A primeira formação de Coda do Brasil - Doc Builders PRO (antigamente chamada de iCoda Professionals), está abrindo uma aula gratuita dia 13/11, onde você aprendera como organizar sua empresa com o Coda, fazendo um hub centralizado das suas operações, e até fazer dinheiro com isso. É no-code (não precisa saber programar).

Esta aula será a abertura da quarta turma da formação. Vou mostrar muita coisa poderosa nesta aula, inclusive como estou criando um sistema para uma empresa de corte de cabelo para noivas, que cobrei 8K para construir.

Aula Grátis - Docer Builders PRO

Microsoft Copilot Studio

A Microsoft anunciou novos recursos para o Copilot Studio que permitem criar agentes autônomos. Esses agentes entendem o trabalho do usuário e atuam em seu nome, fornecendo suporte em diferentes áreas de negócios, equipes e funções.

Copilot é seu assistente pessoal e privado que trabalha exclusivamente para você, aprimorando suas capacidades. E os agentes são sistemas especialistas que operam de forma autônoma em nome de um processo ou empresa. Você configura, protege e testa seu agente, e então ele automatiza para você e sua equipe em diferentes aplicativos e fontes de dados.

Principais recursos dos agentes autônomos:

• Acionadores autônomos: os agentes podem responder automaticamente a sinais em seu negócio e iniciar tarefas.

• Plano de agente dinâmico: os agentes criam planos dinâmicos para lidar e concluir tarefas.

• Visão geral da atividade: os agentes monitoram atividades em cenários do mundo real para melhorar os resultados de negócios.

Eu acredito que a IA vai realmente começar a fazer muito efeito positivo através dos agentes (ou que vier depois disso que seja parecido). Com eles você pode configurar diferentes tarefas para uma mesma IA. Isso que fará muita diferença para sua empresa.

94% dos líderes usam IA

Relatório do MIT Technology Review Insights revela que 94% dos líderes empresariais estão usando IA generativa para desenvolvimento de software. 49% acreditam que assistentes e agentes serão as próximas fronteiras a serem quebradas, e que trarão muitos resultados para as empresas.

Isso mostra que em área de tecnologia, a IA está ganhando muito espaço. Sua empresa pode realmente se beneficiar desta tecnologia. Aproveite para se diferenciar.

Cybercab - Taxi robô

A Tesla já havia anunciado o interesse em 2019 de ter taxis autônomos, e agora Ellon Musk mostrou como serão estes taxis. As ações da Tesla até caíram por conta dos investidores pensarem que estes taxis já estariam disponíveis

Optimus - robô assistente

Este robô já foi revelado a um tempo atrás, mas desta vez ele está mais evoluído, e acabou participando de algumas atividades na festa, como servir bebidas, dançar e conversar. Para algumas destas atividades, haviam seres humanos controlando o robô, mas não deixar de ser impressionante a capacidade do robô de executar as tarefas.

Robovan - Van autônoma

A Tesla também mostrou uma Van sem motorista, que poderá transportar até 20 pessoas. Ainda não tem data para ser lançado, mas promete trazer muita agilidade para o transito. Com certeza demorará muito para algo assim checar no Brasil, infelizmente.

O artigo começa explicando por que a Anthropic, sua empresa, costuma falar mais sobre os riscos da IA do que sobre os benefícios. Isso ocorre para evitar a percepção de propaganda ou grandiosidade e para focar em discussões concretas. No entanto, o autor enfatiza que uma visão inspiradora do futuro é essencial, e não apenas um plano para lidar com os riscos.2

“I think that most people are underestimating just how radical the upside of AI could be.”

Tradução livre: “Acredito que a maioria das pessoas está subestimando o quão radical o lado positivo da IA ​​pode ser.”

Os principais tópicos abordados do artigo incluem cinco áreas em que a IA poderia ter impactos profundos: biologia e saúde física, neurociência e saúde mental, desenvolvimento econômico e redução da pobreza, paz e governança, e trabalho e significado. Em biologia, por exemplo, ele prevê que a IA pode acelerar descobertas científicas a uma velocidade 10 vezes maior do que os métodos atuais, levando a avanços médicos significativos, como a prevenção de doenças genéticas e o aumento da longevidade humana.3

Na neurociência, o autor acredita que a IA pode ajudar a curar ou prevenir a maioria das doenças mentais, além de melhorar funções cognitivas e emocionais, resultando em maior bem-estar para os indivíduos. Já no desenvolvimento econômico, a IA pode ajudar a reduzir a pobreza global, desde que se encontrem formas de lidar com a corrupção e a desigualdade.4

Em relação à paz e governança, o autor expressa preocupação sobre como a IA pode ser usada tanto por democracias quanto por regimes autoritários, e que é vital que os países democráticos liderem o desenvolvimento dessa tecnologia. Ele conclui que, se a IA for utilizada de forma positiva, ela pode ajudar a garantir um futuro mais democrático e pacífico.

Finalmente, sobre trabalho e significado, o autor argumenta que o significado não deriva apenas do trabalho econômico, mas também das relações humanas e da busca por desafios pessoais. Ele prevê que a IA criará novas oportunidades para os humanos, mesmo que a natureza do trabalho mude radicalmente. No longo prazo, ele reconhece a necessidade de uma conversa societal sobre a organização da economia em um mundo onde a IA desempenha um papel central.

Minha opinião

A IA realmente já está revolucionando o mundo como conhecemos, e continuará. Precisamos conversar cada vez mais sobre o assunto do desemprego em massa que soluções de IA poderá causar, mas uma possibilidade de chegarmos em AGI (Artificial General Intelligence) ainda está muito distante.

Pensar que uma AGI está próxima é desconhecer o funcionamento dos modelos de IA e do nosso cérebro. Isso é assunto para um outro artigo. Recomendo assistir algumas entrevistas do cientista Miguel Nicolelis, um brasileiro reconhecido mundialmente pelos seus estudos na neurociência.

Comece criando um DOC no Coda, e três páginas. Uma para ter o banco de dados do Recibo e outra para o de Categorias e outra para Itens. Eu costumo separar banco de dados em páginas diferentes para não confundir na hora de dar suporte - é uma boa prática.

Coda - Criando as tabelas

Tabela DB_Recibo

Na página “Recibos”, crie uma tabela com o nome "DB_Recibo” e insira as colunas:

• Data - date and time

• Foto Recibo - file

• Processar - button

• Processado - checkbox

Tabela DB_Item

Na página “Itens” crie uma tabela com o nome DB_Item, que irá conter as colunas:

• ID - fórmulas: “RowId(thisRow)”

• Item - text

• Item - relation (com a outra tabela qua vamos criar ainda)

• Quantidade - number

• Valor unitário - currency R$

• Total - currency - R$

• Recibo - relation com a tabela DB_Recibo. Pode criar a relação entre elas. Isso vai criar uma coluna na tabela DB_Recibo chamada DB_Item.

Tabela DB_Categoria

Na página “Categorias”, crie uma tabela usando inteligência artificial, usando o seguinte prompt:

crie uma tabela em português com 15 categorias de itens de supermercado para categorizar compras, e uma coluna de descrição com itens de exemplo

Mude o nome da tabela para DB_Categoria. Quando você criar, pode ser que as categorias criadas sejam um pouco diferentes. Não tem problema, pode arrumar como quiser.

Make - Criando o webhook

Entre no Make.com, crie um cenário e inclua um módulo de Webhook:

Clique em “Add” para adicionar um Webhook, e mude o “Webhook name” para WH-recibos. Você pode dar o nome que quiser. Eu costumo padronizar os nomes para facilitar o suporte depois.

Subscreva agora

Clique em “Save” e copie a URL no webhook para usar.

Coda - Inserir pack do Make

Insira o pack “Make.com w/ Payload” que eu criei - Elber Domingos

Depois que você inseriu, vá na tabela DB_Recibo, clique com o botão direito na coluna “Processar”, vá em “On click”, selecione “Packs”, depois “Make.com w/ payload” e “Post”

Depois adicione na parte “Url”, o link do webhook que você pegou no passo anterior do Make.

Na parte do “Payload”, adicione a seguinte fórmula:

Explicação:

1. Object("urlRecibo", ...): A função Object() cria um objeto no Coda, que basicamente é uma estrutura de chave-valor - como JSON. No caso, a chave é "urlRecibo", e o valor será definido pelo código que vem a seguir.

2. thisRow.[Foto Recibo]: Acessa o conteúdo da coluna “Foto Recibo” da linha atual (thisRow). Esta coluna contém a imagem.

3. First(): Seleciona o primeiro item da lista de anexos (ou imagens) contidos na célula “Foto Recibo”. Se houver mais de um anexo, ele pega apenas o primeiro.

