"Aprender IA" é um conselho ruim. Aprenda a arquitetura, não a ferramenta

Artigo 2 de 4 da série “As seis habilidades da era dos agentes”. Os outros: orquestrar agentes · o primeiro agente sério · o stack de habilidades.

“Aprenda IA.” Você já ouviu isso umas mil vezes em 2025 e 2026. De gente bem-intencionada, de influencer querendo vender curso, do seu próprio chefe numa reunião de planejamento. E o conselho está errado — não porque IA não importe, mas porque ele é genérico demais para significar qualquer coisa.

A provocação é de Greg Isenberg, e ela aponta para um problema real: “aprender IA” hoje é como dizer “aprenda computador” em 1995. Aprender o quê, exatamente? A digitar prompt? A usar uma ferramenta que vai estar obsoleta em seis meses? O conselho útil não é “aprenda IA”. É “aprenda a camada que não vira commodity”.

Este artigo é sobre identificar qual é essa camada.

O que virou commodity (e por que isso importa para você)

Comece pela lista do que perdeu valor como diferencial, porque ficou acessível a todo mundo ao mesmo tempo:

O modelo virou commodity. ChatGPT, Claude, Gemini, DeepSeek — seu concorrente abre qualquer um em trinta segundos, pelo mesmo preço que você. Se está ao alcance de todos, não pode ser a sua vantagem.

O prompt virou commodity. Existem bibliotecas inteiras de prompts prontos. A habilidade de escrever uma boa instrução, que parecia mágica em 2023, hoje é repertório básico.

A interface bonita virou commodity. Qualquer pessoa sobe uma landing page ou um app num fim de semana com as ferramentas atuais.

Quando tudo isso fica abundante, a pergunta certa muda. Não é mais “qual ferramenta de IA usar”. É “o que continua escasso quando a ferramenta é gratuita?”.

A camada que não vira commodity: a arquitetura

O que não vira commodity é a arquitetura por trás de um agente — e essa é a essência da “versão adulta do prompt engineering” que Isenberg descreve.

Um prompt é uma frase. Um agente é um sistema. E montar esse sistema significa responder a perguntas que nenhuma ferramenta responde por você:

• Qual processo real da empresa este agente vai operar — e quais são as exceções desse processo?
• Quais dados ele precisa ver, e quais ele nunca pode tocar?
• Quem aprova cada tipo de decisão? Onde entra revisão humana?
• Como ele registra o que fez, para que dê para auditar depois?
• Como a gente mede se ele está realmente funcionando, e não só parecendo inteligente numa demonstração?

Isenberg resume a anatomia do agente como um pequeno funcionário com contexto, ferramentas, permissões, memória, uma meta e a capacidade de checar o próprio trabalho. Repare que nenhum desses seis elementos é o modelo. O modelo é o cérebro alugado. A arquitetura — os outros cinco — é o que você constrói em volta dele. E é aí que mora o valor que não se copia em trinta segundos.

Existe um teste de uma frase para saber se você construiu na camada certa: se você trocar de modelo amanhã, o seu sistema continua útil? Se a resposta é não — se tudo desmorona porque você dependia de um detalhe de um modelo específico — você construiu sobre areia. Se a resposta é sim, você construiu sobre arquitetura. O moat nunca esteve no modelo. Sempre esteve no workflow.

Modelos locais: aprender a arquitetura, não só a moda

Aqui Isenberg toca num ponto que parece técnico demais para um conselho de carreira, mas não é: aprender a rodar modelos localmente, com Ollama, LM Studio e afins.

O ceticismo é previsível — “modelos locais estão ficando menores e mais raros de precisar, por que perder tempo com isso?”. A resposta dele inverte a lógica. O ponto de rodar local não é a economia de hoje. É que, ao fazer isso, você aprende a arquitetura do futuro: qual tarefa precisa de um cérebro gigante na nuvem e qual precisa apenas de um trabalhador confiável e barato que nunca dorme.

Na prática de quem coloca IA dentro de empresas, essa distinção aparece toda semana sob quatro nomes:

• Privacidade — a base de contratos ou o histórico médico do cliente não vão para uma API de terceiro. Ponto.
• Custo — os preços dos modelos de ponta sobem; rodar a tarefa repetitiva e simples num modelo local muda a conta no fim do mês.
• Latência — alguns fluxos não podem esperar o round-trip da nuvem.
• Controle — há trabalho que precisa ficar atrás da sua parede, sob suas regras.

Saber desenhar esse roteamento — o que fica local, o que vai para a nuvem, o que toca documentos privados — é parte do mesmo músculo de arquitetura. É a diferença entre “usar IA” e projetar um sistema de IA que respeita as restrições reais de um negócio. Esse é, aliás, um dos pilares da nossa abordagem: por isso defendemos a soberania de IA via BYO API Key e a possibilidade de rodar o que for sensível dentro da casa do cliente.

O conselho corrigido

Então qual é o conselho que substitui “aprenda IA”?

Aprenda a desenhar a arquitetura de um agente. Aprenda os cinco elementos que não são o modelo — contexto, ferramentas, permissões, memória, avaliação — e aprenda a decidir o que roda onde. Isso não envelhece quando o modelo da moda muda, porque é exatamente a camada que sobrevive à troca de modelo.

Quem aprende a ferramenta vira refém da ferramenta. Quando ela muda, o conhecimento evapora. Quem aprende a arquitetura troca de ferramenta sem perder nada — porque entendeu a estrutura que existe por baixo de todas elas.

A pergunta que separa quem vai surfar a próxima década de quem vai assistir não é “você sabe usar o ChatGPT?”. É: você sabe transformar um processo da sua empresa num agente que opera sozinho, com aprovação humana no lugar certo, e que continua funcionando mesmo se você trocar o modelo por baixo dele?

Essa é a habilidade. O resto é commodity.

Leia a série completa:

• 1/4: Orquestrar agentes é a habilidade mais defensável
• 2/4: “Aprender IA” é um conselho ruim
• 3/4: O primeiro agente sério
• 4/4: As seis habilidades da era dos agentes

Se a sua empresa está colecionando ferramentas de IA mas nenhuma virou sistema, talvez você esteja aprendendo a camada errada.

👉 Agende uma call de descoberta de 30 minutos. A gente desenha a arquitetura — o que vira agente, o que roda local, o que vai para a nuvem.

Inspirado no vídeo de Greg Isenberg, “Learn AI” Is Bad Advice. Learn This Instead. As ideias sobre prompt vs. arquitetura e modelos locais são dele; a leitura sob a ótica de Engenharia de Agentes é da 21 Robots.