A biblioteca de instruções é a metodologia em crescimento da agência, e não um deck nem a cabeça de uma pessoa sênior
Por Ygor Fonseca, Fundador e líder de sistemas
Há algumas semanas, defendemos que a entrega que de fato conduz um trabalho AI-native é o arquivo de cada cliente: a hipótese de trabalho no topo, as regras fixas e o índice de pequenos arquivos de tarefa que a IA chama pelo nome. Terminamos aquele texto com uma promessa. O índice de arquivos de tarefa é a parte que gera efeito composto, e merecia um texto próprio. É este.
Garry Tan, CEO da YC, resumiu a ideia numa frase no começo deste ano: "Quando alguém pergunta como eu escrevo 'prompts' para a minha IA, a resposta é: eu não escrevo. As skills são os prompts." Ele conduz o próprio trabalho a partir de uma biblioteca de pequenos arquivos de instruções. Cada um descreve uma única tarefa em detalhe, com os gatilhos e os casos fora do padrão. Uma camada fina de código encaminha cada pedido para o arquivo certo. Ele diz que roda mais de cem desses arquivos. O método não está mais na cabeça dele. Está nos arquivos.
Este texto trata dessa mudança, levada da mesa de uma pessoa para uma empresa de serviços. Não da arquitetura inteira, porque já descrevemos o formato completo em outro texto. Só de uma camada dela: a biblioteca de arquivos de instruções. E do motivo de uma biblioteca em crescimento ser o mais perto que uma equipe pequena chega de uma metodologia que dura mais do que qualquer trabalho isolado.
Os dois lugares do método
Pergunte à maioria das agências onde a metodologia delas mora de verdade, e você vai ouvir uma de duas respostas.
A primeira é a tradição oral. O método mora na cabeça da pessoa sênior. Quem chega aprende acompanhando: senta ao lado de quem sabe e observa como essa pessoa resolve o caso que não está em nenhum documento. Funciona até essa pessoa sair de férias, ou sair da empresa, e levar junto a parte do método que nunca foi escrita.
A segunda é o deck. O método mora num deck de slides, num PDF ou numa wiki no Notion, o famoso "playbook". Ele descreve o trabalho numa linguagem limpa e fica velho no dia em que é publicado. Ninguém abre o documento depois que o projeto começa, e ele não consegue fazer nada. Um playbook diz como o trabalho é feito. Ele não faz o trabalho.
As duas formas são comuns, e nenhuma gera efeito composto. O conhecimento oral não pode ser copiado sem copiar a pessoa. O playbook estático pode ser copiado, mas não roda. Por isso ele fica desatualizado enquanto o método real segue evoluindo na cabeça das pessoas. Uma equipe pequena, de três pessoas ou menos, sente isso mais rápido do que uma grande, porque não há reserva de gente para absorver a perda quando sai a única pessoa que sabia.
A biblioteca de instruções
A alternativa é guardar o método como uma biblioteca de pequenos arquivos de instruções. Um engenheiro chamaria cada um de arquivo de skill: um documento curto que descreve uma tarefa com detalhe suficiente para a IA executá-la. Ele traz o gatilho que deve acionar a tarefa, as etapas, os casos fora do padrão, como é um resultado bom e o que recusar. Um arquivo para a checagem de títulos. Outro para o jeito como coletamos a atribuição que o próprio comprador informa. Outro para a revisão antes de publicar. Cada um é estreito. Juntos, eles são o método.
A diferença em relação ao deck é que esses arquivos rodam. A IA lê o arquivo certo quando a tarefa correspondente aparece e produz o trabalho no padrão que o arquivo descreve. A diferença em relação ao conhecimento oral é que o ativo é o arquivo, e não a pessoa. Qualquer pessoa da equipe, e a própria IA, pode usá-lo desde o primeiro dia.
E, ao contrário das outras duas formas, a biblioteca cresce. Existe um slogan para esse formato, Fat skills. Fat code. Thin harness, e ele quer dizer que a maior parte do valor está nos arquivos, e não no encaminhamento. Os arquivos se acumulam. Cada trabalho que esbarra numa tarefa que a biblioteca ainda não cobre é uma chance de acrescentar mais um.
Captura e reúso
O que faz uma biblioteca gerar efeito composto, em vez de só ficar parada, é a captura. Você faz uma tarefa à mão uma vez e, em vez de seguir em frente, escreve essa tarefa como uma instrução permanente. A próxima pessoa, ou a IA, consegue executá-la sem você. Tan criou uma etapa dedicada exatamente a isso. Você entrega a ela um fluxo que acabou de fazer à mão, e ela extrai o padrão que se repete, escreve o arquivo e o registra para o sistema encontrá-lo na próxima vez. O trabalho pontual vira infraestrutura.
A extensão que importa para uma empresa de serviços é a segunda palavra: reúso. Uma instrução escrita para uma marca raramente é específica daquela marca até o fim. Pense no jeito de conduzir uma rodada de pesquisa de conversão, de agrupar respostas de atribuição ou de checar um título. Tire o nome da marca e sobra um método de que a próxima marca também precisa. Na primeira vez, isso custa uma tarde. Na quinta marca, o arquivo já existe, e o trabalho começa uma semana à frente de onde o primeiro começou.