4. _Merge(): Combina as informações do arquivo. Esta função interna (_Merge()) é usada para consolidar os dados do arquivo em um formato que pode ser manipulado. Em geral, isso se refere a metadados ou à URL do arquivo.

5. ToText(): Converte os dados mesclados do anexo em uma string de texto.

6. ParseJSON("$.publicUrl"): A função ParseJSON() interpreta o texto como um objeto JSON. O argumento "$.publicUrl" é uma expressão JSONPath que extrai o valor associado à chave publicUrl, que contém o link público para o anexo (como uma URL acessível externamente).

Copie o código abaixo para usar:

Object("urlRecibo", thisRow.[Foto Recibo].First()._Merge().ToText().ParseJSON("$.publicUrl"))

Automação no Make

Volte para o Make.com e clique em “Run once”. Quando você faz isso, pode enviar uma requisição API de teste.

Depois que clicou, volte para a tabela “Recibos”, e tenha certeza que inseriu uma imagem na coluna “Foto Recibo”. Depois clique no botão “Processar”.

Você deverá ver o resultado no Make.com, com o link da imagem.

Garantir JPG

O GPT 4o não aceita muitos formatos de imagens, e as vezes celulares tiram fotos em formatos diferentes, como HEIC. Portanto, precisamos rodar um módulo no Make.com para garantir que as imagens sejam sempre em JPG. Para isso, vamos usar o módulo “Convert a File” do “CloudConvert” - veja a imagem:

Crie uma conta gratuitamente no CloudConvert se ainda não tiver, e depois volte e adicione uma conexão para trabalhar com este módulo. Preencha as informações como na imagem abaixo:

Depois que você finalizou, rode clique em “Run once” novamente, e clique no botão da tabela do recibos para enviar novamente. Ele pode demorar um pouco a depender do tamanho do arquivo, mas quando finalizar, ele vai te revolver um link temporário para fazer o download do arquivo JPG. Este link nós usaremos no próximo passo.

Subscreva agora

Agora você vai precisar pegar uma API Key da OpenAI para rodar o próximo módulo. Ente em platform.openai.com e siga as instruções da imagem abaixo:

Siga as instruções e copie a API Key que você criar.

Depois insira o módulo de “Analyze Images (Vision)” da OpenAI:

Adicione uma conexão usando a API Key que você criou acima, e preencha os campos como mostrado abaixo:

O prompt você deve adaptar para sua realidade do seu recibo. No meu caso, eu testei algumas alternativas, até chegar num resultado um pouco mais satisfatório. O recibo deve estar em boas condições para que ele consiga ler corretamente (um pouco diferente do meu…rs).

No nosso caso, eu estou extraindo algumas informações, e preciso que ele me retorne em formato JSON para não falhar nos próximos passos. Veja como ficou o prompt:

A imagem é um recibo de supermercado. Extraia os dados com precisão e retorne apenas em JSON puro no seguinte formato:
{
  "Item": "item",
  "Quantidade": "quantidade",
  "Valor Unitário": "valor unitário",
  "Total": "total"
}
1.	Certifique-se de que o Item seja sempre um texto descritivo.	
2.	Quantidade deve ser sempre um número inteiro.	
3.	Valor Unitário e Total devem ser números decimais com ponto (.) separando as casas decimais.	
4.	O Total é o último número na linha, à direita. Tenha certeza de checar na extrema direita por linha que é o total.	
5.	Não inclua texto adicional, formatação, ou caracteres especiais. Retorne somente o JSON puro, sem markdown.

Depois, como fizemos anteriormente, clique em Run Once, depois copie o JSON do resultado que virá dentro de “Content”. Copie logo após e antes dos colchetes [] - se você copiar os colchetes, vai dar problema para reconhecer o JSON.

Depois, adicione o módulo “Parse JSON”, clique em “Add” em Data Structure, clique em Generate, e cole o JSON que você copiou no passo anterior. Isso vai fazer com que ele gere uma estrutura de JSON com Item, Quantidade, Valor Unitário e Total - exatamente o que a gente precisa. Você pode fazer isso manualmente também, mas como te passei fica mais simples. Adicione o “Content” do módulo anterior do GPT no “JSON string”. Veja a imagem:

Adicione um módulo “Sleep” e coloque 2 segundos. Isso é importante porque o Coda tem limite de chamadas de API. A gente poderia enviar tudo de uma vez, mas nesta demonstração quero fazer assim. Fica o desafio para você enviar tudo de uma vez no Coda.

Por fim, adicione o módulo “Create a Row” no Coda, preenchendo os campos com as informações do módulo JSON Parse.

Lembre-se: se você não estiver vendo o resultado de algum módulo para usá-lo no seguinte, precisa rodar o cenário antes, para depois continuar. Assim o Make.com vai saber quais informações

Parte final

Depois que você criou todos os módulos, rode uma última vez e você verá as linhas sendo criadas no Coda.

O que fazer se não estiver lendo as informações do recibo corretamente? A inteligência artificial está muito boa, mas não é perfeita. Para melhorarmos os resultados, você pode tentar:

1. Trocar o modelo do gpt-4o-mini para o gpt-4o. É um pouco mais caro, mas pode trazer resultados melhores

2. Melhorar o prompt. Existem diversas técnicas de prompts hoje em dia. Testar é a palavra correta. Use exemplos. Talvez valha a pena você testar primeiro no chatGPT o prompt, e depois usar o que estiver funcionando.

3. Fine Tuning - este é bem mais avançado. Se você realmente quer um modelo bem mais avançado, fazer o fine tuning pode melhorar significativamente os resultados, mas é bem mais complexo e caro, mas pode valer muito a pena.

Assista o vídeo do meu canal do YouTube com a explicação:

O Caso I-XRAY e o Potencial de Invasão de Privacidade

O sistema desenvolvido pelos estudantes, chamado I-XRAY, utilizou reconhecimento facial, busca reversa de imagens e grandes modelos de linguagem (LLMs) para identificar pessoas e acessar informações como nomes, endereços e números de telefone. Testado no campus de Harvard, o sistema identificou corretamente estranhos e acessou suas informações pessoais.

O software reconhece o rosto através de IA, envia a foto para um sistema que por sua vez faz as comparações em bancos de dados de imagens e pesquisas na internet. Com isso, ele traz todas as informações públicas sobre aquela pessoa, fazendo cruzamentos de dados que no fina, assusta com a quantidade de dados.

Esse exemplo é apenas um indício de como tecnologias emergentes podem ser usadas para invadir a privacidade de qualquer pessoa em espaços públicos. Se dois estudantes foram capazes de criar uma ferramenta tão poderosa, imagine o que grandes corporações e governos poderiam fazer com recursos mais avançados e dados em larga escala.

Privacidade e IA: O Que Dizem os Estudos

Estudos acadêmicos apontam que a coleta de dados em larga escala é uma das principais preocupações associadas ao uso da IA. Segundo um estudo da Brookings Institution, os sistemas de IA frequentemente utilizam informações pessoais para gerar previsões e decisões, como em publicidade direcionada ou reconhecimento facial. A coleta de dados para esses fins pode ser feita sem que os indivíduos saibam o verdadeiro alcance de como seus dados são utilizados. O desafio é garantir que essas informações sejam processadas de forma ética e segura, o que nem sempre ocorre2.

Além disso, um estudo publicado no Stanford Institute for Human-Centered AI destaca a necessidade urgente de novas regulamentações para lidar com a privacidade na IA. Ele sugere que as leis atuais, como o General Data Protection Regulation (GDPR) da União Europeia, não são suficientes para proteger totalmente os cidadãos dos riscos que a IA representa, principalmente em áreas como decisões automatizadas e a vigilância em massa.

Os 5 Maiores Problemas de Privacidade com IA e Como Resolvê-los

Aqui, vou mostrar 5 problemas que podemos encontrar na privacidade de dados com IA, e como você pode minimizá-los.

1. Coleta Massiva de Dados: Muitos sistemas de IA dependem de grandes quantidades de dados pessoais.

   Solução: Implementar práticas de Privacy by Design, que integrem proteção de privacidade desde o início dos projetos tecnológicos .

2. Uso de Dados para Fins Não Intencionados: Dados coletados para uma finalidade podem ser usados para outros fins sem o consentimento explícito.

   Solução: Leis como o GDPR impõem restrições severas ao uso de dados, mas é preciso reforçar a transparência na coleta e uso de informações.

3. Discriminação Algorítmica: IA pode reproduzir e amplificar preconceitos presentes nos dados utilizados para treinar os algoritmos.

   Solução: Monitoramento rigoroso e auditoria de sistemas de IA para garantir que decisões automatizadas não perpetuem discriminação .

