Esta é a primeira edição da IA de Dono.
Toda sexta chega aqui uma coisa só: um caso real de IA rodando dentro de um negócio — quase sempre o meu. O que funcionou, o que custou e o que quebrou. Sem lista de ferramenta, sem "top 10 prompts", sem promessa de 10x.
Sou médico e empresário. Não sou programador. Escrevo de dentro da operação, não do palco.
Vamos começar pelo erro que me custou mais caro.
Você assina uma IA famosa e pede tudo a ela: o e-mail, a planilha, a proposta, a análise, o site.
Às vezes ela brilha. Às vezes demora, erra o simples e cobra caro pelas duas coisas.
O problema não é a IA. É o cargo que você deu a ela.
Nunca escrevi uma linha de código. E mesmo assim tenho IA construindo sistemas, agentes e automações dentro das minhas empresas, todos os dias. O que mudou o meu jogo não foi encontrar "a melhor IA". Foi parar de procurar a melhor e montar um time.
O erro que eu também cometia
Quase todo mundo usa IA assim: escolhe um modelo pela fama e despeja tudo nele.
Quando você faz isso, você herda o pacote completo daquele modelo — os pontos fortes, os pontos fracos, o preço e a velocidade dele. Para tudo.
O resultado aparece dos dois lados da conta:
Você usa o modelo top de linha para uma tarefa trivial: paga caro e espera muito por algo que um modelo menor resolvia em segundos.
Você usa um modelo rápido e barato para uma decisão complexa: recebe um resultado raso e paga de novo — em retrabalho.
"Qual é a melhor IA?" é a pergunta errada. A pergunta de dono é outra: melhor para quê, a que custo?
Modelo de IA é funcionário, não oráculo
A virada de chave é essa: cada modelo tem três características, como qualquer contratação — o que faz bem, o que faz mal e quanto custa (em dinheiro e em tempo).
Um retrato honesto do meu banco de talentos hoje:
Opus 5 — profundo, excelente para pesquisa pesada e interfaces. Caro e lento. É o especialista que você chama para o problema difícil, não para o dia a dia.
GPT-5.6 Sol — revisor excepcional, enciclopédico, acha o erro que passou batido. Não é quem eu escalo para construir tela.
Grok 4.6 — executa rápido, muito bom de código, ótimo custo. É o funcionário que produz volume.
Kimi K3 — modelo chinês, surpreendente em front-end. Pouca gente olha para ele por preconceito de marca. Erro: no time, o que importa é entrega.
GPT-5.6 Luna — barato. Resolve o simples sem drama. Boa parte da sua semana é tarefa simples.
Os nomes vão mudar — modelo novo sai toda semana. O método fica: ninguém escala o melhor closer da empresa para conferir estoque. Por que você escala sua IA mais cara para resumir e-mail?
O sistema: papéis, não ferramentas
Na prática eu opero com um time pequeno, de papéis curtos e verificáveis. O formato que uso hoje para desenvolver projetos:
Orquestrador — entende o objetivo, quebra em tarefas, delega e cobra. Hoje: Claude Fable 5 (esforço médio) — julgamento bom, com custo controlado no papel de gestor.
Pesquisador — investiga a fundo, dentro e fora do projeto, antes de qualquer decisão. Hoje: Opus 5 (esforço alto) — profundidade compensa o preço quando a decisão é cara.
Executor — implementa. Produz o grosso do trabalho. Hoje: Grok 4.6 — velocidade, qualidade de código e custo baixo.
Revisor — recebe o trabalho pronto e caça erro. Hoje: GPT-5.6 Sol (esforço alto) — modelo de outra família enxerga o que o autor não vê.
Fixer — aplica as correções que o revisor apontou. Hoje: GPT-5.6 Luna (esforço máximo) — corrigir lista de erros é tarefa barata, não precisa do caro.
Guarde a lista. E adapte: isso é um exemplo real, não uma receita universal. Se o seu trabalho é visual, o executor muda. Se é análise, o pesquisador cresce. O que não muda é a lógica: cargo certo, salário certo.
