| Domingo · 24 de maio de 2026 |
Issue № 006 |
15 min de leitura |
|
|
O brief semanal da FindSkill
The Skill
Só para membros do FindSkill Pro. As notícias de IA que realmente importam para o seu trabalho.
|
|
Só para membros Pro
|
Um brief privado
|
Não publicado em lugar nenhum
|
|
|
|
Mia
Editora de aprendizado IA · FindSkill.ai
|
Bem-vindo à Edição 006.
Sou a Mia. Toda segunda-feira eu chego na sua caixa de entrada e te conto o que a notícia da semana muda no seu trabalho de verdade. Sem jargão, sem hype, sem aquela energia de "10 coisas que VOCÊ PRECISA saber". Só pra membros Pro. Não vai pra lugar nenhum além daqui.
O Google soltou um stack completo de agentes no I/O na terça. A Anthropic comprou a empresa que escreveu o SDK de praticamente todo lab importante no domingo anterior. Essas duas são barulhentas e vão dominar a imprensa de tecnologia por umas duas semanas. A história mais silenciosa por baixo das duas é a que eu quero passar a maior parte dessa edição. Vendor tá começando a empacotar avaliação como produto: publica o benchmark, depois vende a consultoria que te ajuda a bater o número. A OpenAI fez duas vezes esse mês. A Anthropic fez com o Outcomes. A HubSpot fez com o AEO Sensor. O padrão é a nova cara do go-to-market de IA, e muda o que vai estar na sua descrição de cargo no próximo trimestre.
Uma resposta rápida. A pergunta da semana passada (em qual entrega semanal você roda primeiro o loop de dois agentes) teve 31 respostas. Top três: atualização semanal de status pra cliente (15), devolutiva de candidato (7), atualização pra board (5). Tô escrevendo as rubricas por papel dessa primeira leva essa semana e vão pra quem respondeu. Responde aí se quiser entrar na próxima.
— Mia
|
01 |
Esta semana em IA
Três notícias que merecem sua atenção
|
Tool Launch
Google lançou stack completo de agentes no I/O. A corrida de quatro cavalos virou de cinco, contando o Sabiá.
No Google I/O do dia 19 de maio, o Google lançou duas coisas numa keynote só. Gemini Spark é o lado consumidor: um agente pessoal 24/7 dentro do app Gemini que reserva mesa, monta carrinho de compras e edita imagem por você. Saiu com exatos três conectores MCP no dia do lançamento: Canva, OpenTable, Instacart. Já Antigravity 2.0 é o lado do dev: app desktop standalone, CLI, SDK e Managed Agents na Gemini API, tudo construído em volta de rodar vários agentes em paralelo. A cobertura da TechCrunch chamou de primeira resposta de verdade do Google ao Claude Code e ao Cursor. Tem plano AI Ultra novo de USD 100/mês (~R$ 540 ao câmbio de hoje) que dá 5× mais limite de uso do Antigravity que o plano Pro. A lista de conectores do Spark é mais curta do que a manchete dá a entender, e a gente destrinchou esse vão no sábado e montou a árvore de decisão pra PM de SaaS. Detalhe BR que muda a leitura: a Maritaca AI lidera benchmarks em PT-BR com o Sabiá-4 (OAB Bench, ENEM, redação jurídica) por uma fração do custo de GPT-4 ou Gemini, e o iFood já processa mais de 12 milhões de pedidos por mês com o agente Ailo num custo 60× menor que os internacionais. A história agêntica brasileira não tá esperando Mountain View.
|
O que isso significa para você
O mercado de runtime de agentes virou corrida de quatro cavalos globais: Claude, ChatGPT, Cursor e agora Gemini, todos com stack de paralelo entregue pra usuário real. Mas no Brasil são cinco cavalos: o Sabiá-4 é o único que entende português jurídico, médico e regional sem traduzir por baixo, e a LGPD prefere dado que não atravessa Atlântico. Você não precisa escolher um essa semana. Precisa saber qual dos cinco usaria pra qual tipo de trabalho, e idealmente escrever uma frase sobre cada, porque essa é a pergunta que seu chefe vai te fazer no próximo mês. Gasta dez minutos com o Antigravity 2.0 numa tarefa real essa semana, e abre uma aba do Sabiazinho pra comparar no mesmo prompt em português. Mesmo que nunca use de novo, agora tem resposta concreta pra dar.
|
Business
Anthropic comprou a empresa que escrevia o SDK de todo lab. A camada de infraestrutura acabou de consolidar.
