Conectei o NotebookLM ao Gemini e Anti-Gravity

Conectei o NotebookLM ao Gemini e ao Anti-Gravity

Três semanas atrás, eu tinha dezessete Google Docs, nove PDFs, um plano de negócios incompleto e um banco de dados Notion que deveria unir tudo, mas principalmente apenas me fazia sentir organizado sem realizar nada. Meu conhecimento estava espalhado por ferramentas como estilhaços. Cada vez que eu precisava obter insights de diversas fontes, gastava vinte minutos apenas para encontrar os arquivos certos antes mesmo de começar a pensar.

Então conectei o NotebookLM ao Gemini e a uma plataforma chamada Anti-Gravity, e algo clicou que eu não esperava. Não é uma pequena melhoria. Uma mudança fundamental na forma como interajo com minhas próprias informações. Em uma hora, eu tinha uma biblioteca de conhecimento consultável que extraía respostas de mais de vinte documentos simultaneamente, um roteiro de negócios personalizado de 90 dias gerado a partir de meus dados reais e um aplicativo da web interativo – completo com controles deslizantes, calculadoras e rastreadores de progresso – construído a partir de uma única frase.

A parte que ainda mexe com a minha cabeça? Não escrevi uma única linha de código. Não organizei nada manualmente. Acabei de conectar três ferramentas que o Google silenciosamente tornou compatíveis entre si, e o efeito composto foi algo que nenhuma delas poderia fazer sozinha.

A maioria das pessoas sabe que o NotebookLM existe. Poucas pessoas sabem sobre as atualizações recentes que o transformaram de um experimento bacana em um mecanismo de produtividade legítimo. Quase ninguém sabe o que acontece quando você o conecta ao raciocínio multi-notebook do Gemini e à camada de automação do Anti-Gravity. Essa lacuna entre “quase ninguém sabe” e “isso é genuinamente poderoso” é exatamente onde reside este post.

O que mudou no NotebookLM (e por que isso é importante agora)

O NotebookLM já existe há algum tempo e se você experimentou há seis meses e pensou “bom brinquedo, não é útil o suficiente”, eu entendi. Eu tive a mesma reação. Mas o Google lançou recentemente uma onda de atualizações que o levaram além do ponto de inflexão de uma demonstração interessante para uma ferramenta de uso diário.

A maior mudança: agora você pode exportar blocos de anotações como apresentações editáveis ​​do PowerPoint. Não são capturas de tela estáticas. Não são PDFs que você não pode modificar. Arquivos .pptx reais com texto editável, elementos móveis e layouts personalizáveis. Esse recurso está sendo implementado gradualmente – as contas dos EUA o receberam primeiro – mas quando chega à sua conta, as implicações no fluxo de trabalho são significativas.

A edição de imagens dentro de notebooks é outra adição silenciosa. Você pode revisar ou substituir imagens a qualquer momento, o que parece insignificante até você perceber que significa que seu notebook não é mais um instantâneo congelado. É um documento vivo que evolui à medida que o seu pensamento evolui.

Mas aqui está a atualização que mais mudou meu fluxo de trabalho: estilos de apresentação de slides personalizados. NotebookLM agora pode gerar apresentações em estilos que você define, incluindo estilos de engenharia reversa de fontes externas. Eu testei isso capturando uma captura de tela de um design do Landbook - um site que gosto pela estética limpa de SaaS - e fornecendo essa captura de tela ao Gemini junto com um prompt solicitando que ele extraísse a filosofia da marca, o esquema de cores, a tipografia e o clima visual. Os recursos multimodais do Gemini (ele entende imagens e texto juntos) extraíram uma descrição detalhada do estilo que eu então inseri no NotebookLM como uma diretiva de estilo.

O resultado foi uma apresentação de slides que parecia ter vindo de uma agência de design, não de uma ferramenta de IA. Valores de cores específicos. Tipografia consistente. Um clima visual que combinava com a referência que forneci. Todo o processo demorou cerca de quatro minutos.