4. Vigilância em Massa: O uso de IA em sistemas de vigilância pode levar a um estado de constante monitoramento. Talvez este seja um dos maiores problemas num futuro próximo.

   Solução: Regulamentações específicas que limitem o uso de IA para vigilância pública e privada, como discutido no contexto do GDPR3.

5. Manipulação de Opiniões: Tecnologias como deepfakes podem ser usadas para criar falsificações realistas que distorcem a verdade e manipulam o público.

   Solução: Investir em tecnologias que detectem e combatam deepfakes e outras formas de manipulação digital.

Conclusão

Com a IA se tornando uma parte cada vez mais integrada de nossas vidas, a questão da privacidade nunca foi tão relevante. Embora as soluções tecnológicas e regulamentações, como o GDPR, ofereçam algumas proteções, elas ainda estão longe de resolver completamente os problemas que surgem com o avanço da IA. Somente com uma abordagem proativa, que inclua tanto inovações tecnológicas quanto legislações mais rígidas, será possível mitigar os impactos da IA sobre a privacidade e garantir que o futuro digital respeite os direitos dos indivíduos.

Com o aumento da população e as deepfakes, os governos estão cada vez mais procurando formas de resolver estes e outros problemas, mas a maior discussão que fica é:

Subscreva agora

O artigo da semana está bem especial. É um tutorial completo de como usar o Coda.io com automação com o Make.com, trazendo informações de clima de uma API externa. Vale a pena conferir:

Subscreva agora

PARTE 1 - Pegar a temperatura atual e criar arquivo

Problema

Nesta primeira parte, você deveria criar duas tabelas. Uma para enviar o nome da cidade e receber a temperatura e outra para receber o documento criado no Google Docs com as informações do tempo.

• Na Tabela 1 abaixo, você poderia escrever o nome da cidade, clicar no botão gerar e ele iria retornar a temperatura atual, depois criar a o documento no Google Docs, depois criar a linha como está na Tabela 2 abaixo, com o nome da cidade, temperatura, e o link do documento gerado.

Solução

Para solucionar este problema, vamos por partes:

1 - Criação das tabelas

Simplesmente crie as tabelas como elas estão nas imagens, considerando todos as colunas com seus respectivos tipos:

Tipo das colunas na tabela “_clima sua cidade”:

• Cidade - text

• Gerar - button

• Temperatura - number

• Documento - relation (será criada automaticamente a partir da tabela do documento)

• Ver documento - button

Tipo das colunas na tabela “_documento1”:

• Data - date

• Cidade - text

• Temperatura - number

• Link - link

• _tempo1 - relation - aponte para a tabela “_clima sua cidade”, depois clique no botão para criar a relação na outra tabela

Depois de criado as tabelas, você vai ter que instalar o Pack “Make.com w/ payload” criado por mim - Elber Domingos. Depois que instalou, adicione a fórmula abaixo no botão “Gerar”. O Link que está dentro do método POST na fórmula é o link de um Webhook do Make.com da aplicação que criei. Você verá mais abaixo explicação sobre isso.

[Make.com w/ Payload]::POST("https://hook.us1.make.com/27vr3pqp808mks41rrsha6pn268h8w3r", Object(
  "cidade",
  thisRow.Cidade.EncodeForUrl(),
  "id-row-tempo",
  Split(thisRow + "", "/").Last(),
  "suaCidade",
  "true"
))

NOTA - o texto acima é a mesma fórmula da imagem, mas você pode copiar e colar.

Depois você pode adicionar a fórmula para o botão “Ver”

Copie a fórmula abaixo para o botão “Ver”:

OpenWindow(thisRow.Documento.Link)

Perceba que o botão “Gerar” está enviando 3 variáveis para o Webhook do Make.com:

• cidade - o nome da cidade para pegar a temperatura

• id-row-tempo - o identificador único da linha para que você possa retornar um valor para a linha atual (fazer update da temperatura).

• suaCidade - variável que vai ser filtrada no Make.com para seguir a rota de criação do documento ou da parte 2 do exercício. Você verá mais abaixo.

2 - Pegar a chave API

Depois que você criou as tabelas com as fórmulas, pode criar a chave da API do Weather API. Entre no site deles, cadastre-se e pegue a chave API

Lembre-se que cada chave API é única, como se fosse uma senha. Não exponha ela - eu mesmo vou resetar esta chave que estou mostrando para você apenas para fins didáticos.

Depois, acesse a documentação da API para aprender como ela funciona. É importante você notar que toda documentação apresentará a maneira correta de usar a API, e geralmente terão exemplos de como usar. No nosso caso, usaremos o método Forecast em formato JSON.

Como você pode ver na imagem abaixo, eles tem um exemplo de como usar a API:

No nosso caso, vamos pegar o forecast (que é a temperatura para dias por vir) de 5 dias, e vamos colocar para mostrar em português. No final, usando a minha chave API de exemplo, a url ficou:

http://api.weatherapi.com/v1/forecast.json?key=66183c5960f0479bae6155852240410&q=Campinas&days=5&lang=pt

Na url acima, aonde está escrito “Campinas”, nós iremos colocar a variável do nome da cidade no Make.com - você verá mais abaixo.

3 - Automação - Make.com

Entre no Make.com, crie sua conta se já não tiver, crie um novo cenário, e vamos construi.

• Insira um módulo de “Custom Webhook”, pegue o link que foi gerado, e coloque na fórmula do botão “Gerar” como foi mostrado acima

• Insira o módulo “Make a request” do HTTP. Selecione o Method GET, insira a url da Weather API com a sua chave API, e substitua o nome da cidade pelo nome da cidade do Webhook. IMPORTANTE: para ver o nome da cidade como está na foto, você precisa rodar o cenário e clicar no botão do Coda “Gerar” para enviar as informações e ficarem registradas, e assim você poder usar elas no Make.

• Insira o módulo “Parse JSON”, e coloque o “Data” do módulo HTTP anterior no campo “JSON string”. Vejam imagem abaixo. Lembre de rodar o cenário até o módulo HTTP para ver as informações do módulo anterior.

• Depois insira o módulo “Router”, depois insira outro módulo “Create a document from a template” do Google Docs numa das rotas do Router. Clique no campo de filtro do Router e insira o nome do filtro e depois selecione “suaCidade” do Webhook para o campo “Condition” e escreva “true” no último campo.

• Crie um template no Google Docs a formatação da imagem abaixo. Os duplos colchetes servem para criar as variáveis que serão substituídas.

• Após criar o documento, vá no módulo do Google Docs que você inseriu anteriormente, selecione sua conta e o template que criou, e link as informações do módulo “Parse Json” para as variáveis do documento. Lembre-se de rodar o cenário até o módulo “Parse Json” para conseguir visualizar as variáveis. Acompanhe com a imagem:

• Depois adicione o módulo “Update Row” do Coda. É nele que usaremos a variável do “id-row-tempo”, para enviarmos a temperatura novamente para a linha. Fala sua conexão com o Coda, selecione o nome do DOC, a tabela e depois no campo “Row ID or Name”, deixe o “Map” ativado como está na imagem, preencha o campo com a variável “id-row-tempo” do módulo Webhook, e depois no campo “Temperatura”, coloque como está na imagem:

• Depois insira o módulo “Create Row” do Coda, selecione a conexão, DOC e tabela, e depois preencha os campos como no tutoria acima, da forma como está na imagem abaixo. Neste ponto, eu espero que você já tenha entendido a ideia de como funciona.

Conclusão Parte 1

Salve o cenário no Make, vá para o Coda, escreva o nome de uma cidade e faça o teste rodando no Make. Lembre-se de ativar o cenário no Make para rodar corretamente. Se ainda ficou com dúvida, assista o vídeo tutorial que está no meu canal do YouTube.

PARTE 2 - Pegar temperatura de vários dias de uma cidade e resumir

Problema

Neste desafio, você deve retornar todos os dias do forecast de uma cidade, inserir numa tabela, e depois fazer o resumo. Veja imagens abaixo:

Como deve funcionar:

1. Clica no botão “Obter Dados”. Ele busca 5 dias de forecast da cidade.

2. Automaticamente inseri os dados dos 5 dias na tabela “_informações do clima”.

3. A tabela “_clima cidade” faz a estatística e o resumo de forma automática.

Solução

1 - Criação das tabelas

Simplesmente crie as tabelas como elas estão nas imagens, considerando todos as colunas com seus respectivos tipos:

Tipo das colunas na tabela “_clima cidade”:

• Cidade - text

• Obter - button

• Estatística da semana - text (será fórmula)

• Resumo da semana - text (será fórmula)

Tipo das colunas na tabela “_documento1”:

• Cidade - text

• Dia - date

• Temperatura Mínima - number

• Temperatura Máxima - number

• Temperatura Média - number

• Condição - text

Coloque no botão “Obter” a mesma fórmula da parte 1 deste tutorial, mudando apenas o valor da última variável “suaCidade” para “false”, como na imagem:

Após configurar todas as tabelas e a fórmula do botão, usando o mesmo link do Webhook, vamos direto continuar a parte do Make, porque neste momento apenas completaremos o cenário. Como usamos o módulo “Router” no Make, não preciso criar outro cenário, porque as informações que o Webhook recebe são as mesmas.