Dia 18 de maio, a Anthropic adquiriu a Stainless por mais de US$ 300 mi. A Stainless é a startup de quatro anos que pega spec de API e gera SDK idiomático em sete linguagens, e escreveu o SDK oficial da OpenAI, do Google, da Cloudflare, da Cerebras, da Perplexity e da própria Anthropic. A TechCrunch confirmou que produto hosted desliga pra cliente não-Anthropic. O Investing.com Brasil leu pelo ângulo financeiro: "reforço de conectividade". SDK existente continua funcionando. Pipeline de auto-manutenção que mantinha o SDK em sincronia com mudança de API, não. Aqui no TabNews a thread foi mais contida que no HN gringo: o enquadramento foi "consolidação", não "armamento da cadeia de suprimentos". Speakeasy e FERN postaram oferta pública de migração pra ex-cliente Stainless em menos de 48 horas.
|
O que isso significa para você
Mesmo que você não solte um SDK, isso te afeta. A lição é a auditoria de dependência que a thread do @aakashgupta no X deixou implícita: em que outro ponto do seu stack uma empresa só controla infraestrutura que você depende, e qual seu plano se essa empresa mudar de direção? Take Blip (multi-provedor pra IA conversacional), Hotmart (várias integrações de SDK), RD Station, Pipefy: nenhum postou reação específica à Stainless, mas todos têm exposição multi-SDK. O Nubank distribui R$ 1.000 por funcionário por mês em crédito de IA dividido entre ChatGPT e Claude, e toda ferramenta interna enfrenta a mesma pergunta. Brasileiro tem memória cultural fresca de "depender demais de um provedor" desde os apagões da AWS São Paulo em 2024. A lição geral: saber qual dos seus vendors de IA passou a controlar mais da camada por baixo deles esse trimestre que no trimestre passado, e qual o custo de troca se exercerem essa posição. Uma hora com o `package.json` ou o `requirements.txt` é a auditoria. |
Tendência em foco
Vendor tá publicando o benchmark e vendendo o serviço pra bater o número. Avaliação virou produto.
Três pontos desse mês, nenhum coincidência. Dia 6 de maio, a OpenAI publicou B2B Signals, o relatório que pôs os números 3,5× e 16× de "frontier firm" na apresentação de todo CTO esse trimestre. Quatro dias depois, dia 10 de maio, a OpenAI lançou a Deployment Company, um braço de consultoria cujo deck depende da empresa se sentir atrasada no gráfico que a OpenAI acabou de publicar. A Anthropic fez o jogo paralelo: lançou Outcomes em beta público no mesmo 6 de maio, uma feature que deixa o dev avaliar output do agente contra rubrica customizada e reportou ganho de 10 pontos na taxa de sucesso de cara. Também publicou os estudos de caso. A HubSpot lançou o AEO Sensor dia 14 de maio (dashboard grátis que rastreia citação em busca de IA), e também vende o serviço de AEO que arruma o que o dashboard mostra. Três empresas, três semanas, mesma forma. O benchmark é o funil de lead pra consultoria. E aqui o overlay brasileiro pesa: quando o PL 2338, o Marco Legal da IA, passar na Câmara este ano, toda empresa de médio porte vai precisar de metodologia de avaliação documentada pro ANPD. Penalidade vai até R$ 50 mi ou 2% do faturamento bruto. A Stefanini, que prometeu R$ 1 bi em investimento até 2026, e a CI&T já sabem disso e tão pra vender a rubrica e a trilha de auditoria.
|
O que isso significa para você
Esse é o padrão pra ler todo anúncio de vendor nos próximos dois trimestres. Quando alguém publica um benchmark, pergunta o que essa empresa vende pra quem foi mal no benchmark. A informação ainda é útil (B2B Signals é real, o ganho de 10 pontos do Outcomes é real, citação do AEO Sensor é real), mas não é neutra, e a nota de rodapé no slide do board não é opcional. A versão interna desse movimento importa mais que a versão dos vendors. O seu time vai ter como vantagem competitiva no ano que vem quem montar a rubrica interna primeiro. A Seção 03 é o cargo que isso vira no Brasil; a Seção 04 é o menor primeiro passo possível.
