A criação de treinamentos corporativos eficazes é um desafio constante para empresas que buscam desenvolver suas equipes. Desde o planejamento do conteúdo até a avaliação do aprendizado, o processo pode ser demorado e exigir um esforço considerável. Mas, e se a IA pudesse otimizar radicalmente essa tarefa? Uma recente live explorou exatamente essa possibilidade, demonstrando como construir agentes de IA capazes de gerar roteiros de treinamento detalhados e, na sequência, criar quizzes e questionários para avaliar a absorção do conhecimento.
Este artigo mergulha nesse caso de uso prático, transformando as dicas e demonstrações da live em um guia detalhado para você também aplicar essa inovação em seus processos de treinamento.
A IA generativa oferece um potencial imenso para a área de Recursos Humanos e Desenvolvimento de Pessoas. No contexto de treinamentos, ela pode auxiliar na personalização do aprendizado, na criação ágil de materiais e na análise de desempenho. O caso de uso apresentado foca em duas frentes principais: a elaboração de um roteiro de treinamento completo e a criação de instrumentos de avaliação baseados nesse roteiro. A ideia é mostrar como, com as ferramentas certas, é possível construir assistentes virtuais especializados nessas tarefas.
A demonstração foi realizada utilizando a plataforma Tess, mais especificamente seu ambiente "AI Studio". Este recurso permite que usuários, mesmo sem conhecimento profundo em programação, criem seus próprios agentes de IA para diversas finalidades. Antes de mergulhar na criação dos agentes, foi destacada a importância do "AI University" da Tess, uma formação em IA generativa que capacita os usuários a entenderem os fundamentos da tecnologia, desde a elaboração de prompts até a criação de agentes mais complexos, cobrindo texto, imagem e, futuramente, outras mídias.
O primeiro agente construído teve como objetivo gerar um roteiro detalhado para um treinamento corporativo. Veja como esse processo foi estruturado dentro do AI Studio:
Configurações Iniciais do Agente:
Tipo de IA: Foi escolhida a opção "Chat", pois permite uma interação contínua com a IA, possibilitando ajustes e refinamentos na resposta gerada. A diferença para uma IA de "Texto" é que esta última gera o conteúdo de uma vez, sem permitir diálogo subsequente sobre o resultado.
Modelo de Linguagem (LLM): Optou-se por deixar "Todos os Modelos" disponíveis, permitindo que o usuário escolha o LLM (como GPT, Gemini, etc.) que melhor se adapta à tarefa no momento da execução. É possível, no entanto, restringir a um modelo ou categoria específica.
O Coração do Agente: O Prompt de Comando: O prompt é a instrução principal que define o comportamento da IA. Para uma organização e eficácia maiores, o prompt foi estruturado em seções:
Persona: Define quem a IA deve ser. Exemplo: "Você é um experiente instrutor corporativo especialista em desenvolvimento de treinamentos para empresas."
Objetivo: Clarifica a função principal da IA. Exemplo: "Criar um roteiro de treinamento estruturado, detalhado e alinhado com os objetivos de aprendizagem."
Especificações do Roteiro: Detalhes que o roteiro deve conter. Inicialmente, foram usados placeholders (X, Y, Z) para informações que se tornariam variáveis:
Duração total do treinamento.
Formato (online, presencial, videoconferência).
Número estimado de participantes.
Tema do Treinamento: Outra informação crucial que se tornaria uma variável.
Requisitos Específicos: Elementos que o treinamento deve incluir, como introdução motivacional, objetivos claros, divisão por módulos, atividades práticas e métodos de avaliação.
Estilo da Entrega: Como a linguagem e a estrutura devem ser (clara, direta, foco aplicável, profissional).
Restrições: O que a IA deve evitar (jargões excessivos, manter concisão).
Formato de Saída: Como o resultado deve ser apresentado (roteiro detalhado, divisão por tempo/módulos).
Instruções Finais: Reforço para considerar as melhores práticas de instrução corporativa.
Definindo Entradas de Usuário (Variáveis): Para tornar o agente flexível e reutilizável, foram criadas "Entradas de Usuário". Essas entradas substituem os placeholders no prompt e são preenchidas pelo usuário a cada execução:
Tema do Treinamento: Texto curto para o usuário inserir o tema desejado.
Duração: Texto curto para a duração (ex: "45 minutos").
Formato do Treinamento: Texto curto (ex: "Videoconferência").
Número de Participantes: Texto curto (ex: "50"). Cada entrada criada foi vinculada ao local correspondente no prompt.
Salvando e Testando o Agente: Após configurar o prompt e as entradas, o agente recebeu um nome (ex: "Gerador de Treinamentos Corporativos") e foi salvo. No teste, o usuário preencheu as variáveis (tema: "Liderança e Gestão de Equipes Remotas", duração: "45 minutos", formato: "Videoconferência", participantes: "50"). Ao solicitar a geração, a IA entregou um roteiro estruturado, com objetivos, divisão por módulos, tempo para cada etapa e sugestões de conteúdo, seguindo as diretrizes do prompt. Foi demonstrado ainda como interagir com o resultado, pedindo, por exemplo, para a IA transformar o roteiro gerado em um arquivo PDF, utilizando uma ferramenta integrada de gerenciamento de arquivos.
