Como explorar ideias na era da IA generativa (edição 2026)

Com o surgimento da IA generativa, o modo de realizar trabalhos intelectuais, a começar pela programação, mudou muito.

Em especial em 2025, parece-me que a IA generativa se tornou mais útil nas tarefas de pesquisa e geração de ideias. A chegada do ChatGPT Pro 5.2, o avanço constante do NotebookLM e o Gemini 3 com o Nano Banana foram progressos enormes do ponto de vista da pesquisa e da estruturação de informações.

Sobre como criar ideias, já escrevi um resumo em 2023, no artigo "Como começar uma startup de Climate Tech". Desta vez, quero reunir o método de exploração de ideias que recomendo, depois do surgimento da IA generativa, em fevereiro de 2026.

🎯 O objetivo deste artigo

Neste artigo, dividindo em etapas detalhadas o processo de criar uma ideia (hipótese), falo sobre como usar a IA generativa ao longo dele.

A meta de resultado é criar uma hipótese de nível tal que, se você sair para encontrar pessoas com base nela, receba bons feedbacks. Considero que, no momento, é difícil criar uma hipótese perfeita apenas por meio de interações com a IA generativa.

Observação: para criar uma hipótese realmente boa, são necessárias informações que a IA generativa não possui. Além disso, acho que é preciso repetir experimentos e verificações de hipóteses que envolvam ação. Talvez a situação mude se a IA passar a conseguir fazer até esse ciclo de melhoria, mas, para obter informações recentes que a IA generativa não tem e não consegue inferir, creio que a intervenção humana continuará sendo necessária por algum tempo.

Neste texto trato principalmente de "ideias de startups", mas acredito que parte do conteúdo também possa ser usada em outras áreas (por exemplo, pesquisa). Adapte a leitura conforme o caso.

💡 Premissa: para usar a IA generativa na exploração de ideias, as "etapas" são importantes

Por mais que a IA generativa tenha progredido, mesmo que você envie um prompt como "crie uma nova ideia na área de ○○", não receberá de imediato uma hipótese promissora.

Por isso, para criar boas ideias e hipóteses, é preciso passar pelo seguinte processo:

1. Dividir em etapas o processo de dar forma à ideia/hipótese
2. Usar a IA generativa em cada etapa e fazer com que uma pessoa revise o resultado
3. Em seguida, dar instruções adicionais para refinar a ideia

O que se torna importante, então, é que etapas seguir para que a exploração e a formação da ideia avancem bem.

Organizei essas etapas em detalhe no livro "Ação Baseada em Hipóteses", então, se tiver interesse, dê uma olhada. Resumindo, considero que a atividade eficaz na exploração e formação inicial de ideias é repetir (fazer um loop de) as etapas abaixo de forma adequada.

1. Absorção em grande volume de informações relacionadas
2. Estruturação das informações relacionadas e, com isso, identificação do que "não se sabe"
3. Geração de hipóteses sobre o que "não se sabe" (divergência)
4. Verificação das hipóteses geradas (convergência)
5. Correção e regeneração das hipóteses com base nos resultados da verificação e em novas informações

E, atualmente, os serviços de IA generativa tornam parte do trabalho dessas etapas bem mais eficiente.

Por isso, neste artigo, seguindo as etapas explicadas em Ação Baseada em Hipóteses, explico de forma simples como usar a IA generativa ao longo delas.

🚨 Ferramentas usadas e limitações

No momento em que escrevo este artigo, a IA generativa que recomendo para pesquisa é a versão mais recente do ChatGPT Pro.

Entre as gratuitas, na data em que escrevo este texto, 1/2/2026, recomendo, por exemplo, o Kimi K2.5 Thinking, mas provavelmente isso continuará mudando, então escolha a mais adequada. Além disso, na versão gratuita, tome cuidado para não inserir informações sensíveis.

Também recomendo usar, quando for apropriado, o NotebookLM do Google e as funções de IA do Google Sheets.