---
|
|
02 |
Termo da semana
O conceito da semana
|
| |
|
Termo №006
Evals (avaliações)
< evaluations · avaliações de IA · rubrica de avaliação · eval harness >
Um eval é um teste repetível que dá nota num output de IA contra uma rubrica. Você define o que é "bom" em cinco a oito linhas, junta um conjunto fixo de entrada que você se importa (um "golden set" de 20 a 50 exemplos), roda a IA em cada um e pontua os outputs contra a rubrica. Roda toda semana e você sabe se a sua IA tá melhorando, piorando ou derivando.
|
Think of it like this →
Um professor escrevendo a rubrica de correção de uma redação antes de entregar a prova. A rubrica é o eval ("A tese aparece no primeiro parágrafo? Sim / Não. As fontes tão citadas? Sim / Não."). A pilha de 30 redações é seu golden set. Corrigir do mesmo jeito toda semana é o que te diz se a turma tá melhorando, e não o que você sentiu na última redação que corrigiu. Versão mais brasileira da mesma analogia, se a primeira não pegou: o roteiro de fiscalização do auditor da Receita. O auditor não inventa critério caso a caso. Tem uma trilha, marca o que bate e o que não bate, e o resultado dá pra explicar pro juiz depois. Eval é o roteiro do auditor aplicado a output de IA.
|
|
⚠ Common misconception
"Eval é coisa de lab benchmark de modelo novo, não é pra alguém como eu." Não. Eval de leaderboard tipo MMLU ou SWE-bench é um cantinho pequeno do campo. O eval que importa no seu trabalho é o interno: cinco linhas concretas que dão nota no output que você depende toda semana. Os labs usam rubrica porque rubrica funciona; a mesma lógica vale pra profissional de marketing dando nota em rascunho de e-mail ou pra assistente de advogado dando nota em memorando de pesquisa. Design de rubrica é a habilidade, e escala pra baixo até numa tarefa só que se repete.
|
Onde você vai ouvir: Outcomes da Anthropic (rubrica em tempo de inferência, 6 de maio). Plataforma de Evals da OpenAI (e o PromptFoo, que a OpenAI comprou em março, segue licença MIT). Braintrust, plataforma de observabilidade eval-first que levantou US$ 80 mi de Série B em fevereiro. Inspect AI, framework de eval open source do governo do Reino Unido, agora usado por Anthropic e DeepMind em trabalho de frontier safety. Aqui no Brasil, a Maritaca AI publica metodologia de eval em PT-BR cobrindo seis categorias de benchmark específicas pra português brasileiro (conversação, legislação brasileira, contexto longo, instruções, exames nacionais, agentic): única referência com cobertura crível de contexto BR. E em toda reunião semanal onde alguém fala "a IA era boa nisso e agora não tá mais", o que essa pessoa quer dizer é a gente não tem eval, então notei tarde demais.
Evaluating AI Models — curso em inglês, transcrição PT em breve →
|
|
03 |
Análise profunda
O cargo que ninguém tá contratando ainda, e pra onde sua carreira aponta agora
|
Um cargo apareceu em Glassdoor Brasil, LinkedIn Brasil e Vagas.com.br nos últimos 90 dias que quase ninguém no seu time tem no currículo. Duas das vagas que eu li enquanto escrevia isso pagavam acima de R$ 25 mil por mês CLT. O cargo existe por causa da virada da Seção 01 Story 3, e dá pra se posicionar pra ele sem trocar de emprego.
A primeira vez que vi uma vaga sênior de "Especialista em Qualidade de Modelos de IA" com teto de R$ 28 mil eu achei que era ponto fora da curva. Não era. Pesquisa hoje no Glassdoor Brasil e tem 803 vagas de "Analista de Inteligência Artificial" e 1.178 de "Engenheiro de Inteligência Artificial" abertas em maio de 2026. O cargo exato "Avaliador de IA" ainda é raro: os componentes aparecem sob "Especialista em Qualidade de IA", "Analista de Qualidade de Modelos" e "Auditor de IA", esse último o cargo novo que o PL 2338 vai forçar toda empresa de médio porte a criar até 2027. O cargo não trava em diploma de ciência da computação. Trava em julgamento de rubrica. Boa notícia, porque julgamento de rubrica é uma habilidade portátil que compõe com prática, não um diploma pra fazer outra graduação.
