Em 1 minuto: qual foi o prompt mais eficaz que criaste para o teu caso de uso? O que surpreendeu — para bem ou para mal?
Bloco 1 — Automação de fluxos de trabalho · 9h151 / 6
Objectivos desta sessão
Compreender o que é automação de fluxos de trabalho e como a IA a potencia
Conhecer as ferramentas no-code de automação disponíveis
Perceber o fluxo da ciência de dados e onde a IA intervém
Aplicar IA na análise de dados e personalização de serviços
Aprender a manter registos das actividades com IA (requisito UC)
Desenhar o fluxo automatizado para o teu caso de uso (Peça 6)
Ligação ao projecto: hoje passamos da teoria dos prompts para o design do processo completo — como a IA entra no fluxo real de trabalho do teu caso de uso.
O que é automação de fluxos de trabalho
Um fluxo automatizado é uma sequência de acções que acontece automaticamente quando uma condição é cumprida — sem intervenção humana em cada passo.
Gatilho (trigger): o evento que inicia o fluxo ex: email recebido · formulário submetido · hora definida · nova linha numa folha de cálculo
Condição: regra que determina o caminho seguinte ex: se contém "urgente" → caminho A; caso contrário → caminho B
Acção: o que acontece em resposta ex: criar tarefa · enviar email · actualizar registo · notificar equipa
Com IA: a condição já não é uma regra simples — é um modelo que classifica, resume ou decide com base em linguagem natural. O fluxo fica inteligente.
Ferramentas de automação — sem código
Plataformas no-code
Zapier: liga +7.000 apps; interface simples de configurar; ideal para começar
Make (ex-Integromat): mais poderoso e visual; fluxos complexos com ramificações
Microsoft Power Automate: integrado no Office 365; ideal para organizações Microsoft
n8n: open-source, auto-hospedado; mais controlo, mais técnico
Com IA incorporada
Classificar emails por urgência automaticamente
Resumir reuniões e criar notas estruturadas
Gerar relatórios a partir de dados brutos
Responder a pedidos frequentes sem intervenção humana
Actualizar CRM com informação extraída de emails
O fluxo da ciência de dados
Quando a IA trabalha com dados de uma organização, segue este processo:
1. Recolha: onde estão os dados? (bases de dados, APIs, ficheiros, formulários, sensores)
2. Limpeza: remover erros, duplicados, valores em falta, formatos inconsistentes
3. Exploração: perceber padrões, distribuições, outliers — o que os dados contam?
4. Modelação: aplicar algoritmos para extrair insights ou fazer previsões
5. Visualização: tornar os resultados compreensíveis para quem decide
6. Decisão e acção: usar os insights para agir — fechar o ciclo
80% do tempo é gasto nos passos 1–3. A IA acelera — mas não elimina — este trabalho de preparação. Dados sujos entram, conclusões erradas saem.
IA na análise de dados — o que faz bem
Identificar padrões em grandes volumes que humanos não conseguem ver
Prever tendências — vendas futuras, churn, procura de stock
Segmentar automaticamente — clientes, comportamentos, grupos
Detectar anomalias — fraude, falha de equipamento, desvios de qualidade
Responder em linguagem natural: "qual o produto mais vendido em Março?" sem código
Resumir grandes volumes de texto — feedback, inquéritos, reclamações
Ferramentas acessíveis já agora
ChatGPT / Claude + upload de ficheiro CSV/Excel → análise em linguagem natural
Microsoft Copilot no Excel → análise e gráficos automáticos
Power BI + Copilot → dashboards com IA incorporada
Google Looker Studio → visualização grátis com dados Google
Personalização de serviços com IA
Adaptar a experiência a cada pessoa com base em dados — uma das aplicações de maior valor:
Comunicação personalizada: emails com nome, produto ou serviço certo, momento certo
Recomendações: "outros com o teu perfil escolheram..." — adaptado ao histórico
Atendimento adaptado: o chatbot sabe o historial do cliente antes de responder
Formação personalizada: percurso de aprendizagem adaptado ao nível e ritmo de cada formando
Serviços públicos: comunicações adaptadas ao perfil e necessidades do cidadão
Cuidado com o excesso: personalização percebida como intrusiva cria desconforto. A transparência — "usamos os teus dados para personalizar" — aumenta a confiança.