2 - Automação - Make.com

• Insira o módulo “Iterator” numa nova rota do Make, e no campo “Array”, insira a variável “forecastday[]” como está na imagem abaixo

• Assim como você fez na parte 1, modifique o filtro da rota para a variável “suaCidade” ser false.

• Depois insira o módulo “Crete Row” do Coda, e assim como na parte 1, selecione o DOC, tabela e, quando aparecer os campos para serem preenchidos, selecione os campos do Iterator. Apenas o nome da cidade você pode pegar do módulo Parse JSON. Siga as instruções da imagem:

3 - Fórmulas

Depois que você finalizar até a parte anterior, rode o cenário (lembre de salvar), escreva o nome da cidade e clique no botão “Obter dados”. Você deverá, depois de alguns segundos, ver as linhas sendo criadas. Após elas serem criadas, vamos criar a fórmula da coluna

“Estatísticas da semana”:

Fórmula abaixo para copiar e colar:

[_informações do clima]
  .Filter(
    Cidade = thisRow.Cidade
  )
  .ForEach(
    Concatenate(
      Dia,
      " - Min ",
      [Temperatura Mínima],
      "ºC/Max ",
      [Temperatura Máxima],
      "ºC - ",
      "Variação de ",
      [Temperatura Máxima] -
        [Temperatura Mínima],
      "ºC"
    )
  )
  .BulletedList()

Esta fórmula faz:

• [_informações do clima]: Refere-se a uma tabela de dados contendo informações climáticas (exemplo: cidade, dia, temperaturas).

• .Filter(Cidade = thisRow.Cidade): Filtra a tabela de informações climáticas, retornando apenas as linhas que correspondem à mesma cidade da linha atual (thisRow).

• .ForEach(): Para cada linha que passou pelo filtro, executa a ação especificada.

• Concatenate(Dia, “ - Min “, [Temperatura Mínima], “ºC/Max “, [Temperatura Máxima], “ºC - “, “Variação de “, [Temperatura Máxima] - [Temperatura Mínima], “ºC”): Concatena as informações do dia, as temperaturas mínima e máxima, e a variação de temperatura em uma única string formatada.

  • Exemplo de saída: “Segunda-feira - Min 15ºC/Max 25ºC - Variação de 10ºC”.

• .BulletedList(): Transforma o resultado final em uma lista com marcadores (bullets), onde cada item é a string formatada para um dia específico.

Resumo da Semana

Esta fórmula acrescenta um item que permite você faze criar uma variável - withname():

Fórmula abaixo para copiar e colar:

[_informações do clima]
  .Filter(
    Cidade = thisRow.Cidade
  )
  .WithName(
    temp,
    Concatenate(
      "Menor temperatura: ",
      temp.[Temperatura Mínima].Min(),
      LineBreak(),
      "Maior temperatura: ",
      temp.[Temperatura Máxima].Max(),
      LineBreak(),
      "Temperatura média: ",
      temp.[Temperatura Média].Average()
    )
  )

O que esta fórmula faz:

• [_informações do clima]: Refere-se a uma tabela de dados contendo informações climáticas (exemplo: cidade, dia, temperaturas).

• .Filter(Cidade = thisRow.Cidade): Filtra a tabela de informações climáticas, retornando apenas as linhas que correspondem à mesma cidade da linha atual (thisRow).

• .WithName(temp, …): Armazena o resultado do filtro em uma “variável” temporária chamada temp, que pode ser utilizada dentro do restante da fórmula.

• Concatenate(…): Concatena diferentes informações em uma única string formatada:

  • “Menor temperatura: “: Texto fixo que será exibido.

  • temp.[Temperatura Mínima].Min(): Calcula e exibe a menor temperatura mínima registrada nas linhas filtradas.

  • LineBreak(): Adiciona uma quebra de linha (pula para a linha seguinte).

  • “Maior temperatura: “: Texto fixo que será exibido.

  • temp.[Temperatura Máxima].Max(): Calcula e exibe a maior temperatura máxima registrada nas linhas filtradas.

  • LineBreak(): Adiciona uma nova quebra de linha.

  • “Temperatura média: “: Texto fixo que será exibido.

  • temp.[Temperatura Média].Average(): Calcula e exibe a média das temperaturas médias das linhas filtradas.

Essa fórmula gera uma string contendo as seguintes informações para a cidade da linha atual:

• A menor temperatura mínima registrada.

• A maior temperatura máxima registrada.

• A média das temperaturas médias.

Conclusão Parte 2

Faça o mesmo teste, como na parte 1, e você verá que as linhas serão criadas de forma automática. Se quiser, siga o tutorial em vídeo que fiz:

Conclusão Geral

O Coda é extremamente poderoso e flexível, podendo trabalhar com qualquer tipo de API. Ele fica ainda mais poderoso quando colocamos automações e botões para trabalhar em conjunto, especialmente com o Make.com ou plataformas semelhantes, como N8N.

Não deixe de aprender cada vez mais sobre o Coda e construir microssistemas que agilizam a vida da sua empresa, ou que você possa construir para outras empresas e fazer dinheiro com isso.

Subscreva agora

Eu achei muito interessante esta ideia de ter um "ajudante” online para ir entendendo o que está sendo discutido, e ajudar a guiar os tópicos, mostrar quanto tempo falta para reunião acabar, e talvez mais informações importantes. Penso que logo teremos estes tipos de assistentes usando agentes IA para trazer informações relevantes durante as discussões para uma melhor tomada de decisão. Espero logo poder ver estas funcionalidades no Google Meet e Zoom - assim, não precisaremos pagar ainda mais.

Imagina comigo: durante uma reunião, alguém comenta sobre um projeto, trazendo um problema sobre uma tarefa específica, mas ela não tem as informações fáceis para acessar. Então a IA simplesmente busca automaticamente, e joga na tela todas as informações necessárias. Para melhorar, o app da reunião traria uma forma de cada indivíduo da reunião poder acessar tudo, mexer, colaborar, no que a IA trouxe - quase como se fosse o app Miro, por exemplo. A IA ainda poderia falar, conversar, expor opiniões, ou simplesmente escutar e depois dar um resumão, dando a opinião dela…tudo isso já é possível, mas na data de hoje ainda está muito incipiente, em desenvolvimento.

Por fim, vejo um futuro muito promissor com as novas possibilidades que a IA está trazendo - não só na área de reuniões online, mas também de assistências diversas.

• Greve dos portos nos EUA (que já acabou), reivindica não haver automações ou semi-automações nos seus trabalhos.

• Estudos mostram que automações sempre trouxeram mais inovação e, consequentemente, mais possibilidades.

• Nesta nova era das automações e Inteligência artificial, só vai vencer quem aprender a trabalhar com estes recursos, não quem tentar evitá-los.

Greve contra automações

Nesta última semana o site da Exame trouxe uma notícia muito interessante sobre a greve dos estivadores dos portos do Maine ao Texas.1 Estes são considerados trabalhadores essenciais, pois sem eles, todas as mercadorias que chegam via portos nestes lugares, estão paradas.

O banco JP Morgan estimou uma perda entre “US$ 3,8 bilhões a US$ 4,5 bilhões por dia parado”. Outra notícia ainda trouxe que a Boing estava perdendo US$ 50 milhões por dia, trazendo um grande impacto para a economia americana. Neste último dia 3 de Outubro, o sindicato aceitou suspender a greve até Janeiro de 2025 para negociar os termos dos novos contratos.

Dentre algumas reivindicações, como aumento de 77% de salário, eles querem a certeza de que não haverão automações ou semi-automações nos trabalhos. Uma reportagem da CNN disse que as automações nos portos não acabarão com os trabalhos humanos, mas tem o potencial de reduzir bastante a necessidade de interação humana.

A falta de automações nos portos dos EUA foi uma das maiores responsáveis para crise dos portos em 2021, onde os portos não deram conta do aumento da demanda.

Benefícios da automação e IA

Em uma reportagem do Washington Post eles mostraram que, por conta da tecnologia, o trabalhador americano produz duas vezes mais por hora trabalhada do que um trabalhador em 1987. Isso é impressionante, pois mostra o quanto que a tecnologia vem para ajudar no desenvolvimento da sociedade, mas ao mesmo tempo em que as preocupações com os empregos sempre aparecem.