The role. Chama de avaliador de IA: a pessoa no time cujo trabalho é saber se o output da IA tá de fato bom. Não escreve o prompt (todo mundo faz isso agora). Não treina o modelo (o lab faz). Monta a rubrica, roda toda semana contra um conjunto fixo de exemplo, audita as amostras onde a rubrica fica em cima do muro e diz pro time "isso tá bom pra mandar" ou "isso não tá, e olha exatamente qual critério falhou". O dado de "frontier firm" do B2B Signals (64% do gap de produtividade é profundidade, não volume) é a matemática que sustenta o cargo. Um time rodando milhares de workflow agêntico por semana não tem como saber qual deles funciona sem alguém cujo trabalho é exatamente esse.
The skill stack. Quatro habilidades, na ordem de quanto pagam de volta. Uma, design de rubrica. Vira o nebuloso "isso tá bom?" em 5 a 8 linhas concretas, cada uma uma pergunta sim/não que um estranho conseguiria pontuar do mesmo jeito que você. ("Cita o prazo" é melhor que "tá claro".) Duas, curadoria do golden set. Escolhe os 20 a 50 inputs que representam o espectro de casos reais. Exemplo entediante, caso de borda esquisito, aquele que quebrou no trimestre passado. Três, pontuação calibrada. Sabe quando LLM-as-judge tá ok (critério objetivo, baixo risco) e quando só humano pega a falha (tom, julgamento, qualquer coisa regulada). Quatro, eval ops. Roda o harness na mesma cadência toda semana. Acompanha drift. Aposenta a rubrica quando ela para de pegar coisa e escreve uma nova. Metade disso é julgamento editorial; a outra metade é disciplina de operação. Nenhuma das duas metades é "machine learning".
How to position. Três movimentos concretos que funcionam mesmo que você seja gestor de marketing, professor, advogado ou engenheiro. Um, escolhe a tarefa de IA que você refaz mais vezes porque o output volta errado. Essa é a tarefa com maior ROI de rubrica. Dois, escreve a rubrica essa semana, cinco a oito linhas, e usa por duas semanas. Roda nos outputs reais. Aperta. Você agora tem um artefato funcional que não tinha dez dias atrás. Três, torna visível. Um post curto, uma página de wiki interna, um Loom seu pontuando dois outputs contra a rubrica. O artefato é o que torna a habilidade portátil: a rubrica na sua cabeça é invisível; a num doc é seu currículo. A resposta mais forte de entrevista daqui a seis meses não é "eu faço prompt engineering". É "eu avalio output de IA na $empresa_atual contra a rubrica que eu mesmo montei, olha aqui". E aqui a parte que é só Brasil: o mercado se divide entre CLT (carteira mais benefício, faixa salarial R$ 8 mil a R$ 28 mil por mês conforme Robert Half Guia Salarial 2026, São Paulo paga 20–30% acima da média) e PJ remoto internacional (USD 4 mil a 8 mil por mês, sem benefícios, contrato direto com cliente americano ou europeu, o play escondido em plain sight pro sênior que tem inglês de Zoom).
Faça esta semana Escolhe a tarefa semanal de IA que você mais re-roda porque o primeiro output não tava certo. Abre um doc novo. Escreve cinco linhas, cada uma um critério sim/não que o output precisa bater. Roda no output dessa semana. Anota em qual linha a IA falhou. Essa anotação é a primeira revisão da rubrica e a primeira coisa que você mostraria numa entrevista sobre evals. Bônus se o seu empregador já te dá Vale-IA de R$ 1.000/mês (Nubank, Magalu): você tem orçamento de teste de sobra pra rodar a rubrica em três modelos diferentes na mesma entrada e ver qual passa. |
|
04 |
O fluxo
Uma forma de usar IA no seu trabalho essa semana
|
| |
| ◆ IA no Trabalho · Ideia №006 |
Para de refazer prompt. Começa a dar nota neles.
Escolhe a tarefa de IA que você mais re-roda numa semana normal: a atualização semanal de status pro cliente, a devolutiva de candidato, o briefing de preparação de reunião, a reescrita de cold e-mail. Abre um doc novo e escreve uma rubrica de cinco linhas pra ela. Cada linha é um critério sim/não: O output cita o pedido específico do cliente? Sim / Não. Cita ao menos um dado? Sim / Não. A pergunta de fechamento é específica (não "o que acham?")? Sim / Não. O tom bate com o do último e-mail do cliente, com no máximo um registro de diferença? Sim / Não. Tem menos de 180 palavras? Sim / Não. Cada linha tem que ser concreta o bastante pra um estranho dar a mesma nota que você daria. Agora, por uma semana, toda vez que rodar essa tarefa, cola a rubrica embaixo do output e pontua sim/não. Não tá mudando o prompt. Tá mantendo um log. Na sexta você vai ver um de dois padrões: ou a mesma linha falha toda vez (o prompt tem buraco arrumável) ou linhas diferentes falham aleatoriamente (o golden set tá pequeno demais e você precisa de mais três exemplos). De qualquer jeito, sabe exatamente o próximo passo.
