LIVES.IA ChatGPT e OpenAI Live 131 · Realizada em 9 de setembro de 2026

GPT-6 Astra na prática: computer use, pesquisa e automação

Sobre esta Aula

Resposta direta: esta aula mostra o GPT-6 Astra trabalhando como um agente que pesquisa, navega, cria arquivos e recebe correções durante a execução. Em vez de avaliar apenas benchmarks, Thiago demonstra como delegar tarefas longas com critérios claros, acompanhar o progresso e transformar o resultado em um processo recorrente.

O que você vai aprender nesta aula

1. Entender o computer useVer por que o uso do navegador e do computador muda a forma de delegar tarefas para a IA.
2. Delegar com contextoDefinir objetivo, fonte, formato e critérios antes de pedir uma execução longa.
3. Corrigir durante a execuçãoAdicionar instruções enquanto o Astra trabalha sem precisar descartar todo o processo.
4. Criar rotinas recorrentesTransformar uma auditoria e um dashboard em uma tarefa periódica de acompanhamento.

O salto está no trabalho de ponta a ponta

A demonstração começa com exemplos visuais e projetos que exigiriam várias ferramentas ou profissionais. A tese da aula é que o valor do Astra aparece quando o modelo deixa de produzir apenas uma resposta e passa a percorrer etapas: abrir fontes, interpretar contexto, operar interfaces, criar um artefato e verificar o que entregou.

Isso não elimina tempo de processamento nem a necessidade de supervisão. Tarefas extensas podem levar vários minutos, e o ganho precisa ser comparado ao tempo humano que seria necessário para pesquisar, organizar e produzir o mesmo resultado.

Auditoria prática de Instagram pelo navegador

Na principal demonstração, o Astra recebe acesso ao navegador para analisar uma conta do Instagram. O objetivo não é apenas listar publicações, mas observar posicionamento, consistência, conteúdo e oportunidades e transformar a pesquisa em uma entrega organizada.

Enquanto o agente trabalha, Thiago mostra que a instrução inicial precisa deixar claros o objetivo, o perfil analisado, o formato final e a profundidade esperada. Sem essa definição, um modelo mais capaz ainda pode produzir algo desalinhado.

Como orientar o agente sem reiniciar tudo

Uma das capacidades demonstradas é a possibilidade de conversar com o Astra durante a execução. O usuário pode complementar uma regra, alterar uma prioridade ou escolher entre alternativas apresentadas pelo próprio modelo. Essa intervenção reduz a necessidade de apertar stop e começar novamente quando o trabalho toma uma direção inadequada.

Ideia central: autonomia não significa ausência de direção. Quanto mais longa e importante a tarefa, mais valem um briefing claro, checkpoints e critérios de validação.

Do diagnóstico ao dashboard

Depois da pesquisa, a aula acompanha a transformação dos dados em uma planilha e um dashboard analítico. O Astra propõe alternativas de visualização, recebe a escolha do usuário e continua a produção. O exemplo mostra como uma mesma conversa pode atravessar pesquisa, análise, decisão visual e criação de arquivo.

Transformando a entrega em automação

Com o relatório pronto, Thiago pede uma rotina para voltar ao Instagram, coletar métricas atualizadas e alimentar a planilha. A discussão compara frequência diária e semanal e reforça que uma automação útil precisa informar quando roda, quais dados captura, onde registra os resultados e como sinaliza falhas.

Aplicações mostradas e sugeridas

  • auditoria de presença digital e conteúdo;
  • pesquisa de mercado e prospecção;
  • criação de planilhas, relatórios e dashboards;
  • prototipação de experiências visuais e aplicativos;
  • preparação de materiais de live e rotinas pós-live;
  • tarefas periódicas de monitoramento e atualização.

Limites e cuidados

  • o agente pode demorar e precisa de checkpoints em tarefas longas;
  • ações em contas e sistemas devem respeitar permissões e dados sensíveis;
  • arquivos e relatórios precisam ser abertos e conferidos, não apenas gerados;
  • vídeo pode ser processado com bibliotecas e ferramentas, mas isso não equivale necessariamente a compreensão ou edição nativa pelo modelo;
  • um modelo mais poderoso não corrige um pedido sem objetivo ou critérios claros.

Checklist para delegar ao Astra

  1. Defina o resultado final e por que ele será usado.
  2. Forneça as fontes, contas e arquivos realmente necessários.
  3. Explique o formato da entrega e o nível de profundidade.
  4. Estabeleça o que o agente pode fazer sozinho e o que exige aprovação.
  5. Acompanhe checkpoints e intervenha quando a direção mudar.
  6. Abra, teste e valide o artefato final.
  7. Só depois transforme o fluxo em tarefa recorrente.

Fontes oficiais e recursos

Perguntas Frequentes Sobre a Aula

+ O que diferencia o GPT-6 Astra em trabalhos reais?

Na aula, o principal diferencial aparece na execução de tarefas de ponta a ponta: pesquisar, navegar, criar arquivos, receber novas instruções durante o processo e verificar a entrega.

+ O Astra consegue usar o navegador e o computador?

Sim, quando a ferramenta e as permissões necessárias estão disponíveis. A demonstração usa o navegador para pesquisar e auditar uma conta do Instagram, sempre com supervisão do usuário.

+ É possível corrigir a tarefa enquanto o Astra trabalha?

Sim. A aula mostra como complementar instruções, mudar prioridades e escolher alternativas durante a execução sem necessariamente reiniciar todo o trabalho.

+ Como transformar uma análise em uma automação recorrente?

Primeiro valide manualmente a pesquisa e o relatório. Depois defina frequência, fontes, campos atualizados, destino dos dados, critérios de sucesso e comportamento em caso de falha.

+ Um modelo mais poderoso dispensa um bom briefing?

Não. Objetivo, contexto, formato, permissões e critérios de validação continuam essenciais. Autonomia aumenta a importância de instruções claras e checkpoints.