Como escrever a primeira tarefa para um dot do ChatGPT (e não receber um resultado genérico)

Fala aí, beleza? Quem vem do chat pede resposta, e um dot rende MUITO mais quando você pede resultado 🙂

A OpenAI anunciou os dots no DevDay 2026, em 29/09/2026: são agentes sempre ativos dentro do ChatGPT, rodam no GPT-6 Astra, têm computador e navegador próprios na nuvem e trabalham nos seus objetivos 24/7

Ou seja, ele não fica parado esperando a próxima pergunta, ele vai atrás do que você mandou

Por isso a primeira tarefa pesa tanto: pedido vago é o principal motivo de resultado genérico

Bora ver como escrever essa primeira tarefa do jeito certo?

Por que pedir para um dot como se fosse um chat gera resultado genérico

No chat a lógica é simples: você pergunta e recebe uma resposta

Com um dot, a documentação oficial muda o jogo: você descreve algo que quer manter verdadeiro ao longo do tempo, aponta as fontes e diz quando ele deve te chamar

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 120 aulas
• 4 projetos
• 9h 45min

Conhecer formação

Percebe a diferença?

Pergunta acaba quando a resposta chega, e responsabilidade continua

A OpenAI orienta começar por um trabalho que o dot vai acompanhar, em vez de tratar cada conversa como um pedido novo

O funcionamento descrito por ela segue a mesma ideia: você dá um objetivo e define o que ele pode fazer sozinho, ele resolve e traz o resultado pra revisão, e recorre a você nas decisões que exigem o seu julgamento

Então, se tu escreve a tarefa como pergunta de chat, falta justamente o que ele mais precisa: o objetivo que dura, onde olhar e onde parar

Aí ele preenche os buracos no chute, e o chute médio é… genérico haha

É como contratar alguém bom, falar "dá uma olhada nas vendas aí" e ir embora: a pessoa até entrega alguma coisa, mas não o que você tinha na cabeça

O que você precisa antes de escrever a primeira tarefa

Quem tem acesso aos dots agora?

• Pro: rollout em mercados elegíveis, exceto Espaço Econômico Europeu, Suíça e Reino Unido
• Business Premium: em todas as regiões com suporte ao ChatGPT
• Enterprise (incluindo Edu e Healthcare): em beta, desligado por padrão, e depende do admin do workspace
• Plus, Go e Free: ainda sem acesso, e a OpenAI fala em expandir "em breve", sem data

Usar o dot conta no seu limite do ChatGPT?

O primeiro dot já vem incluso no Pro e no Business Premium, sem custo extra, com limites de uso ampliados no primeiro mês após o lançamento

As conversas com o dot não contam no uso normal do ChatGPT

Mas se liga: tarefas iniciadas ou gerenciadas no Codex ou no ChatGPT Work contam na cota desses produtos

Onde criar o dot?

A criação é pelo app desktop ou pelo ChatGPT no navegador do computador:

1. Abra os dots no ChatGPT e siga a introdução
2. Conecte apps como e-mail, agenda e arquivos (ou pule e adicione depois)
3. No app desktop, escolha se quer conectar o seu computador

Ele começa com nome e aparência padrão, e depois do setup dá pra trocar nome, formato, cor, olhos, óculos e acessórios 😛

Por que separar o material antes de abrir o dot?

No primeiro contato o dot se apresenta, usa o contexto e os apps conectados pra entender o seu trabalho e sugere onde pode ajudar, e você já pode conversar com ele enquanto isso

Então vale chegar com o material de origem separado: o documento, a planilha, a pasta, o que for a base do trabalho

Assim a conversa parte do seu trabalho real, e não de um palpite

Passo a passo: como escrever a primeira tarefa para um dot

São seis passos, do trabalho recorrente até a revisão com feedback

Pra ficar concreto, todos os exemplos usam o mesmo trabalho: acompanhar o feedback de clientes de um app

1. Escolha um trabalho recorrente

A orientação oficial é começar por um trabalho que você precisa conferir ou atualizar com frequência

Se você faz isso toda semana na mão e sempre esquece alguma coisa, é um ótimo candidato

Trabalho: acompanhar o feedback que os clientes mandam sobre o app
Quando: sempre que chegar feedback novo

O erro comum deste passo: pedir algo pontual, estilo chat ("resume esse e-mail pra mim")

Isso o chat já resolve, e o dot fica subaproveitado logo de cara

2. Escreva o objetivo como responsabilidade

Em vez de perguntar, descreva o que deve se manter verdadeiro ao longo do tempo

Objetivo: manter sempre atualizada uma lista dos problemas mais citados
pelos clientes, agrupados por tema

O erro comum deste passo: escrever uma pergunta ("quais são os problemas dos clientes?")