Ao digitar prompts nessas IAs generativas, recomendo usar entrada por voz sempre que possível e abrir várias janelas para rodar 2 ou 3 pesquisas em paralelo, o que economiza tempo. O ChatGPT Pro é lento, então a digitação serve, mas o Kimi e o Gemini são rápidos, e dá para rodar 2 ou 3 ao mesmo tempo. Quanto à entrada por voz, no momento tenho a impressão de que o Aqua Voice e o Typless, entre outros, têm alta precisão.

Além disso, mesmo os serviços de IA generativa ainda são fracos em verificar hipóteses, então leia partindo do pressuposto de que a verificação será feita, em certa medida, por humanos.

🐾 As etapas para dar forma à ideia

Este artigo avança pelas seguintes etapas:

1. Definir provisoriamente a área
2. Captar o panorama geral da área e exemplos concretos
3. Investigar a fundo um exemplo concreto específico
4. Gerar uma hipótese de trabalho
5. Verificar a hipótese de trabalho
6. Decidir a ideia, por ora

A partir daqui, vou falar de cada uma das etapas.

(1) Explorar amplamente as áreas candidatas e defini-las provisoriamente

Antes de pensar em ideias, é preciso definir até certo ponto o escopo da área em que se vai pensar nelas. Isso porque uma exploração sem escopo é ineficiente demais.

Na escolha dessa área, em princípio, costuma-se obter respostas melhores perguntando "que áreas estão em destaque agora?" a uma pessoa com bom faro para ideias do que usando a IA generativa. Porém, nem todo mundo tem alguém assim por perto, e nem sempre é possível perguntar. Além disso, se uma pessoa com mau faro recomenda uma área, isso causa um desvio enorme; por isso, perguntar por ora à IA generativa me parece um meio-termo nada mau.

Por exemplo, mesmo que de forma aproximada, tente enviar um prompt como o seguinte ao ChatGPT, ao Kimi etc.

Pretendo empreender e criar uma startup de crescimento acelerado.

Com base nos meus interesses e nas condições abaixo, pense profundamente usando o raciocínio de primeiros princípios e proponha áreas que se encaixem. Em seguida, cite nominalmente startups que sirvam de referência. Se houver perguntas adicionais, faça-as antes de pesquisar.

## Minhas áreas de interesse

＜＜Insira aqui os seus interesses＞＞

## Condições

• É desejável que a área combine com meus interesses (mas a prioridade é baixa)
• Uma área cujo mercado ainda é relativamente pequeno, mas que daqui a 15 anos terá mais de 50 vezes o tamanho atual
• Uma área em que, começando do zero agora, seja possível criar daqui a 15 anos um negócio com valor de mercado acima de 1 trilhão de ienes (para o PER etc. necessário ao cálculo do valor de mercado, tomar como referência o setor em questão)
• Uma área que, aos olhos dos outros, parece loucura, mas que é possível em princípio (uma área que muitas pessoas negariam)
• Uma área de alto risco e alto retorno, fora do alcance das grandes empresas e que só uma startup consegue desafiar
• Uma área em que o progresso tecnológico se acelerou nos últimos anos
• Uma área pouco mencionada nos jornais e sites de notícias gerais, no Japão e no exterior (uma área abordada apenas de passagem em revistas especializadas)
• Uma área defendida com entusiasmo, no Japão e no exterior, por um número bastante reduzido de aficionados e especialistas
• Independentemente da minha especialidade, priorize a possibilidade de criar um grande negócio (a especialidade eu aprendo depois, para alcançar)

## Observação

• Proponha áreas de negócio que, se realizadas, seriam enormes, mas que no momento são vistas como bastante heterodoxas

O acima é apenas um exemplo. Melhore o prompt com a sua própria criatividade. Para melhorá-lo, recomendo o seguinte.