Quero fazer uma pausa sobre isso porque representa algo importante. O fluxo de trabalho não era “digite um prompt e espere o melhor”. Foi uma cadeia deliberada: encontrar uma referência visual, extrair sua essência com o entendimento multimodal do Gemini, refinar o prompt de extração com um modelo como o Glido para otimização e, em seguida, alimentar as instruções refinadas de volta ao pipeline de geração. Cada passo tornava o próximo melhor. Essa abordagem em camadas – e não um único recurso – é o que produz resultados que realmente impressionam as pessoas.

Mas o NotebookLM por si só, mesmo com essas atualizações, tem um teto. Só pode funcionar com um notebook por vez. Ele só pode responder perguntas a partir dos dados que contém. Ele não tem conhecimento de sua agenda, de seus e-mails ou dos outros dezoito cadernos ao lado daquele que você está consultando. Romper esse teto requer Gêmeos – e romper o teto de Gêmeos requer Antigravidade.

Gemini transforma NotebookLM em algo muito maior

A integração entre Gemini e NotebookLM introduziu um recurso que parece simples, mas muda tudo: você pode conversar com vários notebooks simultaneamente.

O NotebookLM por si só é como um bibliotecário que só tem acesso a um livro. Faça uma pergunta e obtenha uma resposta dessa fonte. Útil, mas limitado. Gemini é como um bibliotecário com acesso a toda a biblioteca – ele pode extrair vários cadernos de uma vez, fazer referência cruzada entre eles e sintetizar insights que nenhum caderno contém.

Eu testei isso com um cenário real. Eu tinha cadernos separados para inteligência competitiva, estratégia de marketing, roteiro de produtos e feedback do cliente. No NotebookLM, eu teria que abrir cada um individualmente e juntar mentalmente os insights. Com o Gemini, fiz uma única pergunta: "Com base em nosso cenário competitivo e no feedback dos clientes, quais recursos do produto devemos priorizar para o terceiro trimestre?" – e extraiu dados relevantes de todos os quatro notebooks, pesou os insights e me deu uma recomendação priorizada com raciocínio.

Isso não é um resumo. Isso é síntese. Há uma enorme diferença.

A Gemini também introduziu a inteligência pessoal, que é o recurso que me fez parar e reconsiderar o quanto confio no Google com meus dados. Quando ativado, o Gemini pode acessar seu Gmail, Google Agenda, histórico de pesquisa do YouTube e Google Drive para fornecer respostas baseadas no contexto. Você pode ativá-lo e desativá-lo por conversa, o que ajuda – mas quando está ativado, a especificidade aumenta drasticamente.

Imagine perguntar a Gêmeos: “Com base no caderno de marketing e em minhas recentes conversas por e-mail com a equipe de design, qual é o cronograma mais realista para o lançamento da nova página de destino?” Ele não sai apenas do notebook. Ele verifica o contexto de suas conversas por e-mail sobre a disponibilidade da equipe, verifica seu calendário em busca de prazos conflitantes e fornece uma resposta que leva em conta sua situação real. Não é uma resposta genérica "depende". Uma resposta específica e baseada na sua realidade.

Serei honesto: o recurso de inteligência pessoal ainda está sendo implementado e não é perfeito. Às vezes, surgem tópicos de e-mail irrelevantes. Ocasionalmente, ele interpreta mal o contexto do calendário. Mas mesmo com 70% de precisão, ele está produzindo respostas que são mais úteis do que eu poderia sintetizar manualmente no dobro do tempo.

Aqui está o modelo mental que finalmente me ajudou a entender a arquitetura:

Cada camada adiciona capacidade que a anterior não pode fornecer. NotebookLM armazena e recupera. Razões de Gêmeos em várias lojas. A inteligência pessoal fundamenta esse raciocínio na sua vida real. Empilhe todos os três e você terá algo que parece menos uma ferramenta e mais um colega que leu tudo o que você escreveu.