Pergunta gera uma resposta e acabou, e a ideia aqui é o trabalho continuar

3. Defina o critério de pronto

Como você reconhece que o resultado ficou bom?

Essa parte faz MUITA diferença, e é a mesma lógica de quando você quer um formato fixo de saída num prompt de tarefa repetitiva

Pronto quando:
- cada tema tem um título curto e exemplos reais de clientes
- temas novos aparecem marcados como novos
- o formato é lista direta, fácil de revisar, sem texto corrido

O erro comum deste passo: deixar o dot adivinhar o formato

Se você não diz o que é bom, ele entrega o "bom" médio, e é aí que mora o genérico

4. Compartilhe o material de origem e aponte as fontes

A documentação pede pra compartilhar o material de origem e dizer onde está a informação

Os dots se conectam a apps por um ecossistema de plugins com mais de 4.000 apps, então dá pra apontar direto pra onde o trabalho já vive

Fontes:
- pasta "Feedback clientes" nos arquivos conectados
- e-mails com o assunto "feedback"
Ignorar: e-mails de cobrança e de marketing

O erro comum deste passo: não dizer onde está a informação

Sem fonte definida ele trabalha com o que acha, e não com o que importa pra você

5. Defina os limites: o que ele faz sozinho e o que é decisão sua

A OpenAI orienta explicar quais decisões precisam da sua opinião

No briefing, isso fica assim:

Pode fazer sozinho: ler as fontes e atualizar a lista
Pergunte antes de: responder qualquer cliente
Decisão minha: o que vira prioridade
Me chame quando: aparecer um problema novo citado por vários clientes

E dá pra transformar limite em regra de verdade no ChatGPT: vá em Settings > Personalization, em Permissions abra Custom rules, clique em Add, descreva a ação, escolha como o dot deve lidar com ela e clique em Add rule

São quatro tipos de regra:

• Take action without asking: age sem perguntar
• Take action when you say so: age quando você mandar
• Ask before taking action: pergunta antes de agir
• Hand off to you: passa a ação pra você

Os dots já vêm com regras embutidas sobre quando agir sozinhos e quando pedir aprovação, e os requisitos de segurança embutidos sempre valem

Além disso, antes de uma ação que possa afetar suas contas ou compartilhar informações, uma revisão automática confere a ação com suas instruções, permissões, regras personalizadas e requisitos de segurança, e decide se ela segue, se precisa da sua aprovação ou se tem um passo que você mesmo precisa fazer

O erro comum deste passo: não dizer quando ele deve te chamar

Aí ou ele te chama pra tudo, ou decide sozinho algo que era seu… e nenhum dos dois é massa

6. Revise o resultado e diga o que precisa mudar

A orientação oficial fecha o ciclo aqui: revisar o resultado e explicar o que precisa mudar, e o dot aprende com feedback

Feedback: "lentidão" e "app travando" são o mesmo problema, junte os dois.
E coloque o tema mais citado sempre no topo da lista.

O progresso, incluindo o trabalho em segundo plano, aparece no Activity View, onde dá pra acompanhar e redirecionar o dot

Se quiser receber os contatos dele fora do ChatGPT, dá pra conectar um canal como o Slack pelo perfil do dot, na opção Add

O erro comum deste passo: aceitar ou descartar a entrega sem dar feedback

Se você só descarta, a próxima entrega sai no mesmo estilo, e isso é jogar fora a parte mais legal do dot 😀

Template completo da primeira tarefa

Juntando tudo, fica assim (copia e adapta pro seu trabalho):

Trabalho recorrente: (o que você confere ou atualiza com frequência)
Objetivo: (o que deve continuar valendo com o passar do tempo)
Pronto quando: (como você reconhece um resultado bom)
Fontes: (onde está a informação) | Ignorar: (o que não usar)
Pode fazer sozinho: (ações livres)
Pergunte antes de: (ações que pedem aprovação)
Decisão minha: (o que só você decide)
Me chame quando: (situações que exigem você)

