lyfX as an Agentic Organization

Andre Moreira, Claude AI e ChatGPT

Nota: este é um documento coescrito; quando “Eu” é mencionado, significa “André” (o único coautor humano).

Nós (o Claude e eu) fizemos recentemente um rápido inventário interno de todos os ficheiros CLAUDE.md do André, das conversas no Claude AI e no ChatGPT e de outros trabalhos relacionados com IA que temos vindo a realizar (por exemplo, a minha implementação pessoal do FuzzyClaw, para uso diário). Após discutirmos as conclusões, criámos este documento, que tem três objetivos:

Qual foi a alteração no trabalho diário de Andre nos últimos 2 anos? Para além dos casos de uso de codificação e conversação, em que medida os agentes de IA influenciaram realmente a forma como trabalhamos? Sendo uma empresa “AI first”, quanta da nossa própria “comida para cães” consumimos?
Criar alguma clareza para nós próprios sobre o que pode ser inequivocamente classificado como trabalho produtivo de um agente de IA.
Inspire as pessoas na nossa rede e para além dela com estas descobertas: talvez já esteja a utilizar agentes de IA? Ou talvez algumas das coisas que mencionamos aqui também lhe sejam úteis?

O documento contém uma descrição do que é já a acontecer, não o que nós Plano fazer.

Duas coisas a manter separadas enquanto lê:

Como usamos a IA — que possui quatro modos distintos, cada um com o seu próprio valor e o seu próprio fornecedor adequado.
O que usamos para isso — que corresponde a um organograma reconhecível de departamentos e funções.

1. Quatro formas de usar a IA

Estas não são escalas de sofisticação; elas coexistem e usamos as quatro todos os dias. Misturá-las é o que faz com que a imagem pareça, por vezes, caótica ou “não ”agentic'".

Modo 1 — IA como chat

Pontual, coloquial, passageiro. Sem contexto persistente, sem automatização, sem ferramentas associadas (exceto a pesquisa na Internet, quando for necessário um contexto mais atualizado). Trazes uma pequena tarefa — um e-mail para aperfeiçoar, uma frase para traduzir, um tom para suavizar — e o modelo devolve-te uma versão melhorada da mesma coisa.

O fornecedor é importante por preferência de estilo, não por capacidade. Utilizo frequentemente o ChatGPT para a maior parte do trabalho em caixas de diálogo porque o estilo de prosa adequa-se melhor. As ferramentas são suficientemente intermutáveis neste momento em que o gosto prevalece.
Não é necessária memória. A interação começa e termina num único ecrã.
O volume é elevado; o esforço por interação é baixo. Este é o grosso do uso casual de IA, mesmo que represente uma pequena parte do agente Trabalho.

Este modo é minimamente de agente (o modelo pode decidir por si próprio ir buscar informações adicionais a fontes online, tornando-o de agente).

Modo 2 — IA como segundo cérebro

Conversacional, mas com forte ênfase no contexto; costuma ser uma sessão longa. Utilizado como parceiro de reflexão: debater a arquitetura de uma aplicação, depurar a lógica, debater ideias para uma mudança de posicionamento, testar a resistência de um conceito, identificar o que falta numa proposta.

Exemplos: discussões de arquitetura para AutoGraph ou FuzzyClaw, exploração de modelos de negócio, enquadramento de estratégia de financiamento, "post-mortems" sobre uma proposta.
O fornecedor é mais importante aqui. Claude para raciocínio e arquitetura de código; GPT para enquadramento narrativo ou quando são importantes detalhes semi-obsessivos; Gemini para pesquisa e trabalho que necessitam de janelas de contexto longas. Executo rotineiramente a mesma pergunta em mais do que um fornecedor.
Valor: um raciocínio mais rápido e profundo do que quando se trabalha sozinho, detecta pontos cegos e não se cansa quando tu te cansas. É o mais próximo de “ter um colega que não te julga e com quem se pode pensar em voz alta”.”

Tal como o Modo 1, este modo é minimamente "agentic" pelas mesmas razões.

Modo 3 — IA como agente genérico, tornado específico por competências

É aqui que a história agentiva realmente começa, e é a mudança mais importante dos últimos doze meses.

O Claude (especialmente no Claude Code) é um motor genérico. Competências são o que transforma esse motor num colega em forma de lyfX. Uma habilidade é não um prompt. Um pacote de competências, numa só pasta:

Instruções sobre quando e como agir
Convenções de ferramentas (quais ferramentas usar, em que ordem, com quais predefinições)
Exemplos e âncoras few-shot de trabalhos lyfX reais
Scripts de ajuda onde a lógica determinística é mais rápida do que os tokens (este é um ponto que muitas pessoas ignoram, e é o “superpoder” de uma habilidade)
Formatos de saída e estilo da casa
Configurações predefinidas da organização

O mesmo agente genérico torna-se o processador de despesas, o Operador de VM, o revisor de financiamento, o analista pós-chamada, o WordPress builder, o responsável pelo design corporativo — dependendo da competência carregada. Cada uma é repetível, controlada por versão, partilhável e adaptada ao modo como o lyfX realmente funciona.

