A ENEOS Materials criou mais de 1000 GPTs personalizados e disponibilizou o ChatGPT Enterprise a todos os colaboradores

A interface é a implementação: comandos em japonês em vez de ferramentas técnicas

A afirmação que se destaca neste anúncio é organizacional, não técnica. A ENEOS Materials relata que mais de 90% dos colaboradores usam o ChatGPT Enterprise pelo menos semanalmente, com mais de 1000 GPTs personalizados criados em toda a empresa. Este volume só acontece quando a forma de interagir com o sistema é igual à forma como as pessoas já trabalham — neste caso, descrever uma tarefa em japonês e obter um resultado em troca.

Taku Ichibayashi, do Departamento de I&D, enquadra a adoção como condicionada por duas preocupações de interface, e não pela capacidade bruta: a segurança da informação proprietária e a exatidão dos resultados. A abordagem declarada da equipa — 'dominar primeiro a tecnologia nós próprios, e só depois explorar o seu potencial' — descreve uma interface a ser aprendida manualmente em todos os departamentos antes de ser escalada, e não um mandato de plataforma imposto de cima para baixo.

Uma pessoa sem conhecimentos de programação a lançar uma ferramenta é o verdadeiro sinal

O exemplo de RH é a prova concreta de que a interface importa. Marie Takeda construiu uma ferramenta interna de agregação de dados apesar de, nas suas palavras, não ter experiência prévia de programação, e refere uma redução de cerca de 90% no tempo dedicado à agregação. Um GPT personalizado distinto, criado para RH, reduz a análise de formação de uma a duas horas de trabalho manual para cerca de 20 segundos.

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

Para equipas aplicadas, esta é a história do frontend em miniatura: a pessoa que compreende o problema do feedback de formação constrói diretamente a solução, sem passar por uma equipa de engenharia. A interface em linguagem natural elimina a distância entre quem tem um problema e quem o pode resolver.

Deep research e GPTs personalizados como interfaces específicas de domínio

Os outros casos de uso mostram o mesmo padrão aplicado a trabalho especializado. Na fábrica na Hungria, a equipa de Kenichi Sakemi usa deep research para pesquisar fontes em húngaro e devolver resultados em japonês preciso, reduzindo investigações que antes demoravam 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 pesquisa sobre materiais locais que a equipa, de outro modo, não conseguiria processar rapidamente.

O GPT personalizado de conceção de fábricas do departamento de Engenharia recebe dados estruturados — tipo de fluido, caudal, diâmetro da tubagem, perda de pressão, requisitos de material — e devolve especificações otimizadas de acordo com os padrões da empresa, com verificações de corrosão de materiais que, segundo Sakemi, agora demoram segundos. Cada GPT personalizado é, na prática, uma interface construída à medida que envolve os próprios padrões da empresa, e o número de mais de 1000 sugere que os colaboradores estão a criar estas interfaces para si próprios, em vez de esperar pelo departamento central de TI.

A implicação: a adoção escalou porque a barreira era a linguagem, não a competência

O que a ENEOS Materials demonstra é que, numa força de trabalho industrial confrontada com escassez de mão de obra, o fator limitador do valor da AI nunca foi a inteligência do modelo — foi quem conseguia operar a ferramenta. Ao tornar a instrução de utilização 'descreva o que precisa em japonês', a empresa transformou especialistas de domínio em RH, engenharia de processos e conceção de fábricas em criadores, sem precisar de os reconverter em programadores.

A ambição declarada de Sakura — controlar equipamento de chão de fábrica 'em linguagem do dia a dia, orientando e otimizando a produção com a mesma facilidade com que interagimos com o ChatGPT' — estende a mesma premissa do trabalho de escritório para a maquinaria. A aposta é que a interface conversacional, e não um painel de controlo especializado, se torne a interface padrão para sistemas complexos. Os mais de 1000 GPTs personalizados são a primeira evidência de que, quando a interface corresponde à forma como as pessoas já comunicam, a adoção propaga-se por si mesma, em vez de exigir um lançamento forçado.