• Recomendo pedir à IA generativa que melhore um prompt feito de forma aproximada como o acima. Por exemplo: "Melhore o prompt abaixo usando as melhores práticas atuais de aprimoramento de prompts. Ao final, descreva em que pontos você o melhorou. (a seguir, insira o prompt acima)". O prompt acima foi escrito de forma bastante aproximada para facilitar a leitura.
• Para esse tipo de exploração, também recomendo inserir o mesmo prompt algumas vezes. Como as respostas mudam probabilisticamente, vale encarar como um gacha e tentar 2 ou 3 vezes. (Nos serviços em que dá para definir a temperature, vale deixá-la mais alta, por exemplo.)
• Na exploração, é muito importante, ao contrário, impor condições e restrições. Sem restrições, só voltam respostas vagas e medianas. Ao limitar o intervalo de exploração, a IA generativa tenta de algum modo achar uma solução dentro da restrição, e muitas vezes volta uma resposta inédita. É por isso que o prompt acima tem tantas condições.

Aprofundar as palavras-chave que chamarem a atenção

Se, nessa pesquisa, você encontrar uma "palavra-chave que chame a atenção", pesquise de várias formas em torno dela. Tendo uma palavra-chave, costuma-se conseguir avançar bastante a partir dela.

A palavra-chave pode ser o nome de uma startup concreta ou algo sobre tecnologia. Usando essas palavras-chave como cunha, é bom escavar o que há ao redor.

Fazer perguntas para aprofundar

Se houver algo que você não entendeu na resposta obtida, lance a dúvida à IA generativa.

Porém, numa área vista pela primeira vez, é difícil ter dúvidas, então, incluindo isso, peça a um LLM ou similar, com algo como

Dê alguns exemplos de perguntas e prompts para explorar essas áreas com mais profundidade

para gerar automaticamente as dúvidas e os prompts; isso servirá de referência para as dúvidas a inserir em seguida.

Fazer a IA generativa responder a várias dúvidas de uma só vez

Também é conveniente listar no Google Sheets as suas dúvidas e as que a IA generativa criou e que você considerou boas, e fazer a função de IA do Google Sheets respondê-las de uma vez (porque, numa interface de chat, há tempo de espera pelas respostas, e, ao pedir tudo de uma vez num único prompt, a precisão cai).

Por exemplo, digite numa célula uma função como a seguinte e aplique-a também às células abaixo.

=AI("Responda à seguinte dúvida: "&A2)

O desempenho do Gemini usado pela função de IA ainda é meio fraco, mas, para uma compreensão aproximada, não há problema em perder um pouco de desempenho, e serve de referência. Além disso, registrar as dúvidas e as respostas pode ser útil mais tarde.

(※Atenção: para usar a função de IA, é necessário ter uma assinatura do Google AI ou do Workspace.)

Definir a área de forma flexível

Depois de pesquisar aproximadamente algumas áreas, defina a área provisoriamente, partindo do princípio de que poderá mudar depois. A ideia é, por ora, definir de forma flexível o escopo da área a explorar.

Também é bom decidir a área depois de pesquisar várias, com um limite de 30 minutos ou 1 hora. Como você voltará à escolha da área mais cedo ou mais tarde, não há problema em decidir rapidamente.

(2) Pesquisar amplamente o panorama dessa área e vários casos

Definida uma área, pesquise o panorama dela e os casos. Recomendo fazer isso em paralelo.

O panorama fornece um arcabouço de alto nível de abstração, e os casos fornecem informações bem concretas e palpáveis. Basicamente, você vai definindo o foco enquanto alterna rapidamente entre os dois.

Entender o panorama

Entenda o tema. Porém, "conhecer perfeitamente o panorama" não se alcança por mais tempo que se tenha, então não tente chegar a isso.

Por exemplo, no caso da energia solar espacial, peça a pesquisa com um prompt como

Organize, usando a perspectiva de vários especialistas e de modo que até um calouro de universidade entenda, o estado mais recente dos negócios, da tecnologia e das startups de energia solar espacial

(Aqui também é melhor, se possível, pedir antes à IA generativa que melhore o prompt e só então executá-lo.)

Se houver algo que você não entendeu, aprofunde.