“Máquinas não alimentam famílias”

A frase acima simplesmente é um recado para a humanidade de que qualquer mudança sempre haverá contratempo. Nada mais enganoso do que o que diz no cartaz do homem. Na realidade, por conta das máquinas é que a humanidade conseguiu crescer e se desenvolver. A questão nunca deveria ser essa, e sim como realocar estes trabalhadores que serão substituídos.

Com certeza essa é uma guerra perdida. Podemos fazer uma comparação com o cocheiro2 ou ascensorista3. Imagina se os cocheiros não quisessem a evolução das carruagens para carros, ou se os ascensoristas fizessem greves porque não gostariam de perder os empregos de apertar o botão do elevador. A humanidade evolui, e os estivadores são apenas mais uma profissão que terão partes dos seus trabalhos automatizados.

Em 1960 os EUA também sofreram com uma outra greve de trabalhadores nos portos, justamente porque começaram a surgir maquinários potentes o suficiente para carregar containers muito pesados, coisa que ainda dependiam de muita interação humana. Portanto, a automação virá, e a pergunta que fica é: como faremos para realocar estes trabalhadores?

Empregos como caixas, empacotadores e outros que envolvem tarefas repetitivas já vêm sendo substituídos há algum tempo. Com o surgimento do ChatGPT da OpenAI, até mesmo profissionais qualificados, como escritores, programadores e artistas, começaram a enfrentar uma redução de oportunidades de trabalho.

Escritórios de advocacia estão reduzindo a contratação de advogados recém formados, principalmente porque grande parte de suas tarefas, antes manuais e repetitivas, agora pode ser realizada com maior eficiência por meio do ChatGPT e outras automações.

No final das contas, as pessoas que se adaptarem mais rápido a trabalhar com automações e inteligência artificial, serão as que terão mais chance de manter seus empregos.

No caso dos portos, a automação oferece diversos benefícios, como: (1) redução da corrupção; (2) maior agilidade nos processos; (3) menor propensão a erros; e (4) aumento da capacidade de trabalho, já que máquinas operam sem interrupções. No entanto, o lado negativo é a potencial perda de empregos para os trabalhadores – um ponto que, embora importante, é o único contraponto significativo frente às vantagens.

Claro que nem tudo nesta nova interação entre ser humano e automação está acabado. Em relação aos portos, um estudo de 2021 mostrou4 que, a despeito de muitas tentativas de automatizar quase tudo, a luta dos sindicatos e das empresas tem sido constantes, resultando em automações seletivas, ou seja, nem tudo foi automatizado.

Conclusão

Desde o início da Revolução Industrial, a humanidade tem passado por constantes fases de readaptação devido aos avanços tecnológicos. A principal diferença de nossa época é que agora há pelo menos 8 bilhões de habitantes a mais do que naquela época, e a comunicação globalizada facilita uma interação mais rápida. Isso, por sua vez, intensifica debates e reações em escala global, tornando as mudanças tecnológicas ainda mais impactantes e acelerando a necessidade de adaptação.

Algumas mudanças, como as que ocorrem nos portos, podem ser mais lentas do que aquelas que afetaram empregos de copywriters com a chegada da IA. No entanto, não se engane: se o seu trabalho é repetitivo, analítico e pode ser padronizado, há uma grande chance de ser automatizado. Encare essa transformação como uma oportunidade de fazer mais com menos, entregar melhores resultados e avançar mais rapidamente – e não como um inimigo a ser combatido.

Nesta semana a OpenAI lançou 5 novidades para seu público em dois dias diferentes. Eu escrevi um artigo para cada dia, explicando o que é e como funciona.

Subscreva agora

O “Canvas”, lançado pela OpenAI, é uma nova ferramenta projetada para aprimorar a maneira como trabalhamos com o ChatGPT, aonde você poderá melhorar a forma como escreve e interage com o chatGPT. O Claude da Anthropic possui algo semelhante chamado Artifacts, que de certa forma é até mais poderoso para visualização de resultado de código, por exemplo, mas não tem a capacidade que o novo Canvas da OpenAI tem para ajudar nas escrita.

Diferentemente do tradicional chat, onde as respostas aparecem em sequência, o Canvas apresenta uma nova interface visual que permite interagir com o ChatGPT em uma janela separada. Isso possibilita que o usuário trabalhe lado a lado com o modelo, fazendo edições mais direcionadas, recebendo sugestões e aprimorando seu trabalho com facilidade. A ferramenta é ideal para quem precisa de flexibilidade para modificar textos, gerar código ou colaborar em projetos onde a escrita e a programação precisam de constante refinamento.

Uma das funcionalidades mais notáveis do Canvas é a possibilidade de fazer ajustes rápidos no conteúdo. Imagine que você está escrevendo um artigo e deseja mudar o tamanho do texto ou ajustar o nível de leitura para uma linguagem mais simples ou mais formal. O Canvas permite que você faça essas alterações de forma intuitiva.

A proposta é transformar a colaboração com o ChatGPT em algo que se pareça mais com uma experiência de trabalho conjunto. No Canvas, o ChatGPT se torna uma espécie de “colega digital”, que ajuda a construir e refinar ideias, ajustando o texto ou o código conforme necessário. Essa abordagem visual e interativa faz com que as correções e sugestões se adaptem ao contexto, melhorando a qualidade do resultado final.

Atualmente, o Canvas está disponível para usuários do ChatGPT Plus e Team, o que significa que aqueles que possuem planos pagos têm acesso antecipado à ferramenta. No entanto, a OpenAI planeja expandir o acesso para uma base maior de usuários no futuro, tornando essa experiência colaborativa disponível para todos.

A ideia central do Canvas é dar mais controle e flexibilidade ao usuário, tornando o trabalho com IA mais produtivo e adaptável. É uma mudança significativa em como podemos escrever e programar, trazendo melhorias para fluxos de trabalho criativos, técnicos e acadêmicos.

Para mais informações sobre o Canvas, visite o site oficial da OpenA

Ontem - 01/10/2024 - a OpenAI lançou 4 novidades nos seus produtos que com certeza serão úteis para aqueles que utilizam seus serviços. Vamos dar um overview em cada uma delas:

Realtime API - API de tempo real

Agora você pode criar um assistente de voz via API usando o módulo de voz mais avançado da OpenAI - quele que você conversa e ele responde sem delay. Ele suporta até seis tipos de voz e múltiplas línguas.

Como que funciona?

Previously, to create a similar voice assistant experience, developers had to transcribe audio with an automatic speech recognition model like Whisper, pass the text to a text model for inference or reasoning, and then play the model’s output using a text-to-speech(opens in a new window) model.

Como o texto acima explica, antigamente você tinha que usar o Whisper para transcrever o áudio, e só depois usar o modelo do chatGPT para responder. Agora não - ele vai fazer tudo de forma simultânea, entendendo o que está sendo dito, pesquisado as respostas e falando de volta.

Talvez o que tem de mais interessante é que esta API vai suporte o function calling, que é quando você cria uma função para ele fazer alguma atividade requisitada, como por exemplo buscar algum dado de outra API para responder sua pergunta.

Alguns cenários úteis possíveis:

• Atendente de marketing via voz: qualquer pergunta que a pessoa fizer, não vai ter aquele delay de uns 5 segundos para responder, será praticamente imediato, como um pessoa normal. Qualquer pergunta que a pessoa fizer sobre o produto, ela poderá consultar base de dados para responder, o que pode ser muitíssimo interessante. Claro que quando ela for consultar dados externos, provavelmente vai demorar um pouco mais.

• Secretária pessoal eletrônica: imagina você ter um aplicativo que você conversa com uma secretária eletrônica que tem acesso a um monta de funções que você pode especificar no seu aplicativo. Seria sensacional para marcar reuniões, mandar emails, inserir informações em banco de dados, etc.

• Suporte: um suporte via voz, com retorno imediato da pergunta e como deve proceder será o próximo passo que os aplicativos tentarão implementar.

Valores:

The Realtime API uses both text tokens and audio tokens. Text input tokens are priced at $5 per 1M and $20 per 1M output tokens. Audio input is priced at $100 per 1M tokens and output is $200 per 1M tokens. This equates to approximately $0.06 per minute of audio input and $0.24 per minute of audio output. Audio in the Chat Completions API will be the same price.

De acordo com o texto acima, pode chegar a custar por volta de $0.30 por minuto. Com certeza ainda está caro, mas já dá para fazer alguns teste. Geralmente a OpenIA começa com um preço mais elevado e, em poucos meses, os custos diminuem muito. Acredito que será o mesmo com esta API.