Dica Prática: A grande vantagem de usar entradas de usuário é a capacidade de replicar o processo para diferentes temas e contextos de treinamento, apenas alterando as variáveis, sem precisar reescrever todo o prompt.
O segundo caso de uso foi a criação de um agente de IA para elaborar um quiz ou questionário a partir de um material de treinamento existente (como o PDF gerado pelo primeiro agente ou qualquer outro documento).
Configurações Iniciais e Prompt: Similar ao primeiro agente, foi configurado como "Chat" e com "Todos os Modelos" de LLM. O prompt também seguiu uma estrutura:
Persona: "Você é um especialista em avaliação educacional com expertise em criar instrumentos de verificação de aprendizagem."
Objetivo: "Sua função é criar um banco de questões que avalie efetivamente o conhecimento adquirido..."
Especificações da Avaliação (Variáveis):
Número total de questões.
Tipo de questões (objetivas, discursivas, verdadeiro/falso).
Nível de complexidade (fácil, médio, difícil).
Material do Treinamento: Aqui reside a principal diferença. A IA precisaria analisar um documento.
Entrada de Usuário para Upload e AI Step para Processamento:
Entrada de Usuário: Foi criada uma entrada do tipo "Upload de Arquivo", nomeada "Material da Aula", permitindo que o usuário suba o PDF do treinamento.
AI Step (Passo de IA): Para que a IA pudesse "ler" o conteúdo do PDF, foi adicionado um "AI Step" da categoria "Document Processing", especificamente "Extract text from entire PDF". Este step foi configurado para usar o arquivo carregado na entrada "Material da Aula" como sua fonte. O resultado desse processamento (o texto extraído do PDF) foi então vinculado à seção "Material do Treinamento" no prompt.
Outras Entradas de Usuário: Foram criadas entradas de texto curto para:
Número de Questões.
Tipo de Questão.
Nível de Dificuldade. Essas entradas foram vinculadas às suas respectivas seções no prompt.
Salvando e Testando o Agente Gerador de Quiz: Com o nome "Gerador de Questionário Pós Treinamento", o agente foi salvo. No teste:
Fez-se o upload de um PDF de treinamento (um exemplo sobre liderança).
Definiu-se: 10 questões, tipo "verdadeiro ou falso", nível "médio". A IA, após analisar o PDF, gerou as 10 questões conforme solicitado. Uma dica valiosa durante a interação foi pedir para a IA omitir as respostas corretas no primeiro momento, para que o questionário pudesse ser aplicado diretamente aos participantes, e depois, se necessário, solicitar o gabarito.
Melhor Prática Compartilhada: A separação de funcionalidades em agentes distintos (um para criar o roteiro, outro para criar o quiz) tende a gerar resultados mais precisos e facilita a manutenção, em vez de tentar criar um único "super agente" para múltiplas tarefas complexas.
Ao longo da demonstração, diversas dicas e melhores práticas foram compartilhadas, cruciais para o sucesso na criação de agentes de IA:
Detalhe o Prompt: Quanto mais específico e contextualizado for seu prompt, melhor e mais alinhada será a resposta da IA.
Estruture seu Prompt: Dividir o prompt em seções (Persona, Objetivo, Regras, Formato de Saída) ajuda a IA a entender melhor a tarefa.
Use Variáveis (Entradas de Usuário): Elas tornam seus agentes reutilizáveis e adaptáveis a diferentes cenários sem a necessidade de editar o prompt principal a cada uso.
Experimente com Modelos de LLM: Diferentes modelos podem ter desempenhos variados para tarefas específicas. Testar qual se adequa melhor é uma boa prática.
Itere e Refine: A primeira versão do seu agente pode não ser perfeita. Teste, analise os resultados e ajuste o prompt ou as configurações conforme necessário.
Para Análise de Arquivos, Use AI Steps: Quando a IA precisa processar informações de um documento (PDF, CSV), combine uma entrada de "Upload de Arquivo" com um "AI Step" de processamento de documentos.
A demonstração prática revelou como a Inteligência Artificial, através de plataformas como a Tess, pode ser uma ferramenta poderosa para otimizar e enriquecer o processo de criação de treinamentos corporativos. Ao automatizar a geração de roteiros detalhados e a elaboração de quizzes avaliativos, as equipes de RH e desenvolvimento podem economizar tempo precioso, focar em aspectos mais estratégicos do treinamento e garantir materiais de alta qualidade e consistência. Os benefícios incluem maior agilidade, personalização em escala e a capacidade de manter os conteúdos de capacitação sempre atualizados com menor esforço. A chave está em compreender os fundamentos da IA, saber como instruí-la corretamente e aproveitar a flexibilidade das ferramentas disponíveis.