Mas mesmo essa pilha tem uma limitação: é somente leitura. Ele pode analisar, sintetizar e recomendar, mas não pode criar artefatos, construir aplicativos ou automatizar fluxos de trabalho de várias etapas. É aí que o Anti-Gravidade entra em cena e onde as coisas ficam genuinamente selvagens.

Antigravidade: a camada de automação que une tudo

Anti-Gravidade é a peça desse quebra-cabeça da qual a maioria das pessoas nunca ouviu falar, e é a peça que transforma a combinação NotebookLM + Gemini de “ferramenta de pesquisa impressionante” em “mecanismo de produtividade full-stack”.

Quando você conecta o Anti-Gravity ao NotebookLM – um processo que envolve a cópia de informações de conexão, autenticação por meio de um pop-up do navegador e uma configuração de token única – ele desbloqueia 29 recursos distintos que podem criar conteúdo de forma programática a partir de seus notebooks. Visão geral de áudio. Resumos de vídeo. Infográficos. Apresentações de slides. Relatórios. Mapas mentais. Cartões flash. Testes. Tabelas de dados. Tudo gerado automaticamente a partir do conhecimento já armazenado em seus cadernos.

Executei o processo de conexão em uma tarde de terça-feira. Demorou cerca de três minutos, incluindo a etapa de autenticação. O token é atualizado automaticamente, então você só passa pela configuração uma vez. Depois disso, o Anti-Gravity e o NotebookLM conversam perfeitamente entre si.

A primeira coisa que fiz foi testar a capacidade mais básica: gerar um PowerPoint a partir de um notebook. Um aviso. Trinta segundos depois, eu tinha uma apresentação do Apresentações Google que poderia abrir no Keynote, editar livremente e apresentar a um cliente. Para qualquer pessoa cuja conta NotebookLM ainda não tenha a exportação nativa do PowerPoint (ela ainda está sendo implementada região por região), esta é uma solução imediata - e honestamente, a versão Anti-Gravity me deu mais controle de formatação do que o recurso nativo de qualquer maneira.

Mas o básico não é o motivo pelo qual o Antigravidade é importante. Os cinco casos de uso que descobri na semana seguinte são o motivo pelo qual estou escrevendo esta postagem. Cada um deles foi baseado no anterior e, no quinto, eu estava usando um fluxo de trabalho que levaria dias para configurar manualmente – se eu pudesse configurá-lo.

O que se segue não é hipotético. Eu mesmo executei cada um desses fluxos de trabalho e vou explicar exatamente o que fiz, o que funcionou, o que não funcionou e o que faria de diferente na próxima vez.

Caso de uso 1: Construindo uma biblioteca "Alexandria" consultável

A primeira coisa que construí foi o que venho chamando de biblioteca de Alexandria: uma base de conhecimento centralizada e consultável que contém tudo, desde políticas de RH até inteligência competitiva e documentação técnica.

O conceito é simples. Você armazena vários documentos dentro do Anti-Gravity, organizados por tópico. Quando você consulta o sistema, ele determina de forma inteligente quais cadernos e documentos são relevantes para sua pergunta e extrai apenas dessas fontes. Isso é importante porque não ultrapassa os limites de tokens ao ler tudo – é seletivo, como um bibliotecário que sabe qual prateleira verificar antes de percorrer toda a biblioteca.

Carreguei relatórios de inteligência competitiva de três empresas que estou monitorando, um conjunto de documentos de processos internos e uma coleção de artigos de pesquisa sobre tendências de automação de IA. Então perguntei: "Quais estratégias de preços meus dois principais concorrentes usam e como elas se comparam à abordagem descrita em nosso documento de estratégia interna?"

A resposta veio exatamente das fontes certas, cruzou dados de concorrentes com nosso posicionamento interno e identificou duas lacunas específicas em nossa estratégia que eu não havia percebido. Tempo total da pergunta ao insight: cerca de doze segundos.

Aqui está o hack de personalização que tornou isso dez vezes mais útil. O Anti-Gravity permite que você adicione um arquivo de contexto global — chamei o meu de brain.md — que descreve quem você é, o que lhe interessa e quais são seus objetivos. Este contexto é aplicado a cada consulta automaticamente. Portanto, em vez de respostas genéricas, cada resposta é filtrada pela minha situação específica.