Fine-tuning API para visão

Este módulo vai permitir você fazer fine-tuning de imagem, e não apenas de texto como era antes. Isso é interessante porque você poderá ter uma imagem treinada especificamente para suas necessidades, e o modelo vai entender muito melhor o que é esta imagem e as informações que contém nela.

Como que funciona?

Você faz o upload de pelo menos 100 imagens das que você quer que ele faça o fine-tuning, e ele treina naquelas imagens. Veja um exemplo de como ficaria o JSON:

{
  "messages": [
    { "role": "system", "content": "You are an assistant that identifies uncommon cheeses." },
    { "role": "user", "content": "What is this cheese?" },
    { "role": "user", "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "https://upload.wikimedia.org/wikipedia/commons/3/36/Danbo_Cheese.jpg"
          }
        }
      ] 
    },
    { "role": "assistant", "content": "Danbo" }
  ]
}

Alguns cenários úteis possíveis:

• Uma empresa chamada Automat que faz bots para clicar em botões e fazer automações (chamados RPAs), usou esta API para melhorar em 272% a performance dos seus bots. Impressionante!

• Outra empresa chamada Coframe também usou esta API para melhorar o processo de análise de websites da sua empresa, e dar feedback para seus usuários
  

Valores:

We’re offering 1M training tokens per day for free through October 31, 2024 to fine-tune GPT-4o with images. After October 31, 2024, GPT-4o fine-tuning training will cost $25 per 1M tokens and inference will cost $3.75 per 1M input tokens and $15 per 1M output tokens. Image inputs are first tokenized based on image size, and then priced at the same per-token rate as text inputs. More details can be found on the API Pricing page.

De acordo com o texto acima, será cobrado $25 por 1 milhão de tokens. Imagens são transformadas em números primeiro - chamados de tokens - e depois processadas. Isso é que dá o custo do processo. No final, para treinar 100 imagens do tamanho de uma folha A4, com 500 a 700 palavras, provavelmente daria menos de $51.

Cacheamento de Prompt via API

Quando você utiliza o mesmo prompt várias vezes para fazer a mesma tarefa numa IA, agora a IA fará o cache destas informações, reduzindo seus custos em até 50%.

Como que funciona?

Você não precisa de nenhuma ação - os prompts recentes serão cacheados automaticamente, e você terá um custo reduzido se reutilizá-los de forma automática.

Importante notar que os caches serão limpos depois de 5-10 minutos, ou seja, é apenas para tarefas repetitivas naquele mesmo momento.

Valores:

Como você pode ver na imagem, os valores podem ser bem menores se você você fizer requisições que utilizem o prompt cacheado.

Modelo de Destilação via API

Agora você poderá fazer fine-tuning de um modelo pequeno como o GPT-4o mini através dos resultados dos modelos mais recentes como o1-preview e GPT-4o.

This lets developers easily use the outputs of frontier models like o1-preview and GPT-4o to fine-tune and improve the performance of more cost-efficient models like GPT-4o mini.

Aparentemente este é um processo que a OpenAI está fazendo com seus próprios modelos - usando modelos mais poderosos para treinar modelos menos poderosos.

Como que funciona?

O processo de distilação de modelo envolve treinar modelos menores (como o GPT-4o mini) usando saídas de modelos maiores e mais avançados (como o GPT-4o). Primeiro, as saídas do modelo avançado são capturadas e armazenadas como conjuntos de dados. Esses dados são usados para ajustar o modelo menor, ajudando-o a imitar o desempenho do modelo maior de forma eficiente. Em seguida, são feitas avaliações integradas para medir a eficácia do modelo ajustado. Tudo isso ocorre dentro da plataforma da OpenAI, facilitando a automatização e o controle do processo de treinamento e avaliação.2

Valores:

Até 31 de Outubro de 2024 você pode treinar gratuitamente até 2M de tokens. Depois desta data, os preços serão os mesmos de você fazer um fin-tuning.

Considerações finais

A OpenAI está se mostrando com uma capacidade impressionante de inovação com estas novas funcionalidades - e o melhor: para desenvolvedores. Porque isso é tão importante? Pelo simples motivo de que são os desenvolvedores que criarão novos projetos, novas economias, através do uso destas APIs.

Portanto vale a pena você checar onde poderia incluir isto no processo de utilização de IA na sua empresa ou negócio.

É com muita alegria que estou começando a escrever sobre estes assuntos, e esta newsletter é o convite para você participar - voltada para empresários e apaixonados por tecnologia que queiram fazer dinheiro. Todas as terças trarei um resumo das principais notícias da semana e um artigo mais profundo, estudado sobre:

• Automações

• Inteligência Artificial

• Microssistemas

• Coda.io

Nesta semana….

Nvidia adquiri startup OctoAI por US$ 165 milhões para expandir capacidade

De acordo com notícia, esta aquisição vai ajudar a Nvidia a personalizar e melhorar os hardwares da empresa. Isso mostra que o mundo da IA não está entrando num plato, mas sim aumentando as apostas

Quando trabalhamos com tabelas no Coda.io, muitas vezes precisamos de uma automação para adicionar ou alterar informações em uma coluna. Neste artigo, vamos explorar um caso prático: uma tabela com uma coluna do tipo “Select” chamada Status, que contém diferentes itens, como “Aberto”, “Em andamento”, “Resolvido” e “Arquivado”. O objetivo é criar um botão que, ao ser clicado, adiciona o item “Arquivado” à seleção já existente na coluna Status.

Cenário

Você possui uma tabela com uma coluna de seleção chamada Status e deseja implementar a seguinte funcionalidade:

• Quando o botão “Inserir Arquivado” for clicado, ele adiciona o item “Arquivado” ao campo Status da linha.

• Se a coluna Status estiver vazia, ela deve ser preenchida apenas com “Arquivado”.

• Se houver um ou mais itens já selecionados, como “Aberto” ou “Em andamento”, eles devem ser mantidos, e o item “Arquivado” deve ser adicionado à lista.

Vamos ver como isso pode ser feito de maneira simples e eficiente no Coda.io.

Solução

No Coda.io, podemos usar a fórmula ModifyRows para alterar os valores de uma coluna específica em uma linha. A fórmula abaixo faz exatamente o que é necessário:

thisRow.ModifyRows(
    thisRow.Status,
    If(
        thisRow.Status.isBlank(),
        Arquivado,
        ListCombine(thisRow.Status, Arquivado)
    )
)

Vamos entender cada parte desta fórmula:

• thisRow.ModifyRows: Esta função modifica os valores de uma ou mais colunas da linha atual (thisRow).

• thisRow.Status: Indica a coluna Status da linha atual, onde faremos a modificação.

• If(...): A função If é usada para verificar uma condição e retornar diferentes resultados com base nela. Neste caso, a condição verifica se a coluna Status está vazia.

• thisRow.Status.isBlank(): Esta parte verifica se a coluna Status não possui nenhum valor. Se estiver vazia, a função retorna True.

• ListCombine(thisRow.Status, "Arquivado"): Caso contrário, se já houver algum item selecionado, a função ListCombine adiciona o item “Arquivado” à lista existente, mantendo os itens anteriores.

Como configurar o botão no Coda.io

1. Crie uma coluna do tipo “Select” chamada Status na sua tabela.

2. Adicione os itens “Aberto”, “Em andamento”, “Resolvido” e “Arquivado” como opções para essa coluna.

3. Crie uma coluna do tipo “Button” (botão).

4. No menu de configuração do botão, insira a fórmula fornecida no campo de ação (Action).

Conclusão

O uso de fórmulas como ModifyRows e If no Coda.io pode simplificar bastante a automação de tarefas em suas tabelas. Com o exemplo deste artigo, você aprendeu a adicionar dinamicamente valores a uma coluna de seleção com um simples clique de botão, mantendo a flexibilidade de verificar se a coluna está vazia ou se já contém outros itens.

Este é apenas um dos muitos recursos que o Coda.io oferece para automatizar e melhorar a eficiência de seus processos. Explore outras funções e crie fluxos de trabalho que se adaptem às suas necessidades!

A essa altura do campeonato, provavelmente você já conhece alguns modelos de IAs, como OpenAI, Gemini, Claude e talvez alguns outros. O que eu quero saber é se você sabia que existe um repositório de modelos de IAs que as pessoas constroem e colocam publicamente para você acessar.

Pois é, este é o caso do HuggingFace - um repositório público de IAs que você pode testar na sua máquina, e algumas delas, no próprio site. Esta semana ele acabou de passar 1 milhão de modelos de IA - o que é uma marca impressionante.

O legal é que você pode testar IAs para todos os gostos. Geralmente as pessoas pegam modelos já existentes e treinados e fazem o um fine tuning do modelo para ele responder como é preciso.