Tarefa mal escrita x bem escrita: o que muda em cada elemento do briefing

Os exemplos abaixo são ilustrativos, pra mostrar a diferença de escrita, e não um resultado medido

Se liga que a versão vaga não é "errada", ela só é uma pergunta

E pergunta, pro dot, é pouco

Exemplos de primeira tarefa bem escrita a partir dos casos citados pela OpenAI

No anúncio, a OpenAI citou alguns trabalhos típicos pra um dot

Abaixo, cada um reescrito de pedido vago pra briefing (as fontes e os limites são exemplos, adapte pro seu caso)

Transformar feedback recorrente de clientes em pull requests testados

Esse é o caso mais próximo de quem é dev, então vale olhar com carinho

Pedido vago: "Corrige os bugs que os clientes reclamaram"

Objetivo: todo bug citado de forma recorrente pelos clientes tem um
pull request com correção e testes
Fontes: feedback de clientes nos arquivos conectados + repositório do projeto
Pronto quando: o PR explica qual feedback resolve e os testes passam
Pode fazer sozinho: investigar o bug e abrir o PR pra revisão
Decisão minha: o merge e o que entra primeiro
Me chame quando: o bug exigir mudança de regra de negócio

Repara no limite: ele abre o PR, mas o merge é seu

Nada de dar a chave de casa pro dot na primeira tarefa haha

Revisar materiais de lançamento quando o escopo muda

Pedido vago: "Revisa o material do lançamento"

Objetivo: os materiais de lançamento sempre refletem o escopo atual
Fontes: documento de escopo + pasta dos materiais
Pronto quando: cada trecho desatualizado vem apontado com a sugestão de ajuste
Pergunte antes de: alterar qualquer material já aprovado
Me chame quando: o escopo mudar algo que já foi anunciado

Rodar de novo as análises quando chegam dados novos

Pedido vago: "Atualiza a análise"

Objetivo: as análises estão sempre rodadas com os dados mais recentes
Fontes: pasta onde os dados novos chegam + a análise original
Pronto quando: a entrega mostra o que mudou em relação à versão anterior
Decisão minha: mudar a metodologia da análise
Me chame quando: os dados novos mudarem uma conclusão importante

Atualizar propostas comerciais conforme os requisitos mudam

Pedido vago: "Ajusta a proposta do cliente"

Objetivo: cada proposta ativa bate com os requisitos mais recentes do cliente
Fontes: e-mails do cliente + pasta das propostas
Pronto quando: as mudanças vêm destacadas e com o motivo
Pergunte antes de: enviar qualquer coisa pro cliente
Decisão minha: valores e prazos

Preparar cortes e show notes a partir de transcrições de entrevistas

Pedido vago: "Faz umas show notes do episódio"

Objetivo: toda entrevista nova tem cortes sugeridos e show notes prontos pra revisão
Fontes: pasta das transcrições
Pronto quando: cada corte tem trecho, motivo da escolha e título sugerido
Pode fazer sozinho: preparar os rascunhos
Me chame quando: um trecho parecer sensível pra publicar

Mesmo prompt, resultados diferentes: por que o briefing pesa tanto

Quer ver na prática como a instrução e o contexto mudam o que um agente entrega?

Neste vídeo do canal eu coloco Codex e Antigravity pra construir o mesmo app com o mesmo prompt, e o resultado é bem improvável

É um ótimo gancho pra lembrar da ideia central deste post: o agente trabalha em cima do que você entrega pra ele, então vale caprichar no briefing

Próximo passo: escreva o briefing antes de abrir o dot

A ideia é uma só: com o dot do ChatGPT, peça resultados, e não respostas

Então bora pra ação:

• escolha hoje um trabalho recorrente, daqueles que você confere ou atualiza toda hora
• preencha o template do passo a passo antes de abrir o dot
• depois da primeira entrega, revise e diga com clareza o que precisa mudar

Se você ainda está no Plus, Go ou Free, por enquanto o acesso é do Pro e do Business Premium, mas já dá pra deixar o briefing pronto pra quando chegar a sua vez 😉

Até o próximo post!