Meu brain.md inclui minha função, meus projetos atuais, minhas metas de negócios para o trimestre e meu estilo de comunicação preferido. Depois de adicioná-lo, a qualidade das respostas aumentou visivelmente. Perguntas sobre estratégia de marketing retornaram respostas enquadradas em meu mercado específico. Perguntas sobre arquitetura técnica retornaram respostas que consideravam a pilha que eu realmente uso. O arquivo de contexto global é um pequeno investimento – o meu tem cerca de 200 palavras – que se compõe em cada interação.

Uma coisa que eu faria diferente: organizar seus cadernos por domínio e não por projeto desde o início. Inicialmente organizei por projeto (Cliente A, Cliente B, Interno) e descobri que as consultas entre projetos eram menos precisas do que as consultas entre domínios (Marketing, Engenharia, Finanças). O sistema raciocina melhor através dos limites tópicos do que dentro dos limites organizacionais.

Caso de uso 2: NotebookLM como um banco de dados RAG gratuito

Esse caso de uso me fez questionar por que estava pagando por serviços de banco de dados vetoriais.

RAG – Retrieval Augmented Generation – é a técnica por trás da maioria das bases de conhecimento modernas de IA. Você armazena documentos em um banco de dados e, quando faz uma pergunta, o sistema recupera partes relevantes antes de gerar uma resposta. Serviços como o Pinecone cobram dinheiro de verdade por isso. NotebookLM, conectado através do Anti-Gravity, faz isso de graça.

Testei isso criando um notebook que extraía arquivos diretamente do meu Google Drive. A integração é ativa – você pode pesquisar seu Drive no NotebookLM e importar arquivos relevantes para um notebook automaticamente. Criei um caderno sobre "estratégias de aquisição de clientes" e deixei-o inserir todos os documentos relevantes que pudesse encontrar.

Os resultados não foram perfeitos. Alguns arquivos irrelevantes foram incluídos. A correspondência de relevância ainda precisa de trabalho. Mas o fluxo de trabalho principal – fazer uma pergunta e obter uma resposta com base em seus documentos reais – funcionou muito bem para uma solução de custo zero.

Onde isso se torna prático: bases de conhecimento de suporte ao cliente. Carregue a documentação do produto, planilhas de perguntas frequentes e histórico de tickets de suporte em um notebook NotebookLM. Conecte-o através do Anti-Gravidade. Agora você tem um banco de dados de suporte consultável que pode responder às perguntas dos clientes com respostas baseadas em sua documentação real — e não em respostas alucinadas de um modelo que nunca viu seu produto.

Testei isso com um conjunto de documentação para um projeto paralelo. Fez vinte perguntas que um cliente poderia fazer. Dezesseis das vinte respostas foram precisas e bem fundamentadas. Três estavam parcialmente corretas, mas faltavam contexto. Um estava errado. Para uma ferramenta gratuita com dez minutos de configuração, essa taxa de precisão de 80% na primeira tentativa é genuinamente competitiva com alternativas pagas que levam horas para serem configuradas.

Dica profissional: A qualidade das suas respostas RAG depende muito da qualidade dos seus documentos de origem. Lixo entra, lixo sai se aplica aqui mais do que em qualquer lugar. Passe algum tempo certificando-se de que os documentos enviados estejam bem estruturados, escritos de forma clara e livres de informações contraditórias. Descobri que limpar três documentos mal formatados melhorou a precisão das minhas respostas de cerca de 70% para 85%.

Caso de uso 3: A abordagem "Cérebro e mãos"

Foi aqui que o fluxo de trabalho passou de “ferramenta útil de produtividade” para “Preciso repensar como planejo projetos”.

O Anti-Gravity pode consultar vários notebooks simultaneamente usando um modelo de raciocínio poderoso – atualmente Claude Opus para as tarefas mais pesadas. Mas o verdadeiro truque é combinar o conhecimento do notebook com o contexto novo e personalizado que você fornece no prompt.