Para você testar os modelos, precisa ter um conhecimento um pouco mais técnico do assunto, pois vai precisar rodar provavelmente em python na sua máquina ou numa VPS.

Caso queira ver alguns modelos do Hugginface que dê para brincar online, existe uma parte no site deles chamada Spaces que você pode entrar e escolher alguns modelos para fazer atividades. Vale a pena experimentar.

Outro dia eu estava assistindo um Reels no Instagram, e passou uma pessoa toda feliz, que havia conseguido automatizar a abertura da tampa de sua privada com a Siri do seu iPhone. Então o processo que ela demonstrou foi:

1. Chegou no banheiro, pegou o celular;

2. Acionou a Siri pelo comando de voz e falou: “Siri, levante a tampa da privada”

3. Esperou por 3 ou quase 4 segundos para a tampa levantar

4. O processo todo demorou entre 6 e 7 segundos

Depois que eu meditei em choque pelo que tinha visto, percebi que isso não é tão incomum como parece. Muitas vezes queremos automatizar o que simplesmente não precisa ser automatizado. No caso da tampa da privada, não seria melhor simplesmente abrir a tampa da privada com a mão? A não ser que você esteja impossibilitado de fazê-lo, com certeza esperar entre 6 a 7 segundos para se aliviar quando está com pressa não é a melhor das experiências.

Em 2018, a Tesla precisava automatizar seus processos para garantir a entrega dos carros que havia prometido, mas depois de 2 anos sem sucesso, Ellon Musk, o CEO da Tesla, disse1:

Automação excessiva foi um erro. Nós subestimamos o fator humano

(tradução livre)

Automações e limitações

O ser humano deveria ser levado mais em consideração em três fatores principais quando se trata de automação de processos com IA:

1. Adaptação Inteligente - qualquer automação é necessariamente engessada em parâmetros. Mesmo que seja um chatBot com Agentes, que possam de forma “inteligente” decidir qual ação tomar, eles estão amarrados naquele contexto. Tarefas que demandam extrema adaptação, dificilmente serão automatizadas de forma eficiente.

2. Limitações Físicas Adaptativas - o ser humano foi criado por Deus com capacidades físicas únicas. A própria mão do ser humano é extremamente difícil de reproduzir num robô. A ciência ainda está a anos luz de distância de automações realmente humanoides. Enquanto isso, qualquer automação que dependa de uma adaptação física inteligente para a execução do trabalho, não terá a melhor performance do que um ser humano.

3. Fator humano - colocar drones para entregar comida pelo ar pode soar como uma ótima ideia, mas não passa do segundo teste oficial. Imagina drones entregando comida pelo Brasil…é triste dizer, mas infelizmente não daria certo. Veríamos muitas pessoas tentando destruir os drones a qualquer custo, e ficaria inviável. Alias, é por isso que as startups de aluguel de scooter motorizadas não deram certo - esqueceram do fator humano. O ser humano é naturalmente mau e egoísta. Vendo que tem uma oportunidade de passar a perna sem ser detectado, tem grandes chances de fazê-lo. Portanto, automações que não levam em conta estes fatores, com certeza não atingirão êxito no longo prazo.

Sem dúvida, assim como Ellon Musk assumiu no caso da Tesla, automatizar de forma excessiva pode resultar em processos pouco adaptáveis, o que nunca é bom para o seu negócio.

Automações com IA

As automações estão cada vez mais dependentes da inteligência artificial, o que por um lado é muito bom, mas pode também resultar e problemas. Gary Marcus, autor de best-sellers e professor de psicologia na NYU, é um crítico da deep learning, a técnica dominante em inteligência artificial atualmente. Ele acredita que o deep learning é superestimado e não resolve os principais desafios da IA, como a compreensão da linguagem e a inteligência geral. Marcus defende uma abordagem alternativa, inspirada na psicologia cognitiva, que é mais eficiente e menos dependente de grandes volumes de dados.2

Ele ressalta que existem vários fatores que, da forma como o deep learning está estabelecido hoje, terá muitos problemas para superar, e que eu coloco como barreiras a serem superadas para automações. Veja a imagem abaixo:

As automações de maior sucesso hoje que utilizam IA são as que não precisam se preocupar com estes 6 fatores, ou pelo menos se você minimizar cada um deles, os resultados serão mais efetivos. Nos casos abaixo, estou explicando automações referentes à agentes, que usam IA:

• Percepção: automações deveriam conter um objetivo claro, sem precisar de ter uma percepção do contexto. Quanto maior a necessidade de percepção, maior o “delírio” na resposta.

• Linguagem: use sempre linguagem clara na comunicação. Estude sobre engenharia de prompts para conseguir extrair os melhores resultados.

• Raciocínio: não espere que a inteligência artificial vá raciocinar como você. Com o advento do o1 preview da OpenAI (e futuros modelos similares), a IA está com um “raciocínio” melhor, mas não se compara com o que é um raciocínio inteligente do ser humano.

• Analogia: caso queria automações realmente inteligentes, seja explícito nas analogias, pois a AI só consegue referência-las pelo que foi treinada, e pode não ser a forma correta como você espera.

• Planejamento: assim como no raciocínio, não espere um planejamento da forma como você pensa. Seja explícito para uma IA afim de conseguir os melhores resultados

• Senso Comum: senso comum pode variar de cultura para cultura, dependendo de muitos fatores, e pode ser um fator de barreira para você conseguir os melhores resultados.

Estes são apenas alguns fatores que podem interferir em automações que utilizam inteligência artificial. Automação por si só já depende de variáveis muito bem definidas, mas quando colocamos a IA no meio do processo, devemos ter um cuidado extra.

Veja a imagem abaixo de uma IA classificando a imagem do famoso jogador de Golf, Tiger Woods, como:

• 95% Tiger Woods

• 4% bola de golf

• 1% Angelina Jolie

Portanto, vamos para alguns exemplos de automações de “privada” e algumas automações boas:

Automações de “Privada”

• Automação de resposta de email: colocar uma automação com IA para responder emails de clientes pode parecer uma ideia muito boa, mas no final você terá enchido a caixa de email dos seus clientes com respostas que não foram avaliadas, e que você pode estar se comprometendo com assuntos e problemas complexos. Prefira uma automação que classifique emails, e que depois você possa lê-los e responder. Não tem problema a automação criar um rascunho como resposta para você avaliar, mas nunca enviar o email para você.

• Sistemas de chatBot com muitas opções: é mais fácil você deixar seu cliente com raiva do seu menu e acabar se perdendo do que facilitar a vida. Prefira uma das duas coisas:

  • Menus simples com poucas opções

  • chatBot com agente, que através da pergunta ele vai direcionar a resposta, sem menu. Ou se apresentar menu, é em poucas partes do processo.

• Automações de processos simples: assim como na história da tampa da privada, não tente automatizar tarefas muito simples, ou que não tomam muito tempo do seu colaborador. Comece por tarefas complexas, repetitivas e que estejam sistematizadas.

Automações boas para ganhar tempo e dinheiro

• Tarefas repetitivas e complexas: quanto mais tarefas complexas e repetitivas você automatizar, e que não dependam muito dos fatores humanos citados neste artigo, melhor será seu resultado.

  • Exemplo 1: extração de informações de documentos complexos

  • Exemplo 2: classificação de documentos para análise posterior

  • Exemplo 3: criação de contratos

• Integração de sistemas: é normal uma empresa ter entre 4 a 6 aplicativos onde os colaboradores interagem. Ter um Hub centralizado, onde as informações chegam, são processadas e resumidas, é uma automação bem útil. Imagina o CEO de uma empresa receber as principais “notícias” e indicadores do que foi realizado no dia.

Como evitar automações de “privada” - resumo:

• Análise de Necessidade: Antes de automatizar, avalie se a tarefa realmente requer automação. Pergunte se isso irá economizar tempo ou recursos.

• Simplicidade é a Chave: A solução automatizada deve ser mais simples e eficiente do que o processo manual. Não adianta nada automatizar e depois o usuário ter mais trabalho revisando o que foi feito.

• Foco no Usuário: Considere a experiência do usuário final. A automação deve melhorar, não dificultar, a interação.

• Custo-Benefício: Avalie se o investimento em automação trará retorno significativo em comparação com a solução atual.

• Flexibilidade: As automações devem ser adaptáveis a mudanças futuras, evitando a necessidade de reconstrução total do sistema.

A tecnologia é uma ferramenta poderosa, mas deve ser usada com sabedoria. As automações de privada servem como um lembrete de que nem toda inovação é sinônimo de melhoria. Ao focar em soluções que realmente agregam valor e simplificam processos, podemos aproveitar o melhor que a automação tem a oferecer, aumentando a eficiência sem sacrificar a simplicidade.