Esse reúso entre trabalhos é o que transforma a pasta de um cliente num método da empresa inteira. Os arquivos apontam uns para os outros. A instrução de revisão chama a instrução de checagem de fontes, que chama a regra da casa de nunca inventar números. Assim a biblioteca vira uma rede de arquivos ligados, e não uma pilha solta. (O nome técnico é grafo de conhecimento. Na versão simples, achar um arquivo leva você aos três de que ele depende.) Com seis meses de captura e reúso, a biblioteca é a metodologia: não descrita, não lembrada, mas rodando.
O ciclo de vida de uma instrução
O fluxo clássico. Um cliente pede algo que a equipe nunca fez. A pessoa sênior descobre como fazer, faz bem, e o passo a passo fica na cabeça dela. Na próxima vez que o pedido aparece, ela explica de novo, de um jeito um pouco diferente. O método nunca sai da pessoa.
A versão AI-native.
- Faça uma vez, à mão. Quem lidera o trabalho resolve a tarefa nova manualmente. Pode ser, por exemplo, a primeira análise detalhada de concorrentes para uma marca. Ainda não existe arquivo.
- Registre. Em vez de fechar a aba, a pessoa pede à IA que escreva a tarefa como uma instrução reutilizável: o gatilho, as etapas que funcionaram, os casos fora do padrão que apareceram e como era um bom resultado. Cinco minutos depois de terminar o trabalho, enquanto ele ainda está fresco.
- Generalize. Os trechos específicos da marca saem, para que o arquivo descreva o método, e não aquela conta. Os fatos da marca ficam na memória dessa marca. O método vai para a biblioteca.
- Indexe. O arquivo ganha um nome, uma descrição de uma linha e links para os outros arquivos em que se apoia. Assim a próxima pessoa o encontra buscando pelo problema, e não pelo nome do arquivo.
- Reaproveite. A próxima marca que precisar de uma análise de concorrentes começa pelo arquivo. Quem lidera revisa e ajusta para essa marca em vez de começar do zero.
- Aposente. Quando alguém escreve uma versão melhor, ou quando dois arquivos dizem a mesma coisa, o antigo é fundido ou removido. Uma biblioteca que ninguém poda vira ruído.
O ganho acumulado. Cada captura faz o trabalho seguinte começar mais adiante. O valor da biblioteca não está num arquivo específico. Está no fato de que o quinquagésimo trabalho começa com o método de quarenta e nove trabalhos já escrito e pronto para rodar.
Onde falha. Tudo depende da etapa dois, e a etapa dois é a que se pula quando o prazo aperta. Sem a captura, o método volta em silêncio a morar na cabeça das pessoas. A biblioteca para de crescer, e ninguém percebe por um mês. A disciplina é a mesma que mantém honesto o arquivo de cada cliente: a tarefa só termina quando a parte reutilizável está escrita. A pessoa decide o que vale guardar e o que aposentar. A IA propõe, uma pessoa aprova.
Nota de implantação. Esta é a camada de instruções da implantação de cada cliente, o mesmo formato que o Codified Engagement entrega para toda marca que atendemos. A biblioteca é a parte do trabalho que gera efeito composto. Todo o resto em volta dela é agendamento.
A biblioteca como ativo
Tan termina o argumento com um alerta. O futuro pertence a quem constrói os próprios sistemas com efeito composto, e não a quem aluga uma ferramenta centralizada que pertence a outra pessoa. Ele está certo, e vale pensar nisso com calma, porque à primeira vista o argumento depõe contra contratar alguém para fazer isso por você.
A resposta honesta é que uma empresa AI-native constrói exatamente o sistema que ele descreve. Mas constrói dentro do repositório da própria marca, com as chaves da própria marca e sobre os dados da própria marca. A biblioteca que gera efeito composto pertence à marca. A empresa é a equipe que implanta e opera bem essa biblioteca, e depois recua para o papel de revisora. É o oposto de alugar inteligência de uma ferramenta que fica com o valor quando você para de pagar.
É também por isso que descrevemos à vontade o formato da nossa biblioteca e nunca publicamos o conteúdo dela. O formato é o marketing. O catálogo, com as instruções específicas refinadas em cada marca que já conduzimos, é a parte que deu trabalho. Uma equipe pequena não consegue contratar mais do que uma agência grande. Mas consegue acumular mais do que ela. Basta manter um método que fica um pouco mais longo e um pouco mais preciso a cada trabalho, em arquivos que rodam, que qualquer pessoa pode pegar e que não vão embora quando alguém vai.
Comece a biblioteca antes de achar que precisa dela. O primeiro arquivo parece custo extra. O quinquagésimo é o motivo de o trabalho continuar ficando mais rápido enquanto a equipe continua pequena.
Texto complementar: o que fica com você quando um trabalho de IA termina é o oposto exato deste. A biblioteca de instruções é a parte da implantação que se generaliza entre marcas. A camada de memória é a parte que nunca se generaliza. É exatamente por isso que ela é a única parte que a marca guarda quando o trabalho termina.