Eu testei isso com um cenário retirado da vida real. Eu tinha cadernos cobrindo estratégia de comércio eletrônico, canais de marketing e retenção de clientes. Perguntei ao Anti-Gravity: "Usando o conhecimento em meus cadernos de estratégia mais este contexto - administro um negócio de comércio eletrônico que fatura US$ 20.000/mês vendendo cafés especiais e garrafas em Dubai - crie um roteiro de lançamento de 90 dias para escalar para US$ 50.000/mês."

O que voltou não foi um modelo genérico “veja como fazer crescer um negócio de comércio eletrônico”. Foi um roteiro que fez referência a estratégias específicas dos meus cadernos, adaptou-as ao mercado de Dubai, considerou o nicho de café e garrafas e estruturou os 90 dias em fases com marcos específicos. Ele até fez referência a canais de marketing regionais populares nos Emirados Árabes Unidos que eu não tinha pensado em incluir.

A metáfora do “cérebro e mãos” é útil. NotebookLM + Gemini é o cérebro – ele contém conhecimento e razões. A Antigravidade são as mãos – ela pega esse raciocínio e o transforma em artefatos que você pode realmente usar. O cérebro pensa; as mãos constroem.

O Anti-Gravity salvou o roteiro como um arquivo NotebookLM automaticamente, o que significa que ele se tornou parte da minha base de conhecimento. Da próxima vez que consultar tópicos relacionados, esse roteiro estará disponível como contexto. O sistema fica mais inteligente à medida que você o utiliza, porque cada saída se torna uma entrada potencial para consultas futuras.

Quando o Anti-Gravity também acessou meus dados de e-mail e calendário (com permissão), a especificidade foi ainda mais longe. Ele sabia sobre as próximas reuniões, decisões pendentes de conversas de e-mail e restrições de tempo do meu calendário. O roteiro que ele gerou representou um período de duas semanas no segundo mês em que minha agenda estava lotada - ele carregou tarefas críticas antes dessa janela e programou trabalhos mais leves durante ela.

Esse nível de consciência contextual de um sistema automatizado ainda me surpreende cada vez que o vejo.

Caso de uso 4: Construindo software interativo a partir do conteúdo do notebook

Esse foi o caso de uso que me fez ligar para um amigo à meia-noite para dizer “você precisa ver isso”.

O Anti-Gravity possui capacidade de criação de software que transforma o conteúdo do notebook em aplicativos interativos. Não são relatórios estáticos. Não PDFs. Ferramentas funcionais e interativas com elementos dinâmicos.

Peguei o roteiro de lançamento de 90 dias do Caso de Uso 3 e pedi: "Transforme este roteiro em uma página interativa com controles deslizantes de acompanhamento de progresso, campos de notas para cada fase e uma calculadora de projeção de receita."

O que recebi foi um aplicativo da web totalmente funcional. Controles deslizantes que monitoram a porcentagem de conclusão de cada fase. Campos de entrada onde eu poderia adicionar notas e atualizações. Uma calculadora que projetava a receita mensal com base em variáveis ​​que eu poderia ajustar – orçamento de publicidade, taxa de conversão, valor médio do pedido. Visualizações dinâmicas mostrando projeções mensais de tráfego e curvas de receita.

Construído a partir de um único prompt. Do conteúdo que já estava no meu caderno.

Continuei testando. "Adicione uma seção que calcule o custo de aquisição do cliente com base nas informações do orçamento de marketing." Feito. "Inclua uma visualização do gráfico de Gantt do cronograma de 90 dias." Feito. Cada adição levou cerca de trinta segundos. O aplicativo ficou mais sofisticado a cada solicitação e, por ter sido construído com base no conteúdo do notebook, todo o contexto estratégico foi incorporado.

