Voltei ao ChatGPT. O método que escrevi no Claude pode vir comigo

Desenvolvi parte deste site com a ajuda do Claude. Foi nesse ambiente que fui experimentando o que conseguia construir com inteligência artificial (AI) e como podia incorporá-la no meu trabalho. O Codex, o agente de programação da OpenAI, já existia e ficou de fora dessa experiência.

Experimentei-o agora e senti uma evolução significativa. Fui ler a documentação para perceber o que tinha mudado, e foram os plugins que me prenderam. Um plugin guarda um método de trabalho por escrito, instala-se e volta a ser usado no pedido seguinte. O formato em que guarda esse método foi criado pela Anthropic, a empresa do Claude, e é hoje um standard aberto que o ChatGPT e o Codex também leem.

O que é um plugin, dito de forma simples?

Um plugin é a pasta que se entrega a um colega novo no primeiro dia. Lá dentro estão as instruções da tarefa (o que consultar, por que ordem, o que a entrega tem de conter) e, quando fazem falta, as chaves dos sistemas de que ele vai precisar.

A documentação da OpenAI dá nome às duas partes. As instruções chamam-se skill: uma pasta com um ficheiro de texto que diz quando se aplica, que passos seguir, como lidar com resultados incompletos e que formato tem a entrega final, acompanhado dos documentos de referência. As chaves são um servidor MCP (Model Context Protocol, o protocolo aberto que liga a AI a ferramentas e dados externos), e é por ele que entram os dados ao vivo e as ações noutros sistemas. Foi por essa via que dei as chaves deste blogue a um agente. O plugin é o pacote que junta uma parte, a outra ou as duas, e que se instala e se partilha. Pode levar só instruções, e para muito trabalho de marketing isso chega.

O que a OpenAI lançou, e quando?

Os plugins chegaram ao Codex a 25 de março de 2026. O resto é recente. A 29 de setembro, na conferência anual da empresa, o modelo GPT-6.1 Sol entrou no Codex e no ChatGPT Work, e os plugins ganharam as Plugin Extensions: aplicações na barra lateral, painéis ao lado da conversa, visualizadores e editores de ficheiros, formulários. A 8 de outubro saiu uma variante mais rápida do mesmo modelo.

O ChatGPT Work é o modo para delegar tarefas com uma entrega no fim: uma apresentação, uma análise, uma folha de cálculo, um briefing. A pessoa acompanha o progresso, responde a perguntas e aprova as ações importantes. O Codex, na sua versão de linha de comandos, lê ficheiros, altera-os e corre comandos na máquina onde está instalado. Os dois partilham um único diretório de plugins.

Sobre o modelo, a OpenAI apresenta-o como próximo do seu modelo de topo em trabalho complexo e mais barato, indicado para trabalho repetido e prolongado, com disponibilidade dependente do plano. Os números que sustentam essa frase são avaliações da própria empresa. No meu trabalho, vale o que as minhas experiências mostrarem.

O que viaja entre ferramentas e o que fica?

A skill viaja. O formato chama-se Agent Skills, nasceu na Anthropic, foi publicado como standard aberto, e a lista de clientes compatíveis inclui hoje o Claude, o ChatGPT e o Codex, o Cursor e o GitHub Copilot. Em agosto de 2026 apareceu ainda o Agent Plugins, um formato comum para empacotar skills e servidores MCP, mantido por pessoas da Amazon, da Cursor, da Microsoft, da OpenAI e da Vercel.

Ficam presas a cada ferramenta as ligações a outros sistemas, com a respetiva autenticação, e os painéis. Um plugin com um painel próprio no ChatGPT precisa de trabalho novo para existir noutro sítio, e os críticos ouvidos pelo The New Stack lembram que o standard deixa as permissões e a política de instalação a cargo de cada cliente.

Convém saber de onde vem o que se instala. Em fevereiro de 2026, a Snyk auditou 3.984 skills em dois registos públicos e encontrou pelo menos uma falha crítica em 13,4% delas e carga maliciosa confirmada em 76. (A Snyk vende ferramentas de análise, e o estudo cobre registos abertos, fora do diretório da OpenAI.) Instalar a skill de um desconhecido é correr as instruções de um desconhecido. As que escrevemos nós têm outro risco, mais discreto: um plugin repete fielmente o que lá está, e isso inclui as instruções incompletas e as referências desatualizadas.

Como seria uma demonstração em marketing?

Imaginemos uma pequena marca portuguesa de cerâmica que quer promover uma coleção em Portugal e Espanha. É um exemplo fictício, pensado para uma demonstração.

Temos três documentos. O brandbook define o posicionamento e o tom de voz, com exemplos de comunicação. A ficha dos produtos reúne preços, materiais e características confirmadas. O briefing identifica o objetivo, os públicos, os canais e o orçamento. A tarefa é preparar uma proposta de campanha, duas publicações para redes sociais e um email, com versões para os dois mercados.

Podemos começar numa conversa comum, com os documentos e o procedimento explicado à mão, e depois guardar esse mesmo procedimento numa skill dentro de um plugin. As instruções seriam do género: consultar os materiais antes de propor a campanha, identificar a informação em falta, fundamentar cada afirmação sobre os produtos, entregar num formato definido e assinalar o que precisa de validação humana. Uma regra concreta: se a ficha deixar em branco a compatibilidade com a máquina de lavar loiça, o texto deixa essa característica de fora dos argumentos de venda. Outra: preparar a proposta para aprovação e parar aí, antes de qualquer publicação.

O teste começa no segundo briefing

A primeira campanha pode sair convincente, e prova pouco. A utilidade de um procedimento guardado aparece quando o pedido muda.

No segundo briefing, a mesma marca quer promover outro produto, apenas em Espanha, com um orçamento menor, e os custos de envio ficam por preencher de propósito. Interessa ver se a AI adapta a proposta, mantém os critérios da marca e interrompe o trabalho para perguntar pelos envios. Usaria os mesmos documentos, as mesmas instruções e o mesmo modelo nas duas formas de trabalhar, e registaria o tempo de preparação e o número de correções, com os erros factuais contados à parte. Vendas ficam fora desta medição: uma campanha bem apresentada só as demonstra depois de executada.

Este teste está por correr. Quando o fizer, os resultados entram nesta página, com o que funcionou e o que exigiu correção.

O método é a parte que fica

O método com que escrevo estes artigos vive numa skill: pesquisa primeiro, um dossier interno, cada data conferida contra a fonte, e só depois o texto. Escrevi-a para o Claude. Segundo a especificação, a mesma pasta pode ser lida pelo Codex, e é por aí que quero começar: levá-la tal como está e ver o que passa e o que parte.

Preparar uma campanha implica escolhas que costumam ficar dispersas entre documentos, conversas e a memória de quem as fez (o AI Council de que já aqui escrevi é outro procedimento posto por escrito). Ao escrevê-las numa skill, uma parte do método fica à vista, e pode ser revista e corrigida a cada caso novo. É aqui que esta evolução toca na questão que orienta o meu trabalho, a de saber até onde pode um profissional sozinho, com apoio de AI, entregar o que se espera de uma agência. A resposta depende da qualidade dos processos que ele consegue definir e supervisionar, tanto quanto da qualidade de cada entrega.

Os modelos mudam de mês a mês, e em setembro mudaram duas vezes. A pasta com as instruções continua a ser a mesma. Que partes do nosso trabalho sabemos explicar com rigor suficiente para caberem nela?