Lembre-se de que a automação deve servir às pessoas, e não o contrário. Ao implementar novas tecnologias, mantenha o objetivo em mente: tornar a vida e o trabalho mais fáceis e produtivos. Evite cair na armadilha das automações desnecessárias e concentre-se no que realmente importa.

Se você ama tecnologia, mas:

• Sua empresa não está bem organizada nesta área

• Não está fazendo dinheiro como gostaria nesta área

Esta história pessoal é para você. Aproveite

Fase 1 - escolha da profissão e trabalho

Desde que me conheço por gente, e como qualquer criança, gostava de novidades e de tentar fazer as coisas por mim mesmo. Passei pelas famosas fases de querer ser gari (uma função de muito respeito, com certeza), jogador de futebol e músico (que cheguei a passar no vestibular da USP para composição e regência). Mesmo com todas estas opções, resolvi fazer o que senti chamado na época - ser pastor da Igreja Adventista.

Depois de quatro anos de faculdade, trabalhei 10 anos como pastor de escola (até 2018) - o que chamamos de capelão escolar. Durante estes anos maravilhosos, eu sempre estava com um pé na tecnologia, buscando programar alguns sistemas1. Cheguei a desenvolver um sistema de biblioteca para a coordenação pedagógica e um sistema de votação dos alunos para dar notas para o professor (que era tudo feito e contado à mão na época).

Alguns me perguntavam: “Elber, porque você não vai para a área de tecnologia? A igreja precisa de pastores que saibam trabalhar com isso”. Mesmo que eu amasse esta área, achava que eu estava muito bem dando aulas.

Fase 2 - EUA

Por volta de 2016, minha esposa Rafaela precisou sair da escola (que também era professora, e onde nos conhecemos e casamos) por conta de saúde. Em 2018 eu quase entrei em depressão por conta de tudo o que estava passando, e foi quando resolvermos partir para uma nova experiência na nossa vida: estudar nos EUA.

Mudamos com a cara e a coragem. Estudamos - tanto eu quanto a minha esposa - numa universidade muito boa em Chattanooga, Tennessee. Foi neste momento que eu comecei a trabalhar exclusivamente com tecnologia, ajudando uma empresa de construção a organizar todos os processos.

Fase 3 - Microsssitemas e Ferramentas

Eu sempre gostei de programar, mas por conta de não ter uma formação “oficial” na área, me preocupava em trazer o máximo de resultado possível no menor tempo. Foi quando encontrei algumas ferramentas que ajudavam na organização de processos de empresas.

Primeiro software - Zoho Creator

Comecei toda a organização com o Zoho Creator, que foi uma plataforma muito boa para o primeiro desenvolvimento. Com o tempo, ela ficou muito cara para os processos que estávamos fazendo, e acabamos mudando.

É bom ressaltar que antes de desenvolver os sistemas, obviamente eu entreva de cabeça nos estudos dos processos, para entender exatamente como tudo funcionava.

No Zoho Creator, eu desenvolvi todo o sistema para:

• Gestão de funcionários e salários

• Gestão de projetos

• Gestão de arquivos

• Gestão de Máquinas

• Gestão de Estimate (estimativa de valores)

• …e mais alguns que não me lembro totalmente

Segundo software - Notion

Depois que vimos que o Zoho Creator não estava mais atendendo como gostaríamos (um dia escreverei mais sobre isso), no final de 2019 e começo de 2020 fomos para o Notion

No começo parecia que estava muito bom, pois eu podia criar quantas tabelas quisesse, sem me preocupar com limitações que tinha no Creator. Infelizmente o Notion se mostrou muito limitado para o que precisávamos, pois queríamos trabalhar como se fosse um sistema de verdade, onde a gente pudesse organizar pastas, gerenciar tabelas e botões2.

Naquela época o Notion não tinha botões e nem gráficos nativos - o que se tornou um grande problema com o tempo3. Uma das nossas necessidades era de ter um controle de cada atividade na construção de uma casa. Isso se resume entre 400 a 600 linhas de tarefas por casa. Considerando que as pessoas tinham que ficar pulando de tabela em tabela para acessar as informações, isso rapidamente se tornou um problema.

A gota final para mudarmos foi quando percebi que alguns funcionários começaram a mudar informações importantes sem saber o que estavam fazendo4. Não tínhamos um controle um pouco melhor de segurança.

Terceiro software - Smartsheet

Depois de fazer uma pesquisa grande, encontrei o Smartsheet. Ele parecia ser a solução perfeita, pois juntava um estilo de Excel, que todo mundo conhece, e também um gráfico Gantt maravilhoso - fora o app para celular que é muito bom.

Eu consegui convencer meu chefe de que o Smartsheet seria a solução ideal para conseguirmos controlar as tarefas de cada construção. Novamente, desenvolvi todo o sistema no Smartsheet. Desta vez, compramos 1 ano de subscription - o que não foi barato. Na época acho que foi quase $4000,00 dólares.

Até aquele momento, o Smartsheet tinha sido o melhor sistema que estávamos usando. Eu criei automações para criarmos trabalhos automaticamente, juntamente com os arquivos, etc. Nós ainda usávamos algumas soluções da Zoho, como o Zoho Workdrive para armazenamento de arquivos e Zoho Cliq para conversa entre equipes e trabalhos.

Neste meio tempo, já em meados de 2022, eu usava o Coda.io havia 2 anos, para uso pessoal. Eu gostava do Coda, mas como estava muito envolvido com as outras ferramentas, não cheguei a ter a ideia de testar estes microssistemas nele.

Até aquele momento, o meu chefe não estava interessado em parar para aprender sobre as ferramentas, o que foi a minha maior lição aprendida com o tempo:

Depois que eu percebi que até o Smartsheet não teve a adesão necessária para avançarmos com o que precisávamos, eu optei por testar o Coda.

Quarto software (e último) - Coda

O Coda sempre teve uma abordagem semelhante ao Notion, pelo menos para mim até aquele momento. Então, no meio de 2022, eu já comecei a desenhar as primeiras tabelas no Coda. Quando eu coloquei os primeiros botões, foi amor a primeira vista.

Os botões no Coda foram o que me “converteram” para usar ele definitivamente. O poder que isto traz para qualquer aplicação é fantástico.

Eu desenvolvi o sistema de Timesheet, ou seja, de marcar a hora de entrada e saída do trabalhador. Foi amor a primeira vista do setor de contabilidade na empresa. Tudo funcionou perfeitamente (e está funcionando até hoje sem dar um problema).

Depois que criei outros microssistemas para a empresa, acabei percebendo que poderia fazer mais dinheiro com isso. Com a minha experiência em implementar diferentes sistemas, organizar processos completos, comecei a montar uma ideia de uma empresa para criação de microssistemas.

Fase 4 - De volta para o Brasil - minha empresa

No começo de 2023 nós tivemos alguns contratempos, o que resultou na decisão de voltar para o Brasil, e já em setembro de 2023 estava de volta. Bem no começo de 2024 abri oficialmente minha empresa - IMPACTUS AI - e comecei a oferecer serviços de criação de microssistemas para empresas e uma formação online do Coda - a primeira do Brasil.

Foi uma experiência maravilhosa, onde aprendi muito sobre como trabalhar com vários clientes, resolvendo problemas em diferentes setores e indústrias. Não é uma trajetória de fazer dinheiro fácil, mas é muito gratificante - especialmente porque vemos o resultado muito rápido do que fazemos com nossos clientes.

Eu tenho um advogado como cliente que me disse recentemente que o microssistema que construí para ele no Coda está trazendo uma economia de 2 funcionários. Não tem dinheiro que pague esta satisfação….aliás..tem sim..rs - no caso dele, uma economia de praticamente 100K por ano!!!

Lições aprendidas

1. Nunca é tarde para recomeçar seus sonhos. Eu fui para os EUA com 32 anos, e recomecei minha carreira no Brasil com 38.

2. Sempre vá atrás daquilo que gosta, que trará muito mais felicidade.

3. Todo mundo tem seu segredinho para dar certo - no meu caso, minha esposa continuou trabalhando remotamente e sustentando a casa por alguns meses enquanto a minha empresa não trouxe resultados.

4. Se jogue que o resultado virá

5. Mídias sociais vão te ajudar a alavancar seus resultados - TODOS os meus clientes vieram do Instagram ou YouTube - de forma orgânica.

Espero poder ter te ajudado de alguma forma. Se este artigo foi útil para você, considere se inscrever na versão paga, pois trarei muitas informações que poderão revolucionar sua empresa e sua carreira.

Subscreva agora