A distância entre imaginação e criação nunca foi tão pequena. Eu costumava descrever recursos para desenvolvedores e esperar dias ou semanas. Agora eu os descrevo para o Anti-Gravidade e os observo se materializarem em tempo real. Isso não está substituindo os desenvolvedores: aplicações de produção complexas ainda precisam de engenharia humana. Mas para ferramentas internas, auxílios de planejamento, demonstrações de clientes e protótipos? O tempo do ciclo caiu de dias para minutos.

Eu deveria ser transparente sobre as limitações aqui. Os aplicativos gerados são funcionais, mas não de nível de produção. O código é limpo o suficiente para uso interno e demonstrações, mas você não o implantaria para milhares de usuários sem um refinamento significativo. O estilo é decente, mas genérico. A gestão complexa do estado e os casos extremos ainda precisam de atenção humana. Pense nisso como chegar a um protótipo funcional em uma velocidade sem precedentes – e não como pular totalmente o processo de desenvolvimento.

Caso de uso 5: geração de apresentação no piloto automático

O quinto caso de uso é o mais simples de explicar e possivelmente o mais útil imediatamente para quem cria apresentações regularmente.

Usando uma habilidade antigravidade gratuita, você pode converter qualquer conteúdo do NotebookLM em apresentações do PowerPoint ou do Google Slides. Isso funciona mesmo que sua conta NotebookLM ainda não tenha o recurso de exportação nativo.

Gerei uma apresentação do Apresentações Google a partir de um caderno sobre tendências de automação de IA. O processo demorou um prompt e cerca de quarenta e cinco segundos. A apresentação abriu no Keynote no meu Mac, totalmente editável, com slides que seguiam um arco narrativo lógico extraído do conteúdo do caderno.

A qualidade me surpreendeu. Os títulos dos slides eram concisos. Os marcadores foram condensados ​​adequadamente (não apenas parágrafos colados em slides). A hierarquia visual era razoável. Foi tão bom quanto um deck desenhado por um especialista em apresentações? Não. Já percorremos 80% do caminho em menos de um minuto? Absolutamente.

Para contextualizar, normalmente passo de duas a três horas construindo uma apresentação do zero. Com esse fluxo de trabalho, gasto um minuto gerando a base e de trinta a quarenta e cinco minutos refinando-a. Isso representa uma redução de aproximadamente 70% no tempo de criação de apresentações.

O fluxo de trabalho que estabeleci: gerar a apresentação a partir do conteúdo do caderno, exportá-la, abri-la em meu editor preferido (Keynote ou Google Slides), refinar o fluxo visual e narrativo e apresentar. A IA cuida do trabalho pesado da organização do conteúdo e do design inicial. Eu cuido dos julgamentos sobre o que enfatizar, o que cortar e como estruturar a história para o público específico.

As partes honestas que ninguém menciona

Eu pintei um quadro bastante interessante e defendo tudo o que descrevi - esses fluxos de trabalho realmente funcionam e mudaram a forma como eu opero. Mas eu estaria prestando um péssimo serviço a você se não mencionasse as arestas.

A curva de aprendizado é antecipada e mais acentuada do que o marketing sugere. Conectar três plataformas significa três conjuntos de documentação, três fluxos de autenticação e três modelos mentais que você precisa manter simultaneamente. Minha primeira tarde foi mais frustração do que produtividade. No terceiro dia, as coisas funcionaram. Na segunda semana, os fluxos de trabalho eram automáticos. Mas naquele primeiro dia? Quase desisti duas vezes.

Os recursos de inteligência pessoal são poderosos, mas imprevisíveis. Quando o Gemini acessa seu e-mail e calendário, às vezes surge um contexto irrelevante que confunde a resposta. Recebi dúvidas sobre estratégia de produto que inexplicavelmente incluíam referências a uma reserva pessoal para jantar em minha agenda. A alternância para ativar e desativar a inteligência pessoal por conversa é essencial – eu a mantenho desativada por padrão e só a habilito quando desejo especificamente essa camada contextual.