Mas, como numa área vista pela primeira vez é difícil ter dúvidas, também é possível pedir que a IA gere dúvidas com algo como

Quero entender o panorama dessas áreas com mais profundidade e amplitude. Dê alguns exemplos de perguntas e prompts adicionais para isso

e, como mencionado acima, fazer com que sejam respondidas de uma vez no Google Sheets, por exemplo.

Aqui também recomendo usar o NotebookLM . Depois de fazer um Deep Research da área, gerar slides ou produzir saídas em Podcast ou vídeo permite avançar na compreensão de um modo diferente de ler texto.

Pesquisar exemplos de ponta

Pesquise ideias concretas, por exemplo, da forma a seguir. Recomendo pesquisar exemplos o mais de ponta possível, porque, basicamente, você acabará criando ideias próximas deles.

No caso de startups, tente consultar a IA generativa com um prompt como o seguinte.

Pesquise exemplos concretos de startups de energia solar espacial e organize suas características e seu progresso a partir da perspectiva de vários especialistas. Para pesquisar as informações mais recentes, faça sempre uma busca antes de organizar.

Pesquisando a partir das startups, você conhece os desafios de ponta. No caso de pesquisa acadêmica, pode ser bom pesquisar principalmente artigos ainda sem revisão por pares, como os do arXiv.

Se achar que não é isso, mude de área

Se, ao longo da pesquisa, não houver nenhuma ideia de ponta que desperte seu interesse, volte à escolha da área e pesquise outra.

(3) Investigar a fundo um exemplo concreto específico

Quando já houver um certo mapa do panorama da área e dos respectivos players, aprofunde-se em ideias individuais (aqui, empresas startups) e prepare-se para criar uma ideia (hipótese) que seja só sua.

Como os serviços comuns de IA generativa tendem a sofrer alucinações em informações detalhadas, recomendo, em vez de lançar prompts nesses serviços, reunir fontes de informação precisas no NotebookLM.

As dicas para isso são as seguintes.

• Não recomendo o Deep Research do NotebookLM, pois às vezes se misturam informações estranhas. Dá um pouco mais de trabalho, mas recomendo fazer uma Fast Search e então selecionar manualmente apenas as fontes adequadas.
• Em especial, se for pesquisar informações do início de uma startup, recomendo incluir ativamente YouTube, Podcasts etc. As informações em áudio tendem a conter informações mais sensíveis.
• Como os detalhes da tecnologia às vezes não vêm a público, inclua também o Google Patent da empresa e os artigos das pessoas-chave.

Aqui também, transformar em slides ou em Podcast as informações reunidas no NotebookLM permite avançar rapidamente na compreensão.

Por exemplo, faço um Podcast que apresenta informações sobre as startups mais recentes pesquisadas com esses métodos, no YouTube e no Spotify. Se tiver interesse, ficarei feliz se você se inscrever e o usar como oportunidade de conhecer amplamente exemplos concretos.

Além disso, em vez de fazer isso com apenas uma ideia (empresa), faça com várias ideias (empresas), conhecendo em detalhe as características de cada uma.

Quanto às ideias de negócio, recomendo pesquisar também empresas de capital aberto. Elas devem servir de referência para o preço final das ações no IPO. Nesse caso, pesquise por "nome da empresa S-1" ou "nome da empresa investor presentation" e registre como fontes no NotebookLM. Se possível, é melhor você mesmo olhar também os PDFs com imagens (pois servem de referência).

Pergunte sobre os problemas do negócio em questão dessa empresa no NotebookLM ou, então, usando o ChatGPT Pro, por exemplo.

Fazer perguntas sobre as dúvidas

Ao pesquisar, surgirão muitas dúvidas. Em especial, quando a especialidade é diferente, pode acontecer de nem os termos serem compreendidos. Ter dúvidas é bom, então pergunte tudo à IA generativa, um após o outro.

Também aqui, acho bom usar o Google Sheets se for para responder de uma vez, e o chat se quiser aprofundar.