Temos atualmente ~60 competências deste tipo, que vão desde infraestruturas transversais (ai-dev-workflow, commit de código git, code-hygiene) a outras específicas da lyfX (lyfx-vm-checkups, lyfx-corporate-design, astra-wp-builder, fireflies-debrief, client-project-brief, post-call-analysis).

O ponto é que as competências são a forma como codificamos o gosto, os padrões e os SOPs em algo que a IA pode levar para a frente. O mesmo agente genérico executa o trabalho de um departamento inteiro, de forma repetível, porque das competências. Esta é a camada agentiva barata e orgânica.

Modo 4 — IA como agente especializado (construído para um propósito específico)

Software pronto para produção onde a IA é central, não de assistência. O agente tem o seu próprio tempo de execução, a sua própria memória, a sua própria interface de utilizador, frequentemente a sua própria experiência de utilizador com utilizadores finais (clientes ou pessoal interno).

Dois sabores:

Dentro do FuzzyClaw (Plataforma de orquestração da lyfX):

Fuzzy — o assistente sempre ativo: quadro de mensagens, consultas à plataforma, pesquisa na web
Shenlong / Wani — especialista generalista de memória ativada / desativada com uma vasta gama de ferramentas que pode usar (a nossa própria versão em contentor do OpenClaw)
investigador de mercado, web-scraper, career-scraper — scrapers/investigadores criados para um propósito específico

Fora do FuzzyClaw, como produtos por direito próprio:

PFD Bench — DXF → descrições do fluxo de processo; pipeline de 3 agentes (Worker → Auditor → Generator)
Motor CAPEX (em desenvolvimento) — diagrama de blocos → especificações de equipamento + estimativas de custo; Projetor → Agente → pipeline de Materializador

Esta é a camada de produto — o que vendemos, o que entregamos, o que funciona sem a nossa supervisão.

Porque isto importa

É genuinamente útil perguntar, de qualquer interação com IA: Que modo é este?

Um pedido de dois minutos para reescrever um e-mail é Modo 1. Não merece uma pasta, uma habilidade ou um nome.
Uma discussão arquitetónica de 40 minutos com o Claude é Modo 2. Nem sequer merece uma pasta, mas o saída (uma decisão, um design_notes.md) faz.
O tratamento mensal das despesas é Modo 3. Merece uma perícia e tem uma.
Banco PFD é Modo 4. Merece tudo o que um produto merece.

Descobertas — Inventário de Trabalho Agente (Jan 2025 → Mai 2026)

Fontes consultadas:

~/.claude/projects/ (47 pastas de projetos, ~95 ficheiros de memória)
todos os ficheiros CLAUDE.md em André's portátil pessoal
~/.claude/skills/ (60+ competências)
~/Documents/fuzzy-lyfx/ (a instância pessoal e ativa FuzzyClaw que usamos no dia a dia).

Mix de atividades (aproximado, mapeado para os seis departamentos abaixo):

Tecnologia e Produto ≈ 45%
Finanças ≈ 20%
Estratégia e Desenvolvimento de Negócios ≈ 20%
Operações e Infraestrutura ≈ 10%
Marketing e Design ≈ 3%
Pessoal e assistentes executivos ≈ 21T/3T

Nota: O marketing, bem como o pessoal de apoio e os secretários executivos, estão a ser significativamente subestimados — a maior parte do seu volume real é o Modo 1 (refinamento de e-mails, edição de tom, reescritas rápidas) a decorrer no ChatGPT e no Claude AI web. Contabilizado em todos os fornecedores, seria provavelmente o segundo maior departamento, a seguir ao de Tecnologia e Produto.

2. Os “departamentos”, tal como eles “existem” na realidade”

O organograma que se segue é como ele está já organizada — não uma estrutura a impor, mas uma forma de ver o que já é orgânico. Cada departamento é um agrupamento natural de tarefas; para cada um, identificamos qual o modo de utilização da IA que predomina.

Finanças

Atividade: processamento de despesas, faturação, redação de orçamentos/propostas, subsídios, modelagem financeira para investidores, revisão de planos de negócios.
Modos dominantes: Modo 3 (competências como despesas, elaboração de orçamentos de projetos) + Modo 2 (modelagem financeira e estratégia de financiamento como sessões de sparring).
Estado maduro e em uso produtivo regular.

Staff / Assistente Pessoal

Atividade: Revisões de "fireflies", análises pós-chamada, e-mails de acompanhamento, comunicações internas, publicações no LinkedIn.
Modos dominantes: Modo 3 (fireflies-debrief, análise-pós-chamada, brief-cliente-projeto, comunicações-internas) + Modo 1 (polimento-diário-e-mail, maioritariamente via ChatGPT, polimento-publicações-linkedin).
Estado maduro para chamadas e comunicações; email e calendário têm conectores MCP ligados, mas ainda sem fluxo de trabalho agêntico recorrente, utilização mais pontual por agora.

