A ENEOS Materials criou mais de 1.000 GPTs personalizados e colocou o ChatGPT Enterprise nas mãos de todos os funcionários

A interface é a implantação: prompts em japonês em vez de ferramentas técnicas

O destaque desse anúncio é organizacional, não técnico. A ENEOS Materials relata que mais de 90% dos funcionários usam o ChatGPT Enterprise pelo menos semanalmente, e mais de 1.000 GPTs personalizados foram criados dentro da empresa. Esse volume só acontece quando a forma de interagir com o sistema é a mesma que as pessoas já usam no dia a dia — nesse caso, descrever uma tarefa em japonês e receber um resultado pronto.

Taku Ichibayashi, do Departamento de P&D, descreve a adoção como limitada por duas preocupações de superfície, não pela capacidade bruta do modelo: segurança das informações proprietárias e precisão dos resultados. A abordagem declarada pela equipe — 'primeiro dominar a tecnologia por conta própria, depois explorar seu potencial' — descreve uma interface sendo aprendida manualmente em cada departamento antes de ser escalada, e não um mandato de plataforma imposto de cima para baixo.

Uma pessoa sem conhecimento de programação lançando uma ferramenta é o verdadeiro sinal

O exemplo do RH é a prova concreta de que a superfície de uso importa. Marie Takeda construiu uma ferramenta interna de agregação de dados mesmo sem, nas palavras dela, nenhuma experiência prévia em programação, e relata uma redução de cerca de 90% no tempo dedicado a essa tarefa. Um GPT personalizado separado, criado pelo RH, reduz a análise de treinamentos de uma a duas horas de trabalho manual para cerca de 20 segundos.

Foi a primeira vez que tentei programar, mas com o ChatGPT consegui criar a ferramenta sozinha, sem nenhum conhecimento de programação.Montana Labs

Para equipes de IA aplicada, essa é a história do frontend em miniatura: a pessoa que entende o problema de feedback de treinamento constrói a solução diretamente, sem precisar passar por uma fila de engenharia. A interface em linguagem natural elimina a distância entre quem tem o problema e quem pode resolvê-lo.

Deep research e GPTs personalizados como frontends específicos de domínio

Os outros casos de uso mostram o mesmo padrão aplicado a trabalhos especializados. Na planta da Hungria, a equipe de Kenichi Sakemi usa deep research para buscar fontes em húngaro e retornar respostas precisas em japonês, reduzindo investigações que antes levavam meses para dezenas de minutos, e cálculos de engenharia química de meio dia para minutos. Aqui, a interface funciona também como camada de tradução e busca sobre materiais locais que a equipe não conseguiria processar rapidamente de outra forma.

O GPT personalizado de projeto de planta do departamento de Engenharia recebe entradas estruturadas — tipo de fluido, vazão, diâmetro do tubo, perda de pressão, requisitos de material — e retorna especificações otimizadas de acordo com os padrões da empresa, com verificações de corrosão de materiais que, segundo Sakemi, agora levam segundos. Cada GPT personalizado é, na prática, um frontend feito à medida em torno dos próprios padrões da empresa, e o número de mais de 1.000 sugere que os funcionários estão criando essas interfaces por conta própria, em vez de esperar pela área central de TI.

A implicação: a adoção escalou porque a barreira era o idioma, não a habilidade

O que a ENEOS Materials demonstra é que, numa força de trabalho industrial enfrentando escassez de mão de obra, o limite para o valor da IA nunca foi a inteligência do modelo — foi quem conseguia operar a ferramenta. Ao transformar a instrução de uso em 'descreva o que você precisa em japonês', a empresa converteu especialistas de domínio em RH, engenharia de processos e projeto de planta em criadores de soluções, sem precisar treiná-los como programadores.

A ambição declarada da Sakura — controlar equipamentos de chão de fábrica 'em linguagem cotidiana, guiando e otimizando a produção com a mesma facilidade com que interagimos com o ChatGPT' — estende essa mesma premissa do trabalho de escritório para as máquinas. A aposta é que a superfície conversacional, e não um painel de controle especializado, se torne a interface padrão para sistemas complexos. Os mais de 1.000 GPTs personalizados são a primeira evidência de que, quando a interface corresponde à forma como as pessoas já se comunicam, a adoção se propaga por conta própria, em vez de precisar ser empurrada em um rollout.