Recentemente tenho estado um pouco exausto com a IA. Há alguns dias quis criar um fluxo de trabalho de “organização automática de dados + geração automática de conteúdo”. Agora, na internet, todos falam sobre Agentes de IA, automação, futuro de baixo código, e eu inicialmente pensei que isso tudo pudesse ser facilmente montado e funcionasse sem problemas.

Mas, quando comecei a realmente trabalhar nisso, entrei imediatamente num modo de depuração infinita.
Este prompt não está bom, vou trocar a redação. Claude saiu muito genérico, troquei para GPT.
Quando a lógica do GPT estava certa, 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 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.
Aqueles Skills com muitas estrelas na internet parecem incríveis, um mais forte que o outro, mas ao aplicar no meu cenário, muitos simplesmente não funcionam bem.
Se você copiar exatamente, no final ainda precisa ajustar aos poucos.
Depois, até considerei contratar alguém especificamente para montar meu fluxo de trabalho.
Mas, pensando bem, equipes pequenas estão numa 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 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 extra para usar bem a IA.
Você precisa estudar prompts, diferenças entre modelos, skills, fluxos de trabalho, 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 agora 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 me preocupando “qual modelo usar nesta etapa”.
Basta dizer o que quero.
O Bubble Pilot identifica automaticamente o tipo de tarefa e distribui para o SOP e o caminho de execução adequados.
Se não houver SOP pronto, ele recorre ao agente genérico automaticamente.
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 começam a ser geridas pela IA.
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 trabalhar.
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.
Incluindo o modo local Bubble Personal, que é bem interessante, pois permite manipular arquivos do sistema e navegador, sem precisar configurar ambiente.
Hoje, cada vez mais, acho que uma IA realmente boa no futuro não deve deixar as pessoas comuns ficarem mais cansadas.
Ao contrário, a IA deve aprender a usar a própria IA.
O usuário só precisa definir o objetivo, o resto fica por conta do sistema.