Estratégia e Desenvolvimento de Negócios

Atividade: pesquisa de mercado, pesquisa de leads, análise do pipeline de BD (Trello), revisões de propostas, resumos de projetos a partir de transcrições de reuniões.
Modos dominantes: Modo 2 (intenso — sparring estratégico) + Modo 4 (agentes especializados: investigador de mercado na FuzzyClaw) + Modo 3 (revisão em triângulo, análise do quadro Trello da lyfx).
Estado o departamento mais multimodal; a mesma pergunta passa muitas vezes por um enquadramento de "segundo cérebro", depois por uma passagem de revisão triádica e, em seguida, por um scraper especializado.

Tecnologia e Produto

Atividade: Toda a codificação.
Modos dominantes: Modo 3 (pesado — ai-dev-workflow governa quase todas as sessões de codificação, mais as famílias de competências langchain/langgraph/deep-agents/django) + Modo 2 (arquitetura, depuração, sessões design_notes.md) + Modo 4 (o saídas — PFD Bench, CAPEX Engine — são eles próprios agentes especializados).
Estado maduro. É também o maior departamento em volume.

Operações e Infraestruturas

Atividade: Verificações de saúde de VM, implementações, reforço da cadeia de fornecimento, administração de políticas de hook, o sistema de memória entre sessões claude-mem.
Modos dominantes: Modo 3 (lyfx-vm-checkups, django-deploying, supply-chain-guard) + Modo 1 (questões rápidas de infraestrutura).
Estado maduro; executa sob demanda e com agendamento.

Marketing & Design

Atividade: Criação de páginas WordPress, consistência de marca em documentos e apresentações, reconstruções de PPTX de grande dimensão, trabalho no website lyfX.ai.
Modos dominantes: Modo 3 (astra-wp-builder, lyfx-corporate-design, pptx).
Estado maduro e em uso produtivo regular.

PIC / Laboratório

Atividade: hackathons (por exemplo, MessMiner), protótipos (DönerWatch, exploração do NanoClaw como alternativa ao OpenClaw), aprendizagem de frameworks (LangChain Academy, DLAI Claude Skills), clones exploratórios.
Modos dominantes: Modo 4 (maior parte dos protótipos tornar-se agentes especializados) + Modo 2 (usar IA como tutor).
Estado maduro; alguns protótipos evoluem para produtos.

4. O que aprendemos e para onde vamos a partir daqui

A forma da lyfX como uma organização agentiva é de O Modo 3 (agente genérico + competências) está a fazer o trabalho pesado para os departamentos., enquanto O Modo 4 (agentes especializados) é a linha de produtos, e Os modos 1 e 2 são a textura operacional do dia a dia. A camada de competências — mais de 60 representando o nosso gosto codificado — é a parte subestimada: é o que mais se aproxima do “conhecimento institucional” da lyfX numa forma utilizável por máquinas. A FuzzyClaw é a camada de orquestração para as partes não tecnológicas e não interativas.

Se apenas uma coisa deste exercício sobreviver, que seja a distinção de quatro modos. É genuinamente útil poder analisar qualquer interação de IA e perguntar: a que modo pertence isto? A resposta diz-lhe se merece uma competência, uma pasta, um nome ou apenas dois minutos de atenção. Grande parte da confusão sobre “quanta IA usa realmente?” desvanece-se assim que deixa de tratar as edições de caixas de chat e um agente de produção como se fossem a mesma coisa.

Em termos práticos, isto significa que uma empresa de duas pessoas hoje funciona com a área de superfície do que teria sido necessário para uma pequena equipa, há apenas dois anos. Os departamentos acima não são funções para as quais contratámos — é o trabalho que já está a acontecer, realizado por um agente genérico que foi cuidadosamente adaptado a cada um. A implicação para o crescimento da lyfX a partir de agora é menos “contratar uma pessoa por departamento” e mais “investir na camada de competências para que um futuro colega possa ligar-se à configuração existente sem ter de reaprender o meu gosto”.”

Ao continuarmos a nossa jornada, é provável que movamos alguns de os conjuntos de competências mais utilizados em agentes FuzzyClaw nomeados assim, podem correr de forma independente, ininterrupta, com execuções agendadas sem uma camada interativa como a que tenho, por exemplo, com o Claude Code. É notável que me sinto cada vez mais confortável em fornecer aos agentes cada vez mais autonomia e acesso: por exemplo, o Claude pode agora aceder ao meu Google Drive para que possamos trabalhar num documento na cloud em paralelo; este próprio documento é a prova viva disso. Isto acarreta alguns riscos óbvios (dar acesso alargado a um sistema de agentes que poderia ser mal configurado, comprometido, ou simplesmente agir com excesso de confiança?) e outros sobre os quais tenho a certeza que não sei. Por outro lado, ter um colega humano com uma palavra-passe “12345” para o seu email é também um risco considerável. Então, onde traçamos a linha?

Olhando para trás, a trajetória é clara: 2024 foi o ano em que os *chatboxes* e o *segundo cérebro* se tornaram naturais; 2025 foi o ano em que as competências tornaram o agente específico para o nosso trabalho; 2026 está a perfilar-se como o ano de agentes agendados e autónomos nos quais confio o suficiente para os deixar a correr.