Por que funciona: A falha fundamental de uso de IA num passo só não é prompt ruim. É prompt ruim invisível: você notou que o output saiu errado essa semana mas não consegue dizer qual parte. Cinco linhas concretas sim/não forçam a falha a se nomear. Uma vez nomeada, arruma o prompt com uma edição em vez de três reescritas. É o mesmo truque que a feature Outcomes da Anthropic aplica em tempo de inferência: a rubrica estreita os graus de liberdade do modelo. Você tá aplicando manualmente numa tarefa só. A habilidade compõe: a segunda rubrica leva metade do tempo da primeira pra escrever. E olha que, no Brasil, isso pega ainda mais cedo: com PL 2338 chegando, ter rubrica escrita já te poupa o trabalho que o ANPD vai exigir documentado em 2027.
|
Faça esta semana
Escolhe a tarefa hoje. Escreve as cinco linhas hoje à noite. Roda o loop por uma semana inteira. A habilidade que compõe é design de rubrica, não a rubrica dessa tarefa específica: na segunda rubrica que você escreve, você já tá calibrado. Faz isso antes do feriadão de Corpus Christi (4 a 7 de junho) e você volta da emenda com método pronto.
|
|
|
05 |
Ideia de renda
Uma forma de fazer dinheiro com IA essa semana
|
| |
| ◆ Ideia de Renda · Play №006 |
Vende o boletim, não o prompt.
Escolhe um papel que você já fez ou observou de perto: recrutador, assistente de advogado, corretor de imóvel, editor freelancer, gerente de conta, diretor de escola, PM júnior, consultor financeiro. Monta um PDF ou uma página de Notion chamada algo como "Kit de rubrica pra [papel]: dá nota na IA antes de mandar." Dentro, coloca quatro coisas: (1) oito rubricas, uma pra cada entrega recorrente de IA naquele papel (o e-mail de captação do recrutador, o resumo de depoimento do assistente de advogado, a descrição de imóvel do corretor); cada rubrica com 5 a 8 critérios sim/não, concretos e não genéricos ("cita o prazo" é melhor que "tá claro"); (2) dois exemplos completos por rubrica, um que passa, um que reprova, com a linha exata que falhou marcada; (3) um guia de uma página de "quando usar LLM-as-judge e quando precisa de humano" pra esse papel específico, porque trabalho de assistente de advogado tem linhas diferentes que precisam de julgamento humano do que copy de marketing; (4) um script curto de setup pra rodar a mesma rubrica semanal num Google Doc, num banco do Notion ou num config grátis do PromptFoo. Coloca a R$ 47 a R$ 197 na Hotmart, Kiwify ou Eduzz (BR-nativo, checkout Pix, melhor experiência pro comprador brasileiro que Gumroad ou Lemon Squeezy). Posiciona simples: "Não é uma IA mais inteligente que você precisa. É saber se a que você tem tá boa o bastante pra mandar."
Por que funciona: O mercado tá cheio de pack de prompt e ficando mais barato todo mês, a maioria com os mesmos prompts do Claude e do ChatGPT reembalados. Rubrica é o inverso de prompt em posição de mercado: é o que você procura quando já testou o prompt e o output ainda parece estranho. Quase ninguém tá produtizando pra não-dev. O comprador te paga porque você fez o trabalho específico do papel de definir o que é "bom" pro trabalho dele, que é exatamente o skill stack da Seção 03, empacotado. Receita realista: R$ 2.500 a R$ 12.500 por mês sem audiência; R$ 10.000 a R$ 30.000 por mês se você mandar DM pra sua rede no LinkedIn no mesmo papel. A janela de timing é de uns dois trimestres antes disso virar categoria saturada, do mesmo jeito que o pack de prompt virou em 2024. E olha que a Hotmart é a casa do produto digital no Brasil, tem o maior ecossistema de afiliado, recebe Pix, libera saque em D+1.