Encontrar lacunas no panorama

À medida que você conhece mais a fundo várias iniciativas concretas, a resolução sobre o setor e a área aumenta, e aos poucos vai ficando claro o que já é possível, o que ainda não é e por quê.

Ideias que parecem novas costumam ter um passado em que

• não puderam ser realizadas até agora por algum motivo
• já foram tentadas e fracassaram

mas, ao compreender isso também, você consegue organizar questões como "é impossível em princípio?" e "por que seria possível agora?".

É no trabalho de ir encontrando "o que ninguém sabe, e eu também não sei", ao mesmo tempo que se preenche "o que na verdade já se sabe, mas eu não sei", que surgem ideias novas realmente boas.

Se for possível em princípio, mas você conseguir entender os motivos e problemas pelos quais não foi realizado, o escopo se estreita para a busca de um método de resolvê-los.

(4) Criar uma hipótese de trabalho

Se, nas pesquisas feitas até aqui, surgiu uma ideia (hipótese), pode usá-la como está. Se houver uma ideia de referência (base), também é possível criar uma ideia modificando-a um pouco.

Se ainda não conseguiu criar uma ideia que mereça esse nome, também é possível pedir à IA generativa que crie a base dessa hipótese de trabalho. Por exemplo, assim:

Pretendo empreender e criar uma startup de crescimento acelerado.

Pensando profundamente com o raciocínio de primeiros princípios, proponha várias ideias (hipóteses de trabalho) que se encaixem na área e nas condições abaixo. Explique também as características de cada proposta, comparando-as.
Se houver perguntas adicionais, faça-as antes de pesquisar.

## Área

＜＜Insira de várias formas o que você pesquisou, a área etc.＞＞

## Condições

• Começando do zero agora, é possível criar daqui a 15 anos um negócio com valor de mercado acima de 1 trilhão de ienes (para o PER etc. necessário ao cálculo do valor de mercado, tomar como referência o setor em questão)
• Aos olhos dos outros, parece loucura, mas é possível em princípio
• É de alto risco e alto retorno, fora do alcance das grandes empresas e que só uma startup consegue desafiar
• É possível explicar "por que agora" (mudança regulatória, progresso tecnológico acelerado nos últimos anos, etc.)
• É possível encontrar um caminho para vencer (wedge, moat, fatores de diferenciação)
• Tem características um pouco diferentes das ideias existentes
• Parte-se do pressuposto de que o capital necessário será captado, mas o valor máximo que pode ser captado na primeira vez é de 1 bilhão de ienes

## Observação

• Proponha áreas de negócio que, se realizadas, seriam enormes, mas que no momento são vistas como de possibilidade bastante baixa
• Faça proposições (hipóteses) refutáveis
• Se não for possível gerar ideias que se encaixem, informe que não houve ideias que se encaixassem

Se possível, é preferível escrever em detalhe a "área da ideia" que será inserida na IA generativa. Essa informação se torna um "alfinete 📌" que indica à IA generativa o centro da exploração, e a IA generativa explorará ao redor dele. A resposta da IA generativa muda bastante conforme o lugar em que você coloca o alfinete 📌.

Quanto mais geral for a pergunta feita à IA generativa, mais geral será a resposta; e, quanto mais específica for a indicação, mais adequadas tendem a ser as propostas.

Desenhar o panorama da ideia

Para refinar ainda mais essa ideia, recomendo primeiro desenhar o panorama (mapa) da hipótese. Isso significa organizar o que precisa se verificar para que essa hipótese se sustente.

Vá aprimorando aos poucos, repetindo a troca de ideias com a IA generativa.

Por fim, também é bom pedir, por exemplo,

Elabore um plano de negócios de acordo com o modelo de pitch da FoundX (https://review.foundx.jp/entry/2025-slide-template)

e fazer com que ela produza uma versão completa.

Refinar parte das hipóteses

Para refinar ainda mais essa ideia, repetindo a troca de ideias com a IA generativa, aprimore aos poucos as hipóteses especialmente importantes dentre as da hipótese.