Duas regras que aprendi apanhando:
O caro é exceção, não padrão. O modelo premium entra quando a decisão é cara. O resto do volume vai para quem produz rápido e barato.
Revisor de outra família. Quem revisa não pode ser irmão de quem escreveu. Modelo revisando a própria "família" passa pano — igual gente.
Onde isso roda (sem eu programar nada)
Eu faço isso num aplicativo chamado Orca — open source e gratuito — que deixa os agentes lado a lado, cada um no seu terminal, e me deixa escrever em português o que eu quero.
A cena real: eu descrevo o objetivo em uma frase. O orquestrador destrincha em tarefas e distribui. O executor produz. O revisor devolve uma lista de problemas. O fixer conserta um por um. Eu acompanho, decido e aprovo — como dono, não como técnico.
Foi assim, sem escrever código, que saíram sistemas que uso de verdade nas minhas empresas — do MediPlat, o CRM que construí para clínicas, a agentes que trabalham enquanto estou em consulta ou em reunião.
É isso que eu chamo de IA de Dono: a IA trabalhando para quem toca o negócio, do jeito que o negócio precisa. Porque IA não é assunto de programador — é assunto de dono de negócio.
O que os números do mercado dizem
Não é impressão minha. Em 2026 isso virou infraestrutura:
A Stripe comprou a OpenRouter — a camada que troca de modelo sem trocar de ferramenta — por mais de US$ 7 bilhões. Cinco vezes o valor de meses antes.
A Cognition (do agente Devin) publicou o resultado do roteamento inteligente: 30–40% menos custo sem perda perceptível de qualidade.
Pesquisa aplicada em cascata de modelos (o grande decide o padrão, o pequeno executa o volume) mostrou cortes de até 90% em tarefas de classificação.
Já são 52% de todos os tokens da OpenRouter rodando em modo agêntico — era perto de zero há dois anos.
Traduzindo para a mesa do dono: quem trata IA como assinatura única deixa dinheiro na mesa duas vezes — paga caro demais no simples e recebe pouco demais no difícil.
A parte honesta
O que ninguém coloca no post bonito:
Mais agentes não é melhor. Um experimento acadêmico testou a estrutura "chefe com vários subordinados de IA": custou 4× mais e o resultado piorou. Meu time tem 5 papéis porque cada um é curto e verificável — não porque organograma de IA impressiona.
Trocar de modelo tem custo invisível. No meio de uma tarefa longa, a troca pode jogar fora o contexto já pago e comer a economia prometida.
Para tarefa única e rara, uma IA só basta. O time compensa quando existe volume e repetição. Não monte fábrica para fazer um bolo.
Você continua sendo o gargalo. O revisor pega muita coisa, mas quem bate o martelo é o dono. IA errando com confiança é o risco número 1 — conferir não é opcional.
Tem curva de aprendizado. Estudo IA desde 2023 e só em 2025 esse sistema virou rotina. Não é um domingo de configuração.
Seus primeiros 10 minutos
Um passo só, hoje:
Liste as 5 tarefas que você mais pede para IA no seu negócio. Ao lado de cada uma, responda: "isso precisava mesmo do modelo mais caro?"
Na maioria das listas que já vi, a resposta honesta é: uma precisava. As outras quatro são a sua economia — e a sua velocidade — escondidas à vista de todo mundo.
Quando quiser dar o segundo passo, comece com dois papéis apenas: um executor barato e um revisor caro. Orquestrador vem depois, quando houver volume.
Recapitulando: modelo de IA é funcionário, não oráculo. Cargo certo, salário certo. O caro é exceção. Revisor de outra família. E o dono continua sendo quem aprova.
Eu mostro esse sistema funcionando ao vivo, de segunda a sexta, construindo coisas de verdade para as minhas empresas.
E agora o pedido que importa: se você toca um negócio e está tentando encaixar IA nele, responde esse e-mail e me conta onde travou. Eu leio todas. É o tipo de pergunta que vira pauta de live — e pode virar a edição da semana que vem.
Até sexta,
Vital