|
Faça esta semana
Escolhe o papel hoje. Escreve as três primeiras rubricas hoje à noite, da sua própria memória: o que um bom e-mail de captação precisa fazer? As outras cinco vêm depois da primeira venda. Lista na Hotmart com três rubricas e uma nota de "mais a caminho"; o anúncio é o artefato, não o kit completo.
|
|
|
06 |
The Stack
Quatro ferramentas que estou testando essa semana
|
01 |
PromptFoo
CLI open source pra eval de prompt e agente · Grátis (MIT)
A primeira ferramenta que eu instalo em máquina nova pra esse trabalho. PromptFoo é um CLI com config em YAML: você escreve seu prompt e seu caso de teste num arquivo de config, roda `promptfoo eval` e recebe comparativo lado a lado entre GPT, Claude, Gemini, DeepSeek e qualquer modelo local. A OpenAI comprou em março de 2026 e continua MIT; o uso citado cobre um quarto da Fortune 500 mais uso interno na própria OpenAI e na Anthropic. No Brasil tá no stack da engenharia do Nubank, do iFood Tech e do Magalu (pegada nos perfis do LinkedIn). O motivo de saber sobre ele mesmo que você não programe: um não-dev consegue rodar `promptfoo init` contra uma API key e ter um eval funcional em dez minutos. A parte difícil é a rubrica (que é a habilidade real da Seção 03). A segunda parte difícil é manter o conjunto de teste fresco. PromptFoo cuida de tudo no meio. Vantagem extra pra Brasil: roda self-hosted, então dado sensível à LGPD não precisa atravessar Atlântico.
|
02 |
Braintrust
Plataforma de observabilidade eval-first · Tier grátis; plano de time a partir de ~USD 249/mês (~R$ 1.350)
A opção gerenciada pra time que não quer hospedar o harness. A Braintrust levantou US$ 80 mi de Série B em fevereiro num valuation de US$ 800 mi, com ICONIQ na liderança e a16z, Greylock e Elad Gil; a base de cliente inclui Notion, Replit, Cloudflare, Ramp, Vercel e BILL, o que te diz quem já roda isso em produção. O motivo de entrar nessa edição: a Braintrust faz pra eval o que o Datadog fez pra métrica de servidor. Você instrumenta a chamada do agente, sobe a rubrica, recebe um dashboard que te diz qual prompt regrediu quando. Tier grátis dá pra rodar seu primeiro eval semanal. Vale uma tarde de terça pra ver se o trace view encaixa no jeito que você trabalha. Detalhe importante pra time BR: a Braintrust não tem data residency no Brasil. Se você roda dado regulado pela LGPD, precisa verificar o enterprise SLA antes; pra carga sensível, o PromptFoo self-hosted ainda é a aposta mais limpa.
|
03 |
Inspect AI
Framework de eval de LLM open source do governo do Reino Unido · Grátis (MIT, Python)
A opção séria pra quem precisa que o eval aguente escrutínio regulatório. Inspect AI foi construído pelo UK AI Security Institute e agora é usado pela Anthropic e pelo Google DeepMind em avaliação de frontier safety. A biblioteca já vem com 200+ tarefas de avaliação pré-construídas e roda contra toda API importante mais modelo local. O motivo de entrar no stack dessa edição: o estilo de eval que o Inspect AI força (dataset, scorer, execução em sandbox, log reproduzível) é exatamente o que trabalho auditável de IA parece em indústria regulada. Se você trabalha em saúde, jurídico, serviço financeiro ou qualquer outra área onde alguém pode intimar a metodologia de eval depois, a escolha entre Braintrust e Inspect é mais ou menos "gerenciado/proprietário vs self-hosted/auditável". A documentação de interoperabilidade é o jeito polido com que a UE tá sinalizando que esse é o framework de eval que comprador de setor público vai confiar, e quando o PL 2338 entrar em vigor, é exatamente o tipo de trilha de auditoria que o ANPD vai cobrar do Stefanini e do CI&T.
|
|
07 |
Dentro da FindSkill
O que entrou pra membro essa semana
|
|
|
Se você escrever uma rubrica de cinco linhas essa semana, em qual tarefa semanal de IA você dá nota primeiro?
Responde a este e-mail com a tarefa e um esboço das suas cinco linhas e eu te mando de volta a versão que eu escreveria, calibrada pro seu papel, não genérica. Pior dos casos, sua rubrica vira um dos cinco exemplos trabalhados do guia Pro.
↵ Responder
|
|
The Skill · by FindSkill.ai
|
|