Há uma diferença entre utilizar o Claude e trabalhar com ele

A maioria das pessoas abre o Claude, faz uma pergunta, copia a resposta, fecha o separador. Funciona. Mas é o equivalente a contratar um analista sénior para responder a perguntas no corredor, em vez de o sentar à mesa com o contexto do projeto, os ficheiros relevantes, a memória do que se discutiu na semana anterior. Para o mesmo custo de licença, os dois cenários produzem resultados diferentes.

A explicação habitual para a utilização superficial - falta de tempo, falta de formação, falta de ferramentas - não resiste ao escrutínio.
O Claude, o ChatGPT, o Gemini e o Copilot estão acessíveis a qualquer organização portuguesa. O que falta é outra coisa: as pessoas fazem perguntas, mas não enquadram. Não dizem ao sistema quem são, em que trabalham, como escrevem, o que foi decidido da última vez.
Pedem as respostas no corredor em vez de dar o contexto que permitiria ao analista trabalhar. Tratam um modelo de linguagem como um motor de pesquisa melhorado, e obtêm, em consequência, o equivalente a uma pesquisa aparentemente melhorada.
O prompt não é o problema
A indústria gastou dois anos a vender prompt engineering como a competência a adquirir. Dispomos de cursos, certificações, consultores a cobrar por dia para reescrever perguntas.
O que se tornou evidente ao longo de 2025 é que o gap entre um prompt mal redigido e um prompt cuidadosamente estruturado se tem vindo a diluir, uma vez que os modelos interpretam perguntas ambíguas com competência crescente. O retorno marginal de dominar a sintaxe do prompt perfeito tem vindo a cair.
O que emergiu no lugar é menos vendável e mais consequente. A literatura técnica designa-o por context engineering: o que estes modelos produzem é uma previsão calibrada pelo contexto que lhes damos.
A pergunta isolada importa menos do que o conjunto, isto é, quem somos, em que trabalhamos, como pensamos, o que ficou decidido da última vez.
Quem fornece esse contexto de forma estruturada obtém respostas calibradas para si. Quem não fornece obtém respostas mais genéricas, mitigáveis pela forma como formula a pergunta.
A configuração que poucos fazem
Trabalhar com o Claude, na prática, significa configurá-lo antes de o utilizar. Quatro operações concretas:
Projects: espaços de trabalho persistentes onde residem documentos e contexto de projeto, e onde a conversa continua de uma sessão para a seguinte sem recomeço.
Memory: o sistema retém quem somos, em que trabalhamos e o que foi decidido, em vez de partir do zero a cada conversa.
Skills: rotinas reutilizáveis que codificam os processos repetitivos do nosso trabalho.
MCP (Model Context Protocol): padrão que liga o sistema às ferramentas onde o trabalho real acontece (CRM, e-mail, repositório de código), reduzindo a fricção entre conversar e executar.
Nenhuma destas operações é tecnicamente difícil. E, no entanto, a grande maioria dos utilizadores não configura nada disto.
Em várias organizações, paga-se uma licença premium para todos os colaboradores e obtém-se retorno compatível com a versão gratuita, com limites expandidos.
É um problema de ROI que não está a ser medido, dado que os indicadores habitualmente utilizados para avaliar adoção, como o número de utilizadores ativos ou a satisfação reportada, podem permanecer elevados sem que o trabalho efetivamente mude.
Este desfasamento entre adoção aparente e mudança real não é apenas um problema de eficiência interna. Tem consequências que se acumulam ao nível do controlo sobre o conhecimento que as organizações estão, sem o perceber, a ceder.
O que está em jogo para as organizações?
Durante 2025, os principais fornecedores lançaram camadas de memória persistente:
A Anthropic iniciou em setembro o rollout de memória persistente, concluindo a extensão a todos os planos pagos em outubro.
A OpenAI lançou a Responses API em março, com arquitetura stateful.
A Microsoft anunciou no Ignite, em novembro, o Agent 365 e o Work IQ, que centralizam memória organizacional e governação de agentes.
Cada uma destas camadas é, por defeito, propriedade do fornecedor. A informação que a organização acumula sobre como trabalha (nomeadamente os padrões, as preferências, as decisões) fica depositada num sistema cuja migração futura se torna progressivamente mais cara.
O mecanismo é direto: quanto mais um sistema sabe sobre como trabalhamos, mais cara fica a mudança para outro que tem de aprender tudo de novo.
As decisões sobre arquitetura de memória estão a ser tomadas, na maioria das organizações portuguesas, por omissão. O fornecedor decide.
Esse é o argumento que vai além da produtividade individual. Uma organização que não gere o que os seus sistemas de IA acumulam em seu nome está a ceder controlo sobre o seu próprio conhecimento operacional. Sem decisão consciente. Sem retorno fácil.
Para o profissional individual, a versão do mesmo problema é mais imediata. Quem construir, neste ciclo, um sistema de trabalho com IA transversal, que se lembra do que faz, que se adapta ao modo como escreve, e que se liga às ferramentas que já utiliza, vai trabalhar de forma diferente de um colega que continua a copiar perguntas para uma caixa de chat.
A vantagem não é técnica. É operacional. E acumula-se.
Este artigo foi escrito por Rui Santos, Formador FLAG, para o Pplware.