Treinar um agente de IA é igual treinar uma pessoa nova do time. Ninguém faz onboarding em um dia. Você dá contexto, escreve as regras, mostra exemplos de boa resposta e volta nos erros pra ajustar. As cinco lições que funcionam com um colaborador novo, contexto, paciência, exemplos, feedback e limite claro, funcionam com a IA exatamente do mesmo jeito.
Foi numa palestra do Pedro Lopes, diretor de produto da Lumina, que eu ouvi essa frase pela primeira vez, e depois de anos liderando times ela caiu como uma ficha. Ela muda a forma como você vê IA no trabalho, e tira a frustração de quem acha que a ferramenta "não funciona". Quase sempre o que faltou não foi tecnologia, foi treinamento. Deixa eu te mostrar as cinco lições.
A analogia que muda tudo
Pensa numa pessoa que você contratou. Alguém já virou pra um colaborador no primeiro dia e falou "começa aí", sem explicar nada? Ninguém faz isso. No primeiro dia você senta, conta o que a empresa faz, mostra os processos, apresenta as ferramentas e dá exemplos. Não sou só eu que vejo dessa forma: a Anthropic, que desenvolve o Claude, recomenda tratar o modelo como alguém no primeiro dia de trabalho, com instruções claras e exemplos. Com a IA é a mesma coisa, com uma diferença incômoda: a pessoa, sem contexto, trava e pergunta. A IA não trava. Ela entende que está tudo certo e sai gerando qualquer coisa, porque o trabalho dela é gerar. Por isso o treinamento importa tanto.
Lição 1: contexto é onboarding, não prompt
A maioria das pessoas trata a IA como uma caixa de busca: joga uma pergunta seca e espera mágica. Um gestor não faz isso com gente, e não deveria fazer com IA. Antes de pedir entrega, dê o contexto. Quem é você, o que o seu time faz, como as coisas funcionam por aí. Na Lumina, a personalização global é esse "manual da casa": você escreve uma vez quem é, onde trabalha e o que lidera, e aquilo passa a valer pra todas as conversas. É o equivalente ao primeiro dia de alguém que entra no time. Se quiser entender por que isso resolve tanto, escrevi sobre por que a IA alucina .
Lição 2: paciência é parte do processo
O agente não fica perfeito no primeiro dia, e tudo bem. Vou ser honesto: eu demorei muito pra deixar os meus agentes bons. Isso não significa que você é ruim, que a ferramenta é burra ou que IA não é pra você. Significa que vocês estão aprendendo a se entender, igualzinho a um gestor e um contratado nas primeiras semanas. Conte com alguns ciclos de ajuste. Em geral, dias pra ficar razoável, semanas pra ficar bom, e o tempo encurta à medida que você pega a manha.
Lição 3: exemplos valem mais que regras
Quando você treina uma pessoa, a frase "seja formal" ajuda pouco. O que ensina mesmo é mostrar: "olha como a gente respondeu este cliente". Com a IA é idêntico. Uma regra diz o "o que", um exemplo mostra o "como". É por isso que o último bloco do framework de 7 blocos é justamente um exemplo de boa resposta. É o bloco mais chato de escrever e o que mais faz o agente acertar de primeira. Um exemplo bem feito pesa mais que dez regras vagas. Se você for montar a instrução do seu primeiro agente, o framework de 7 blocos tem o passo a passo.
Lição 4: feedback é gestão, não checkbox
Você não dá feedback pra um contratado uma vez e some. Acompanha, corrige, volta. Com agente é igual. Uma rotina simples resolve. O Pedro, por exemplo, tem um agente que olha todo dia os bugs reportados e outro que olha os feedbacks levantados, e os dois vão montando com ele os próximos passos. Não precisa ser sofisticado. Pode ser dez minutos por semana lendo o que o agente entregou, anotando onde ele escorregou e ajustando uma frase na instrução. Esse hábito é o que transforma um agente mediano em um que o time confia.
Lição 5: limite claro evita a invenção
Esse é o ponto que eu repito mais, porque a IA é generativa e gosta de gerar. Se você não disser que ela nunca deve inventar, ela inventa, do mesmo jeito que um contratado sem limites claros pode prometer o que não devia pro cliente. No treinamento de uma pessoa, em algum momento você diz "isso aqui não é o seu papel, fala com tal área". Com o agente, isso vira o bloco de limites: nunca invente, não use busca na web, responda só com base nestes documentos. Limite não engessa, protege. É o que faz a resposta ser confiável.
Onde a analogia quebra (e isso importa)
Seria desonesto dizer que IA é igual gente em tudo. A analogia quebra em três pontos, e reconhecer isso deixa o modelo mental mais útil.
Primeiro, a IA não fica chateada com revisão. Você pode corrigir a mesma coisa dez vezes que ela não desanima nem leva pro pessoal. Segundo, ela não acumula contexto entre conversas sozinha. Uma pessoa lembra do que você ensinou mês passado; a IA só lembra se você guardar aquilo na instrução ou numa camada de memória, como a memória da Lumina . Terceiro, ela escala sem dobrar custo. Treinar uma pessoa serve uma pessoa; treinar um agente serve o time inteiro, e o que você ensinou fica registrado pra sempre.
Como aplicar essas lições essa semana
Não precisa de projeto. Comece com um diagnóstico de três perguntas: a tarefa se repete, o contexto é estável, e a consistência hoje é um problema? Se sim, faça o onboarding desse agente em 30 a 60 minutos, escrevendo os blocos de identidade, contexto, estilo, regras, limites, conhecimento e exemplo. Depois, marque dez minutos por semana pra revisar o que ele entregou e ajustar. É o mesmo ritmo de um bom gestor: contexto no começo, feedback no caminho. O guia de agentes de IA te ajuda a escolher qual tarefa atacar primeiro.
Conclusão: pare de "prompt engineering", comece a treinar
A virada de chave não é decorar truques de prompt. É mudar a postura: você não está configurando um software, está treinando um membro novo do time. Dá contexto, tem paciência, mostra exemplos, dá feedback e estabelece limites. Faça isso e a IA deixa de "não funcionar" e passa a render. Então pensa assim: você não vai automatizar uma tarefa, vai treinar um colega de time novo, em forma de agente. Escolhe um e começa ainda esta semana.