As ferramentas internas da OpenAI funcionam dentro do Slack e do chat, não em novos painéis

As ferramentas que a OpenAI colocou à disposição dos seus próprios funcionários

A 29 de setembro de 2025, a OpenAI lançou uma série chamada 'OpenAI on OpenAI', apresentada pelo Chief Commercial Officer Giancarlo Lionetti, mostrando como a empresa gere partes do seu próprio negócio recorrendo às suas APIs. O artigo nomeia cinco sistemas internos e, de forma reveladora, os respetivos nomes internos.

São o GTM Assistant, o DocuGPT, o Research Assistant, o Support Agent e o Inbound Sales Assistant. Cada um é descrito pelo problema que resolve e pelo fluxo de trabalho em que se insere — preparação comercial, revisão de contratos, análise de tickets de suporte, operações de suporte e gestão de leads.

O que se destaca quando lemos com foco na interface, e não no modelo, é onde estas ferramentas residem. A OpenAI não descreveu um conjunto de aplicações autónomas. Descreveu ferramentas integradas nos lugares onde o trabalho já acontece.

O Slack é o frontend do GTM Assistant

O detalhe de interface mais claro no artigo é que o GTM Assistant é 'uma ferramenta baseada no Slack que centraliza o contexto de contas e o conhecimento especializado'. A empresa escolheu a superfície de chat que as suas equipas comerciais já usam, em vez de lhes pedir que abrissem um portal de pesquisa separado.

Essa escolha é relevante para a adoção, e o artigo afirma-o claramente: as implementações 'muitas vezes superam em rapidez a mudança que as organizações precisam de fazer para tirar partido desta tecnologia'. Ir ao encontro das pessoas dentro do Slack elimina uma das maiores fontes desse atraso — o custo de aprender a usar um novo local.

As restantes ferramentas seguem o mesmo padrão conversacional. O Research Assistant 'transforma milhões de tickets de suporte em informações conversacionais', e o Inbound Sales Assistant 'personaliza respostas para cada lead' e 'responde instantaneamente a questões sobre produto e conformidade'. A interface é uma pergunta e uma resposta, não um novo ecrã a dominar.

O DocuGPT e o Support Agent apontam para uma superfície diferente: dados estruturados e agentes

Duas das ferramentas descrevem algo distinto de uma caixa de chat. O DocuGPT 'converte contratos em dados estruturados e pesquisáveis' para equipas financeiras. Aqui o resultado é um conjunto de dados consultável — o frontend é a pesquisa sobre registos estruturados, não uma conversa com um documento.

O Support Agent é descrito como 'um modelo operacional construído sobre agentes de AI (keep the English acronym), avaliações contínuas e ciclos de conhecimento dinâmicos'. O artigo enquadra o seu efeito nas pessoas que o utilizam: 'posiciona os representantes como construtores de sistemas, em vez de gestores de tickets'.

Transforma cada interação em dados de treino, aumenta a qualidade e posiciona os representantes como construtores de sistemas, em vez de gestores de tickets.Montana Labs

Esse reenquadramento é, na prática, uma declaração sobre frontend. O ser humano já não é o utilizador final de um formulário; o ser humano cuida do ciclo. A interface que um representante toca é a avaliação e a base de conhecimento, não apenas um campo de resposta.

O que as escolhas de superfície dizem às equipas que constroem sobre as mesmas APIs

A OpenAI afirma que o seu objetivo é 'partilhar padrões que as empresas possam adaptar', e o padrão mais transponível aqui não é nenhuma chamada de modelo em particular. É a decisão de canalizar a capacidade de ponta através de interfaces que os funcionários já habitam — Slack, pesquisa e ciclos de agentes — em vez de construir destinos que as pessoas têm de aprender a visitar.

O artigo afirma que estas equipas 'entregam mudanças em semanas em vez de trimestres'. Se essa rapidez for real, parte dela resulta de não ter de desenhar novos frontends do zero de cada vez. Integrar em ferramentas já existentes é um atalho que contorna a lacuna de adoção que o artigo aponta como a sua tensão central.

Para as equipas que constroem sobre as mesmas APIs, a implicação é concreta: o problema difícil revelado pelas próprias ferramentas da OpenAI tem menos a ver com o modelo e mais com a escolha da superfície onde o conhecimento especializado é captado e devolvido. Comece por onde o trabalho já acontece — um canal do Slack, um campo de pesquisa, um ciclo de avaliação — antes de construir algo novo para olhar.