro de acesso
No fim do piloto, eu preciso conseguir dizer exatamente o que foi conectado, por quanto tempo e para qual missão.
Resultado 4. Decisão objetiva
Depois de cinco tarefas parecidas, eu já consigo decidir uma de três coisas:
ampliar o uso;
manter em piloto pequeno;
cortar sem cerimônia.
Isso para mim já é vitória.
Piloto que termina em “vamos amadurecer mais um pouco” costuma ser o jeito elegante de parcelar confusão.
Perguntas rápidas
ChatGPT Work substitui um time?
Não. Eu vejo como uma camada de execução e preparação de material. Ainda precisa de dono, revisão e decisão humana.
Vale liberar tudo de uma vez?
Eu acho um erro. Se a missão cabe com duas fontes de contexto, eu começo com duas. Botão liberado não é argumento estratégico.
Isso serve só para empresa grande?
Não. Empresa menor até sente o valor mais rápido, porque também sente o estrago mais rápido quando o acesso é exagerado.
O benchmark de 80 resolve a decisão?
Não. Benchmark me ajuda a prestar atenção. Quem decide é a entrega útil no seu processo.
Onde eu aprofundo esse assunto?
Eu começaria por quatro leituras que eu realmente usei aqui: o anúncio do ChatGPT Work, a página do GPT-5.6, o guia de Programmatic Tool Calling e este texto sobre engenharia de contexto.
Conclusão
Eu gostei do anúncio porque ele empurra a conversa para mais perto do trabalho real.
Mas trabalho real pede adulto na sala.
Se você testa o ChatGPT Work com missão certa, acesso mínimo, prova visível e autonomia vigiada, dá para aprender rápido sem virar refém da fumaça.
Se você pula essas quatro etapas, o risco não é parecer atrasado.
O risco é pagar para automatizar bagunça com crachá premium.
Se quiser, eu sugiro um próximo passo simples: pegue uma tarefa semanal da sua liderança, aplique o método M.A.P.A. e veja se a ferramenta devolve um artefato que você teria coragem de enviar hoje.