511 posts sobre IA, aprendizado e construção de produtos
Dezenove dias depois de cancelar o Claude Max, meu padrão ficou claro. O Codex com GPT-5.4 em xHigh ficou com a cadeira de coding. O Claude Code com Opus 4.7 em xHigh ficou com todas as outras cadeiras da mesa.
As pessoas ainda me mandam mensagem perguntando se os 7 cursos do Andrew Ng que recomendei em 2023 continuam sendo o caminho certo hoje. Resposta curta: a maioria deles, sim, mas com um roadmap diferente por volta. Aqui vai minha atualização de 2026, com veredictos curso a curso e um caminho que se bifurca entre builders e operadores.
A Prova começou a parecer real para mim quando o produto passou a fazer promessas reais sobre progression, billing, auth e state. A parte difícil não foi gerar code. A parte difícil foi construir os contratos em volta disso.
Continuo vendo ferramentas de AI venderem volume de conteúdo para agências. Mas, se você já gerenciou relações reais com clientes, sabe que o problema mais difícil é confiança: isolamento, permissões, contexto e não vazar o pensamento de um cliente para o trabalho de outro.
Achei que bastava juntar trechos de um modulo do curso, cortar algumas transicoes e chamar aquilo de video para o YouTube. Estava errado. Construir The Parade Problem me ensinou que reaproveitar conteudo de verdade nao e recortar. E redesenhar a ideia para uma promessa diferente, um publico diferente e uns primeiros 30 segundos completamente diferentes.
Cancelei o Claude Max depois de 13 meses e US$1,892.38 em assinaturas. Isto não é uma volta por cima. É um teste de 30 dias para ver se consigo manter o mesmo ritmo com STRATUM, DIALOGUE, a plataforma do curso e este site usando o Codex como ferramenta principal.
Duas semanas depois da minha comparacao original, as duas ferramentas lancaram grandes atualizacoes. O Codex desafiou minha estrategia de produto de formas que o Claude Code nao fez. O Claude Code lancou Agent Teams e AutoMemory. O resultado: estou cortando meu plano Max de $200/mes — e obtendo resultados melhores por menos dinheiro.
A maioria das conversas sobre AI e design de equipe começa pelo headcount. Eu acho que esse é o ponto de partida errado. A pergunta melhor é quais funções o seu time precisa — e essas acabam sendo as mesmas, seja com quatro ou quarenta pessoas.
O DIALØGUE suporta 7 idiomas, mas o trabalho multilíngue de verdade não foi traduzir strings. Foi corrigir datas locais da audiência, manter consistência no TTS, consertar o language drift da UI e decidir onde a qualidade importa o suficiente pra desacelerar.
Passei anos na publicidade vendo equipes confundirem movimento com progresso. Depois comecei a construir ferramentas de AI para marketing e percebi que o problema estava piorando: execucao mais rapida, julgamento mais fraco.
AI agora consegue produzir media plans, resumos de performance, frameworks de mensuração e setups de campanha numa velocidade impressionante. O problema não é que o output é obviamente ruim. O problema é que muitas vezes é bom o suficiente pra passar uma revisão casual, enquanto deixa escapar o contexto de negócio que realmente importa.
A maioria dos times ainda pergunta qual modelo usar. Pela minha experiência, essa não é mais a pergunta principal. Se o seu sistema de AI esquece o cliente ou a marca, a categoria e o que é considerado bom, o modelo mais inteligente do mundo ainda começa toda conversa do zero.