Vale fazer algumas perguntas como "Não dá para usar nesta área o progresso tecnológico de outras áreas?", "Qual é uma abordagem possível em princípio, mas que nunca foi tentada?" e "Qual pergunta ainda não formulada poderia provocar um avanço nesta área?".

Dar corpo e transformar em slides

Entender a hipótese de trabalho criada pela IA generativa dá um certo trabalho.

Por isso, peça ao NotebookLM que reúna informações relacionadas a essa ideia e produza, centrado nela, slides ou um relatório; isso aprofunda a compreensão e, com slides, facilita também a explicação a outras pessoas.

Na saída de slides do NotebookLM, recomendo especificar a estrutura das páginas em YAML. O número máximo atual de páginas é 15, então procure ficar dentro de 15 páginas.

(5) Verificar a hipótese de trabalho

Quando surgirem boas hipóteses, entra-se na fase de verificá-las com a IA generativa. Porém, observe que a IA generativa atual não é muito boa em verificar hipóteses. É mais seguro usá-la apenas como referência, mas, ainda assim, ela é útil em muitos pontos.

Por exemplo, verifique a ideia com um prompt como o seguinte.

Pretendo empreender e criar uma startup de crescimento acelerado.

Verifique a ideia (hipótese de trabalho) abaixo. Para isso, reunindo muitas informações relacionadas e pensando profundamente com o raciocínio de primeiros princípios, critique e verifique do ponto de vista de vários especialistas e indique pontos de melhoria. Se houver perguntas adicionais, faça-as antes de pesquisar.

## Ideia

＜＜Insira a sua ideia＞＞

## Saída

• Resultado da verificação
• Propostas de melhoria da ideia
• Premissas e partes desconhecidas
• O que não foi possível verificar
• Ações recomendadas para uma verificação adicional

## Pontos a verificar

• Começando do zero agora, é possível criar daqui a 15 anos um negócio com valor de mercado acima de 1 trilhão de ienes (para o PER etc. necessário ao cálculo do valor de mercado, tomar como referência o setor em questão)
• A oferta é realizável em princípio (tecnologia e modelo de negócio)
• Há ao menos uma ínfima possibilidade de que a demanda se torne suficientemente grande

## Método de verificação

• Verificar utilizando evidências sólidas
• Listar os fatos usados na verificação
• Registrar separadamente fatos e conjecturas

## Observação

• Proponha áreas de negócio que, se realizadas, seriam enormes, mas que no momento são vistas como bastante heterodoxas
• Se não for possível gerar ideias que se encaixem, informe que não houve ideias que se encaixassem

Incentivar uma verificação rigorosa

A IA generativa tende a se alinhar ao usuário (a não dizer coisas desagradáveis), então recomendo incentivá-la a criticar com rigor. Dê à IA generativa um papel claro, como red team ou especialista crítico, e faça-a criticar.

Especialmente para a ideia como um todo, acho bom fornecer corretamente as condições a verificar. Por exemplo, um critério de corte para a aplicação das condições da hipótese (no caso de negócios, o valor de mercado).

Tentar explicar por conta própria

Conseguir falar até certo ponto, por si mesmo, sobre a hipótese gerada é um método útil tanto para medir o seu nível de compreensão quanto para verificá-la. Também é importante verificar a hipótese por conta própria de vários ângulos, como testar se consegue explicá-la, se consegue dar exemplos e o que aconteceria se parte da hipótese fosse alterada.

Agir para verificar

A verificação acima é feita principalmente no âmbito do que se consegue só com coleta de informações, mas a verificação não se conclui na IA generativa. É corriqueiro que um método (hipótese) que parece dar certo no exterior não funcione no Japão, então é preciso ir de fato ouvir a opinião de quem está no campo.

Em certo sentido, o trabalho que resta às pessoas é ir buscar informações que não estão na Web para verificar a hipótese, e gerar novos dados e fornecê-los à IA generativa para que ela crie hipóteses ainda melhores.

