Agora que comprimimos quase todo o conhecimento humano em grandes modelos de linguagem, a próxima fronteira é a chamada de ferramentas. O encadeamento de diferentes ferramentas de IA permite a automação. A mudança do pensamento para o fazer representa o verdadeiro avanço na utilidade da IA. Eu construí mais de 100 ferramentas para mim, e elas funcionam na maior parte do tempo, mas não o tempo todo. Eu não estou sozinho. O relatório do Índice Econômico da Anthropic revela que 77% do uso comercial do Claude se concentra na automação de tarefas completas, não na co-pilotagem. A Anthropic publicou documentação na semana passada sobre a eficiência do token e ferramentas de rearquitetura para otimizar seu uso. A orientação era contra-intuitiva: em vez de muitas ferramentas simples com rótulos claros, crie menos ferramentas mais complexas. Aqui estão as sete ferramentas de e-mail que construí - scripts Ruby, cada uma com um propósito claro. O script "Safe Send Email" foi projetado para impedir que a IA envie e-mails sem aprovação. Lindamente ingênuo, simples e claro, um modelo de linguagem não deveria ser capaz de ler isso e saber exatamente o que eu estava pedindo para fazer? Mas não é tão simples assim! A Anthropic recomenda a criação de ferramentas complexas. Sua pesquisa mostra que "as solicitações economizam em média 14% em tokens de saída, até 70%" ao usar ferramentas sofisticadas e ricas em parâmetros em vez de simples. O motivo? Os sistemas de IA entendem o contexto completo melhor do que a intenção fragmentada. Passei o fim de semana consolidando todas as minhas ferramentas em ferramentas unificadas, como esta para e-mail: (terceira imagem) O impacto na precisão foi imediato. A taxa de sucesso de Claude se aproxima de 100%. O sistema é mais rápido. Como resultado, estou usando muito menos tokens com um sistema mais eficiente. Aqui está meu modelo mental atual: (quarta imagem) Quando redesenhei para a cognição da IA em vez da intuição humana, tudo melhorou. Minhas operações de CRM, gerenciamento de calendário e fluxos de trabalho de banco de dados tornaram-se mais confiáveis quando consolidados em ferramentas abrangentes e pesadas em parâmetros. A precisão melhorou, então o custo total foi reduzido significativamente. Mas não me peça para usar as ferramentas. Agora estou um pouco perdido em meio à complexidade. Este é um corolário inevitável de trabalhar em níveis mais altos de abstração, não mais entendendo profundamente a máquina. Passamos décadas simplificando o software para as pessoas. Agora estamos aprendendo a torná-lo complexo para a IA.

Como o café da manhã em uma lanchonete, o software é barato e rápido de fazer. Peça uma nova ferramenta de gerenciamento de tarefas e você terá a primeira versão em menos tempo e por menos dinheiro do que uma omelete. As ferramentas construídas por IA podem não durar muito. Alguns sobrevivem apenas alguns minutos, tempo suficiente para responder "Qual é o nosso tempo de resposta esta semana?" Outros permanecem úteis por alguns dias ou semanas, como um aplicativo que pode criar um rastreador de projetos leve para integrar o Walmart. Às vezes, eles persistem por mais de um mês. Se a permanência definiu as últimas duas décadas do software, a impermanência pode definir a próxima. Agora vemos três camadas se formando ao longo de um continuum: SaaS durável: sistemas de registro de longa duração, como um painel de pipeline. Aplicativos efêmeros: ferramentas de curta duração, como o rastreador de projetos de integração do Walmart. Perguntas instantâneas: consultas pontuais como "Fale-me sobre a conta da Apple". Em ordens de magnitude, aplicativos efêmeros e perguntas instantâneas superarão os aplicativos SaaS, talvez milhões para um. A alta dopamina da resolução instantânea de problemas é viciante e acelera carreiras. Subjacente a todos esses aplicativos estará um sistema de registro, geralmente uma plataforma existente, mas cada vez mais nova. As equipes de finanças e operações dependem de painéis persistentes para governança e relatórios, como se a definição de uma métrica pudesse ser padronizada em toda a organização. Os profissionais de marketing criam aplicativos de dados que duram alguns meses para analisar o desempenho de seus gastos pagos e as equipes de suporte fazem perguntas rápidas sobre o tempo de resposta antes de prosseguir. Os modelos confiáveis, as permissões e a lógica de negócios de uma plataforma de BI subjacente como o @omni dão aos usuários confiança para experimentar aplicativos efêmeros e perguntas instantâneas. O controle da fundação garante o controle das camadas acima. Esse padrão de design se estende além da IA para a maioria dos outros softwares. Quer você tome um café, uma omelete ou uma refeição de cinco pratos, a próxima grande startup servirá tudo.