Agora que comprimimos quase todo o conhecimento humano em grandes modelos de linguagem, a próxima fronteira é a chamada de ferramentas. O encadeamento de diferentes ferramentas de IA permite a automação. A mudança do pensamento para o fazer representa o verdadeiro avanço na utilidade da IA. Eu construí mais de 100 ferramentas para mim, e elas funcionam na maior parte do tempo, mas não o tempo todo. Eu não estou sozinho. O relatório do Índice Econômico da Anthropic revela que 77% do uso comercial do Claude se concentra na automação de tarefas completas, não na co-pilotagem. A Anthropic publicou documentação na semana passada sobre a eficiência do token e ferramentas de rearquitetura para otimizar seu uso. A orientação era contra-intuitiva: em vez de muitas ferramentas simples com rótulos claros, crie menos ferramentas mais complexas. Aqui estão as sete ferramentas de e-mail que construí - scripts Ruby, cada uma com um propósito claro. O script "Safe Send Email" foi projetado para impedir que a IA envie e-mails sem aprovação. Lindamente ingênuo, simples e claro, um modelo de linguagem não deveria ser capaz de ler isso e saber exatamente o que eu estava pedindo para fazer? Mas não é tão simples assim! A Anthropic recomenda a criação de ferramentas complexas. Sua pesquisa mostra que "as solicitações economizam em média 14% em tokens de saída, até 70%" ao usar ferramentas sofisticadas e ricas em parâmetros em vez de simples. O motivo? Os sistemas de IA entendem o contexto completo melhor do que a intenção fragmentada. Passei o fim de semana consolidando todas as minhas ferramentas em ferramentas unificadas, como esta para e-mail: (terceira imagem) O impacto na precisão foi imediato. A taxa de sucesso de Claude se aproxima de 100%. O sistema é mais rápido. Como resultado, estou usando muito menos tokens com um sistema mais eficiente. Aqui está meu modelo mental atual: (quarta imagem) Quando redesenhei para a cognição da IA em vez da intuição humana, tudo melhorou. Minhas operações de CRM, gerenciamento de calendário e fluxos de trabalho de banco de dados tornaram-se mais confiáveis quando consolidados em ferramentas abrangentes e pesadas em parâmetros. A precisão melhorou, então o custo total foi reduzido significativamente. Mas não me peça para usar as ferramentas. Agora estou um pouco perdido em meio à complexidade. Este é um corolário inevitável de trabalhar em níveis mais altos de abstração, não mais entendendo profundamente a máquina. Passamos décadas simplificando o software para as pessoas. Agora estamos aprendendo a torná-lo complexo para a IA.