O que é exatamente um GPT personalizado (e porque não é um agente)
Um GPT personalizado é o ChatGPT com uma caixa de texto à frente. Essa caixa tem instruções — como se deve comportar, que tom usar, o que não fazer — e ao lado podes pendurar até 20 ficheiros de conhecimento de 512 MB cada um, ligar capacidades como a pesquisa web, e ligar apps ou actions a APIs externas. É isto. Muito mais do que parece e muito menos do que te vendem.
A diferença para um agente não é de potência, é de arquitetura. Um agente decide que ferramenta usar, lembra-se entre interações e mede o próprio trabalho. Um GPT personalizado faz a primeira coisa a meio e não faz nenhuma das outras duas. Por isso a comparação honesta não é "GPT contra agente" mas "formulário muito bom contra sistema". Um formulário com memória de peixe: atende-te de forma impecável e amanhã não sabe quem tu és.
Há uma coisa que mudou e convém saber antes de abrires o editor: a criação de GPTs novos já não está disponível em contas pessoais do ChatGPT — nem Free, nem Go, nem Plus, nem Pro. Criar e publicar dependem hoje de um espaço de trabalho Business, Enterprise ou Edu e das suas permissões. Os GPTs que já existiam continuam a funcionar. Se o teu plano de "monto o agente no sábado à tarde" passava pela tua conta Plus, começa por aí.
O que resolve mesmo, e resolve bem
Começar por um GPT personalizado não é ingenuidade: é o diagnóstico mais barato que existe. Numa tarde descobres se o teu problema era de conhecimento (as pessoas não encontram a informação) ou de processo (a informação está lá, mas ninguém executa). São dois problemas distintos e só um se resolve com um agente.
- Critério repetido, escrito uma vez. Como redigimos uma proposta, que perguntas fazemos numa descoberta, que tom usamos com um cliente irritado. Dez pessoas a aplicar a mesma regra sem que ninguém a saiba de cor.
- Consulta sobre documentação estável. Manual de produto, política de despesas, condições de contrato. Se o documento muda duas vezes por ano, o GPT é a ferramenta certa e não é preciso mais nada.
- Primeira passagem de trabalho repetitivo. Rascunhos, resumos, classificações simples. Um humano revê e publica. Aqui o GPT ganha horas a sério, e ganha-as logo no primeiro dia.
- Actions simples só de leitura. Consultar disponibilidade, procurar uma encomenda, ir buscar um dado a um sistema teu. Leitura, não escrita: risco mínimo e valor alto.
Este é o tecto útil. Passar dele custa dinheiro a sério, e a boa notícia é que o próprio GPT te avisa: quando bate, bate sempre contra uma destas quatro paredes. Reconhecer qual é a tua é metade do trabalho. A outra fronteira — o tecto do no-code quando o que queres automatizar é um fluxo entre ferramentas e não uma conversa — está contada em automatizar com IA sem programar.
Parede 1: não se lembra de nada entre conversas
A documentação da OpenAI não deixa margem para interpretação: os GPTs não usam a memória guardada, nem as instruções personalizadas, nem as conversas anteriores. Cada conversa começa do zero. A única coisa que persiste é o que tu escreveste nas instruções e nos ficheiros — igual para toda a gente, todos os dias.
Parece um detalhe técnico e é a parede que mata mais projetos, porque nota-se tarde. O GPT de apoio funciona lindamente na demo e três semanas depois alguém pergunta porque é que lhe pede outra vez o número de encomenda que deu na terça-feira. Não é uma falha: é o desenho. Um GPT não tem estado; tem instruções.
Parede 2: não escreve nos teus sistemas com identidade própria
As Actions ligam mesmo um GPT às tuas APIs, com três modos de autenticação: nenhuma, chave de API ou OAuth. A diferença entre eles é exatamente a diferença entre uma demo e um sistema. Com chave de API, o GPT entra no teu sistema com uma só identidade para toda a gente: o teu registo de auditoria não vai dizer "a María mudou o estado da encomenda", vai dizer "foi o GPT". Com OAuth cada pessoa entra com a sua conta e recuperas a rastreabilidade — em troca de montares um fluxo de autorização a sério, com os seus tokens, os seus scopes e a sua manutenção.
| Modo de auth | Quem é o agente para o teu sistema | Para que serve mesmo |
|---|---|---|
| Nenhuma | Um anónimo vindo da internet | Dados públicos. Mais nada. |
| Chave de API | Um único utilizador técnico, igual para todos | Leitura e demos. Escrita só se te for indiferente quem fez o quê. |
| OAuth (código de autorização) | Cada pessoa com a sua conta e as suas permissões | Escrita real com rastreabilidade. Exige trabalho de integração. |
Há mais duas restrições que desarrumam muita gente. Um GPT pode usar apps ou actions, mas não as duas ao mesmo tempo. E em espaços de trabalho geridos, o administrador pode limitar as actions a uma lista de domínios permitidos: se não há domínios na lista, não há actions. Ou seja: a parte que transforma o teu GPT em algo que executa depende de uma permissão que provavelmente não controlas. Quando chegares a querer escrita a sério — criar o contacto, mover a oportunidade, disparar a sequência — a conversa deixa de ser sobre prompts: passa a ser sobre ligar a IA ao teu CRM e sobre integrá-la com os teus sistemas.