Em especial, a IA generativa erra em informações que não estão na internet nem em dados, e, por mais que se peça ideias extravagantes, tende a se aproximar de ideias comuns. Para captar informações que só você tem, aja e verifique, obtenha novas informações e crie novas hipóteses.

Na verificação, não vá atrás do "problema que está diante dos olhos"

Ao conversar com pessoas, é fácil ficar de olho no problema que elas estão enfrentando bem diante de si. Mas, se o objetivo é uma startup, é muito importante saber se esse problema é grande o bastante ou se ele pode ser o primeiro passo para chegar a um problema grande.

Ao repetir verificações, as pessoas tendem a se otimizar localmente em torno de hipóteses pequenas, então recomendo avançar sempre mantendo em mente as condições de verificação.

(6) Definir a ideia provisoriamente

Por volta desse ponto, defina provisoriamente uma ideia aproximada e comece a elaborar um plano de negócios detalhado. Ao elaborar o plano de negócios, voltarão a surgir pontos que você não entende e você terá de verificá-los com mais profundidade, mas, se não decidir que, por ora, seguirá nessa direção, não conseguirá começar a se mover; portanto, decida.

Decidir conversando com pessoas

Como atividade antes de decidir, também recomendo abrir oportunidades de conversar com pessoas capazes de avaliar ideias (investidores, professores etc.) e apresentar algumas das hipóteses que você considera mais promissoras no momento. Há pontos que a IA generativa sozinha realmente não consegue julgar. Além disso, dependendo do caso, essas pessoas podem apresentar possíveis clientes para a verificação.

Para receber bons feedbacks de outras pessoas nesses encontros, é preciso levar uma hipótese razoavelmente promissora. Se você conseguir criar essas hipóteses e passar a receber feedbacks, o ciclo de feedback começa a girar e as hipóteses melhoram cada vez mais; por isso, esforce-se até conseguir criar hipóteses de trabalho desse nível.

Dicas: para fazer de forma mais eficiente

Não creio que seja preciso organizar o fluxo de trabalho desde o início, mas, quando se acostumar, acho bom criar e gerenciar MyGPTs ou Skills, basicamente no formato de ir criando hipóteses. Por exemplo, eu criei alguns MyGPTs e os uso como fluxo.

Por enquanto uso MyGPT porque o ChatGPT Pro tem melhor desempenho, mas penso que, quando o ChatGPT também ganhar Skills, seria bom reunir tudo lá.

Além disso, do ponto de vista da definição de áreas, think tanks do exterior costumam pesquisar e resumir agendas amplas (embora com certa miopia). Também transmito Podcast/YouTube que resumem essas informações, então compartilho-os como referência.

📝Resumo

Organizei o fluxo completo, desde a definição aproximada da área até a verificação da ideia, e resumi como aproveitar os serviços de IA generativa ao longo dele.

Se você se esforçar repetindo por cerca de 1 mês, interagindo por prompts umas 100 vezes por dia, verificando com ações concretas e, às vezes, consultando outras pessoas, deverá conseguir chegar a uma hipótese razoavelmente promissora.

O ponto-chave é dedicar tempo de verdade e, para ideias que parecem não prestar, desistir logo e passar para a próxima.

Tomando cuidado com as alucinações, ao chegar ao ponto de criar uma hipótese aproximadamente promissora, basta passar a agir para entrar num ciclo virtuoso em que se obtêm informações mais detalhadas. Como resultado, vai ficando claro que mesmo ideias que parecem promissoras estão erradas em cerca de 80% dos casos, mas, ainda assim, nesse nível começam a chegar informações que não se obtêm na Web, e o refinamento da ideia tende a avançar mais; por isso, procure primeiro chegar até lá.

Talvez um dia a própria IA realize esse trabalho de forma autônoma, mas, por ora, deixo registrado como uma metodologia que usa a tecnologia atual.

Artigos de referência

Para mais detalhes, veja também os slides abaixo.