Agora que comprimimos quase todo o conhecimento humano em grandes modelos de linguagem, a próxima fronteira é a chamada de ferramentas. Encadear diferentes ferramentas de IA permite a automação. A transição de pensar para agir representa o verdadeiro avanço na utilidade da IA. Eu construí mais de 100 ferramentas para mim, e elas funcionam na maioria das vezes, mas não sempre. Não estou sozinho. O relatório do Índice Econômico da Anthropic revela que 77% do uso empresarial do Claude se concentra na automação de tarefas completas, e não na co-pilotagem. A Anthropic publicou documentação na semana passada sobre eficiência de tokens e re-arquitetura de ferramentas para otimizar seu uso. A orientação foi contraintuitiva: em vez de muitas ferramentas simples com rótulos claros, crie menos ferramentas, mas mais complexas. Aqui estão as sete ferramentas de e-mail que construí - scripts Ruby, cada um com um propósito claro. O script "Safe Send Email" foi projetado para impedir que a IA enviasse e-mails sem aprovação. Belamente ingênuo, simples e claro, não deveria um modelo de linguagem ser capaz de ler isso e saber exatamente o que eu estava pedindo para fazer? Mas não é tão simples! A Anthropic recomenda a criação de ferramentas complexas. A pesquisa deles mostra que "as solicitações economizam uma média de 14% em tokens de saída, até 70%" ao usar ferramentas sofisticadas e ricas em parâmetros em vez de simples. A razão? 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 do 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 todos mais confiáveis quando consolidados em ferramentas abrangentes e ricas 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, sem entender mais profundamente a máquina. Passamos décadas tornando o software simples para as pessoas. Agora estamos aprendendo a torná-lo complexo para a IA.