Exercício 1 · 10h15–10h30 · Projecto — Peça 6a
Exercício 1 de 215 min · Individual
Mapear o processo actual — antes da automação
Antes de automatizar, é preciso perceber o processo como existe hoje. Este mapeamento é a base do fluxo automatizado que vais desenhar no exercício 2.
1Descreve o processo actual do teu caso de uso passo a passo — o que acontece desde o início até ao fim (ex: como chega um pedido, quem faz o quê, em que sistema)
2Identifica os 2–3 passos onde mais tempo é perdido, onde os erros acontecem ou onde há dependência de uma pessoa específica
3Que dados são gerados em cada passo? Onde ficam guardados?
4Quantas vezes por dia/semana este processo acontece? (volume)
Tarefa Moodle — Peça 6a do Projecto Final · entrega até à sessão 6
A UC exige explicitamente: "Manter registos das atividades realizadas com aplicação baseada em IA". Porquê?
Rastreabilidade: saber o que foi decidido com apoio de IA e quando
Auditoria: provar conformidade com normas e políticas internas
Melhoria contínua: identificar onde os prompts funcionam melhor ou pior
Responsabilidade: se algo correr mal, perceber o que aconteceu
Partilha de boas práticas: o que funciona para um colega pode funcionar para todos
O que registar: data · ferramenta usada · prompt utilizado · resultado obtido · validação feita · decisão tomada com base no output.
Um ficheiro simples no Excel ou Notion já chega para começar.
Aplicar IA na análise de dados — passo a passo
Como usar ChatGPT ou Claude para analisar dados sem código:
Passo 1 — Prepara o ficheiro: Excel ou CSV limpo, sem linhas em branco, colunas com nome claro
Passo 2 — Faz upload: ChatGPT (com Code Interpreter activado) ou Claude aceitam ficheiros directamente
Passo 3 — Pergunta em linguagem natural: "Qual o mês com mais vendas?", "Existem padrões de sazonalidade?", "Que produtos têm maior margem?"
Passo 4 — Pede visualizações: "Cria um gráfico de barras das vendas por mês"
Passo 5 — Valida com VREAC antes de usar os insights para decidir
Importante: nunca fazer upload de ficheiros com dados pessoais identificáveis (nomes, emails, NIF) sem verificar os termos do serviço e anonimizar os dados.
Integrar IA nos sistemas existentes
A IA não precisa de substituir os sistemas — integra-se com o que já existe:
CRM (HubSpot, Salesforce): IA analisa interacções e sugere próximos passos ou prioriza leads
Documentos (SharePoint, Google Drive): pesquisa semântica, resumo de documentos, extracção de informação
A maioria destas integrações já existe — o trabalho é activar e aprender a usar, não construir de raiz.
Avaliar a qualidade — revisão e aprofundamento
Além do VREAC, há critérios específicos para outputs de automação e análise de dados:
Reprodutível: o mesmo input produz resultados consistentes? (importante em processos de negócio)
Rastreável: consegues explicar como a IA chegou àquela conclusão?
Proporcional: o nível de automação é adequado ao risco da decisão?
Auditável: existe registo de tudo o que aconteceu?
Regra de proporcionalidade: quanto maior o impacto da decisão nas pessoas (despedimento, crédito, saúde), maior a necessidade de supervisão humana — independentemente da precisão do modelo.
Aplicar IA à gestão do tempo — automação real
Exemplos de fluxos automatizados com IA que podes implementar esta semana:
Resumo diário de emails: Zapier → ChatGPT → email de resumo às 8h com as 5 prioridades do dia
Triagem de formulários: Google Forms → Make → Claude classifica urgência → cria tarefa no gestor com prioridade
Acta de reunião automática: Teams/Zoom transcreve → Copilot gera acta com decisões e próximos passos
Follow-up automático: CRM detecta lead sem contacto há 7 dias → ChatGPT gera email personalizado → gestor aprova → envia
Relatório semanal: dados do Excel → Claude analisa → gera resumo executivo em PDF → envia à chefia
Resumo — Sessão 5
Automação = gatilho + condição + acção; com IA a condição torna-se inteligente
Ferramentas no-code: Zapier, Make, Power Automate — sem programação