O uso de tokens pode aumentar inesperadamente. Quando o Anti-Gravity consulta vários notebooks com um modelo poderoso como Claude Opus, o consumo de tokens é real. Atingi meu limite diário uma vez durante experiências pesadas. A abordagem da biblioteca Alexandria (onde o sistema consulta seletivamente documentos relevantes) ajuda a gerenciar isso, mas vale a pena monitorar se você estiver em um plano limitado.

Nem tudo é gratuito. NotebookLM e os recursos básicos do Gemini são gratuitos. O Anti-Gravity tem um nível gratuito que cobre a maior parte do que descrevi. Mas o uso intenso – especialmente a geração de software e o raciocínio de vários notebooks com modelos premium – pode empurrá-lo para o território pago. Meu custo total para um mês de uso moderado a intenso foi aproximadamente o que eu gastaria em dois cafés sofisticados. Não é caro, mas não é zero.

A qualidade dos resultados depende inteiramente da qualidade dos seus inputs. Cadernos mal organizados produzem resultados medíocres. Prompts vagos produzem resultados genéricos. O sistema amplifica o que você alimenta – tanto o bom quanto o ruim. Passei um dia inteiro reorganizando meus cadernos antes de começar a obter resultados consistentemente impressionantes. Esse investimento inicial valeu cada minuto.

Qual será a aparência desta pilha em seis meses

Algo que sempre volto: as três ferramentas que conectei estão todas em desenvolvimento ativo. NotebookLM envia recursos mensalmente. A inteligência pessoal da Gemini está expandindo suas fontes de dados. O Anti-Gravity adiciona novas habilidades regularmente – já possui 29 e esse número continua crescendo. Os fluxos de trabalho que descrevi hoje são baseados nas versões mais antigas e rudimentares dessas integrações.

Daqui a seis meses, espero que o processo de conexão seja perfeito – possivelmente com um único clique, em vez do fluxo de autenticação manual que descrevi. Espero que a inteligência pessoal seja mais precisa e cubra mais fontes de dados. Espero que a geração de software produza resultados mais sofisticados. E espero novos casos de uso nos quais nenhum de nós tenha pensado ainda, porque o efeito combinado de melhorar três ferramentas simultaneamente tende a produzir capacidades que não estavam no roteiro de ninguém.

As pessoas que mais se beneficiarão com essas capacidades futuras serão aquelas que entendem a arquitetura agora. Não porque as ferramentas atuais sejam perfeitas – elas não são. Mas porque o modelo mental que você constrói hoje (cadernos como armazenamento de conhecimento, Gemini como camada de raciocínio, Antigravidade como camada de automação) será transferido diretamente para o que quer que essas ferramentas se tornem amanhã.

Meu amigo Jack Roberts, cuja primeira demonstração me mostrou essa integração, descreveu o Anti-Gravity como um “código de trapaça para produtividade”. Eu costumava pensar que isso era uma hipérbole. Depois de três semanas de uso diário, acho que na verdade está custando pouco. Um código de trapaça lhe dá uma vantagem em um jogo que você já está jogando. Esta pilha muda o próprio jogo.

Então aqui está o que eu sugiro. Escolha um dos cinco casos de uso — aquele que estiver mais próximo de um problema real com o qual você está lidando no momento — e crie-o esta semana. Não no próximo mês. Não "quando eu tiver tempo". Essa semana. A configuração leva dez minutos. A primeira saída útil leva mais dez. E no final da hora, você terá descoberto algo genuinamente valioso para o seu fluxo de trabalho — ou terá opiniões fortes sobre o que ainda não funciona.

De qualquer forma, você saberá algo que a maioria das pessoas em sua área não sabe.

O que você construiria primeiro?

Vamos trabalhar juntos

Procurando construir sistemas de IA, automatizar fluxos de trabalho ou dimensionar sua infraestrutura tecnológica? Eu adoraria ajudar.

• Fiverr (compilações e integrações personalizadas): fiverr.com/s/EgxYmWD
• Portfólio: mejba.me
• Ramlit Limited (soluções empresariais): ramlit.com
• ColorPark (design e branding): colorpark.io
• xCyberSecurity (serviços de segurança): xcybersecurity.io