Nos últimos tempos, tenho realmente ficado um pouco exausto com a IA. Alguns dias atrás, quis criar um fluxo de trabalho de “organização automática de dados + geração automática de conteúdo”. Agora, na internet, todo dia se fala sobre Agentes de IA, automação, o futuro do baixo código, e eu inicialmente pensei que isso tudo fosse fácil de montar e rodar.

Mas, quando comecei a realmente trabalhar nisso, entrei direto em um modo de depuração infinita.
Esse prompt não está bom, vamos trocar a redação. Claude saiu muito genérico, troquei para GPT. A lógica do GPT estava certa, mas o formato não funcionava. Então continuei trocando ferramentas, ajustando regras, modificando o fluxo de trabalho. Às vezes, já não consigo distinguir se estou “criando conteúdo” ou “treinando a IA”.
E esse tipo de coisa realmente afeta o estado de espírito.
Com a mesma ferramenta, alguém consegue resolver em dez minutos, enquanto eu às vezes passo duas horas ajustando um resultado. Aquelas habilidades com muitas estrelas na internet parecem incríveis, mas, na prática, muitas não funcionam bem nos meus cenários.
Você copia, mas no final ainda precisa ir ajustando aos poucos.
Cheguei até a pensar em contratar alguém especificamente para montar meu fluxo de trabalho. Mas, pensando bem, equipes pequenas ficam em uma situação delicada. Contratar alguém que entenda de IA não é barato; explicar necessidades, discutir lógica, refazer várias vezes às vezes é mais cansativo do que fazer tudo sozinho.
Depois, percebi que o maior problema da IA atualmente não é mais “não ser inteligente o suficiente”.
É que as pessoas comuns precisam aprender muita coisa para usar bem a IA.
Você tem que estudar prompts, entender as diferenças entre modelos, aprender habilidades, montar fluxos de trabalho, descobrir qual ferramenta serve para qual tarefa. O trabalho real ocupa só uma parte do tempo; a maior parte do esforço é “fazer a IA funcionar normalmente”.
Por isso, recentemente, ao experimentar o @dappOS_com的 e o @xbubble_xyz, senti que eles têm uma abordagem bem diferente.
Muitos produtos de IA hoje ensinam os usuários: como escrever prompts, montar fluxos de trabalho, ajustar agentes.
Mas o xBubble parece estar fazendo outra coisa:
“IA aprende com IA, IA usa IA”
Minha maior impressão ao experimentar é que não preciso mais ficar preocupado com “qual modelo usar em cada etapa”.
Basta dizer o que quero.
O Bubble Pilot identifica o tipo de tarefa e distribui automaticamente para o SOP adequado e o caminho de execução. Se não houver um SOP pronto, ele recorre ao agente genérico.
O mais importante é que o Bubble Engine no backend continua aprendendo.
Quais modelos são melhores para quais tarefas, quais combinações de ferramentas são mais estáveis, quais fluxos de trabalho têm maior taxa de sucesso — essas coisas que antes eram trabalhosas, agora estão sendo deixadas para a IA cuidar.
Essa experiência é bem satisfatória.
Porque, antes, muitas vezes, o problema não era a IA não fazer o trabalho, mas o usuário precisar aprender quase um pouco de programação só para fazer a IA funcionar.
Especialmente com o modo Bubble Computer, que me tocou bastante.
Antes, para completar uma tarefa, tinha que abrir várias janelas: pesquisar, organizar, escrever, revisar, exportar.
Agora, ela faz toda a cadeia de uma vez só.
Até o modo Bubble Personal, que roda localmente, é bem interessante, pois permite manipular arquivos do computador, navegador, etc., sem precisar configurar ambiente.
Hoje, cada vez mais, acho que um AI realmente bom no futuro não deve deixar as pessoas comuns ficarem mais cansadas.
Ao contrário, a IA deve aprender a usar a IA sozinha.
O usuário só precisa definir o objetivo, e o resto fica por conta do sistema.