Parede 3: ninguém mede se acerta
Esta é a parede silenciosa. Quem constrói um GPT não pode ver as conversas individuais que os utilizadores têm com ele: di-lo a documentação da OpenAI e é uma decisão de privacidade razoável. A consequência operacional já não é tanto. Significa que não podes fazer a única coisa que melhora um sistema: olhar para os casos em que falhou.
Em Enterprise e Edu tens analítica do espaço de trabalho com uma secção de GPTs e as conversas disponíveis na plataforma de conformidade. Isso dá-te adoção e rasto de conformidade — quanta gente o usa, com que frequência. Não te dá acerto. São dois números que se confundem a toda a hora e que apontam em direções opostas: um GPT que responde mal gera mais conversas, não menos.
- Adoção — quanta gente o abre. É o que vais ver. Sobe só com a novidade.
- Acerto — que percentagem de respostas é correta e acionável. É o que importa. Não vais ver.
- Custo do erro — o que acontece quando falha. É o que decide se o GPT pode tocar em algo real. Também não vais ver.
A saída não é desistir: é montar o ciclo fora do ChatGPT — um conjunto de perguntas reais com respostas esperadas que passas à mão sempre que mexes nas instruções. É artesanal, é incómodo e funciona. Como se constrói esse conjunto está em como treinar um agente IA. E no momento em que esse ciclo te doer o suficiente para o quereres automatizar, já não estás a construir um GPT: estás a construir um agente.
Parede 4: não tem dono no organigrama
Aqui convém ser preciso, porque a versão preguiçosa desta parede já não é verdade. Num espaço de trabalho gerido, se o proprietário de um GPT for desativado ou removido, a propriedade passa para um proprietário do espaço e o GPT fica marcado como não atribuído para que alguém o reveja ou reatribua. A conta não se perde. O problema é outro.
O que se perde é o critério. As instruções de um GPT são texto simples num formulário: sem histórico de versões, sem revisão de ninguém, sem um comentário que explique porque é que em março se acrescentou aquela frase estranha sobre os descontos. Quando a pessoa que o escreveu se vai embora, o texto sobrevive e o porquê não. Seis meses depois o GPT continua a responder com uma política que já não se aplica, e ninguém sabe porque — ver parede 3 — ninguém lê as conversas.
As duas perguntas que te dizem em que parede estás
Não é preciso um diagnóstico de duas semanas. Duas perguntas colocam o teu caso:
- A segunda conversa precisa de saber o da primeira? Se sim → parede 1, memória. Nenhum GPT te serve, com instruções ou sem elas.
- O resultado tem de ficar escrito num sistema teu, e tem de constar quem o escreveu? Se sim → parede 2, identidade. Precisas de OAuth e validação de escrita, ou precisas de outra coisa.
Se as duas respostas forem "não", fica onde estás: o GPT é a ferramenta certa e gastar mais é deitar dinheiro fora. Se uma for "sim", o teu problema é de arquitetura e não se resolve escrevendo melhores instruções. E atenção à armadilha do costume: as paredes 3 e 4 não aparecem neste teste porque nunca são o motivo pelo qual alguém decide dar o salto — são o motivo pelo qual o GPT morre em silêncio seis meses depois de ter sido dado como bom.
| Se o teu caso é… | Um GPT personalizado | O que é preciso |
|---|---|---|
| Consultar documentação estável | Chega | Mais nada |
| Aplicar um critério repetido a rascunhos | Chega | Revisão humana |
| Acompanhar um cliente ao longo de vários dias | Não chega | Memória persistente |
| Escrever no CRM ou no ERP com auditoria | Não chega | OAuth, validação e logs |
| Responder no teu site ou no teu produto | Impossível | A API, não um GPT |
O que se constrói quando o GPT fica curto
Resposta curta: o mesmo, mas com as quatro peças que o GPT não tem. Memória persistente para que o sistema saiba o que aconteceu antes. Identidade por utilizador para que escreva com nome e apelido. Evals para que alguém saiba se acerta. E um dono humano com nome no organigrama para que, no dia em que a política mudar, mudem as instruções.
Não é um salto de fé nem um redesenho do zero: o trabalho que fizeste no GPT — as instruções afinadas, os documentos que resultaram, as perguntas reais que as pessoas fizeram — é exatamente o material de partida. É isso que faz de começar por um GPT uma boa ideia mesmo sabendo à partida que vai ficar curto: não estás a construir um protótipo descartável, estás a escrever a especificação.
Se o destino é um assistente no teu site ou no teu produto, o caminho passa por construir um chatbot com RAG sobre a tua base de conhecimento. Se é trabalho interno com processos e sistemas pelo meio, por agentes IA para empresas. E se o que procuravas não era construir mas tirar partido do ChatGPT tal como está na equipa, essa é outra conversa e está aqui: usar o ChatGPT numa empresa a sério.
Nós fazemos a parte aborrecida: montamos empregados IA que se lembram, escrevem nos teus sistemas com identidade própria e têm alguém a ver se acertam. Não vendemos o prompt. Cobramos pelo sistema a funcionar.
E se ao chegar aqui a conclusão é que o GPT te fica curto, a decisão seguinte não é que ferramenta usar mas em que camada viver: está em plataformas para criar agentes de IA, com as três perguntas de saída que convém responder antes de assinar seja o que for.