1. Não é Doc. É Dot. E ele parece mais um responsável do que uma janela de chat
O nome engana fácil. Não é Doc. É Dot.
Uma conversa comum com o ChatGPT costuma seguir o ciclo: você pede, ele pensa, responde e encerra aquela rodada. Um Dot foi pensado de outra forma. A OpenAI descreve os Dots como agentes sempre ativos, movidos pelo GPT-6 Astra, com computador em nuvem e navegador próprios, capazes de usar aplicativos conectados e continuar trabalhando em objetivos de longo prazo.
Por isso, ele se parece menos com “a IA que responde perguntas” e mais com “a pessoa responsável por este assunto”.
A IA finalmente saiu da caixa de chat e entrou na planilha de responsabilidades.
2. “24/7” não significa um loop infinito; significa que a responsabilidade continua depois da conversa
É importante separar as coisas. Um agente sempre ativo não é um VPS gratuito torrando CPU a cada segundo para sempre.
O valor está na continuidade. Um Dot pode manter uma responsabilidade depois do fim da conversa, fazer pesquisa em segundo plano, executar verificações recorrentes, consultar fontes conectadas e continuar tarefas agendadas mesmo sem uma nova mensagem sua. A OpenAI chama a busca de informações úteis em segundo plano de proactive research.
No modelo antigo, uma pessoa precisava lembrar da tarefa, abrir a IA novamente, reconstruir o contexto e pedir tudo outra vez. Com um Dot, o responsável continua com o processo em mãos.
Parece detalhe até você perceber quanto tempo humano morre na frase: “onde a gente parou mesmo?”.
3. A configuração começa no desktop; depois o Dot pode ir para o celular
O primeiro Dot é criado no aplicativo desktop do ChatGPT ou no navegador do computador. Você dá um nome, define um objetivo, conecta os aplicativos necessários e escolhe o que ele pode fazer sozinho.
Depois da configuração inicial, é possível conversar com ele pelo aplicativo móvel. Em outras palavras: a certidão de nascimento é feita no PC; depois o agente vai para o bolso.
O perfil mostra trabalhos em andamento, agendados e concluídos. Também permite revisar a frequência de tarefas recorrentes e suas notificações. O acesso ao seu computador local é opcional; por padrão, o Dot já tem um computador separado na nuvem.
Então não é preciso deixar o PC de casa ligado a noite inteira para manter o Dot vivo.
4. O modelo de uso é generoso, mas a OpenAI não prometeu “ilimitado para sempre”
No lançamento, o primeiro Dot está incluído sem custo adicional para usuários elegíveis dos planos Pro e Business Premium. Na família Enterprise, o acesso começa como beta habilitada pelo administrador.
A OpenAI afirma que conversas com o Dot não contam para os limites normais do ChatGPT. O plano também inclui uma franquia para trabalho mais profundo, com limites ampliados durante o primeiro mês após o lançamento. As notas de versão ainda dizem que, durante esse primeiro mês, o uso de Dots não conta contra a franquia normal do plano dos usuários elegíveis.
Usuários iniciais relataram casos de trabalhos criativos pesados rodando durante a noite sem grande queda no medidor comum de uso. Isso combina com as condições de lançamento, mas não prova a existência de uma fazenda infinita de computação grátis para sempre.
E se o Dot criar ou gerenciar tarefas no Codex ou no ChatGPT Work, essas tarefas usam normalmente a franquia correspondente de Codex ou Work.
Não é buffet infinito. Mas a entrada está generosa demais.
5. O melhor caso de uso pode ser “assistente das automações recorrentes”
Scheduled Tasks é ótimo para começar o trabalho na hora certa. Só que automação real costuma falhar na parte mais difícil: terminar.
Uma API oscila. Falta uma permissão. Uma etapa estoura o tempo. Só um subtarefa falha. O log é escrito. O bloqueio é classificado. A próxima ação fica registrada.
E ninguém executa a próxima ação.
Automação clássica.
É aí que o Dot se encaixa.
Scheduled Task começa o turno. Dot continua responsável pelo resultado.
Se uma execução termina como PARTIAL, BLOCKED, HOLD ou FAILED, o Dot relê o estado atual, retoma do último checkpoint confirmado, continua trabalhos independentes e seguros, corrige a causa e acompanha até a verdadeira condição de conclusão.
O sistema deixa de ser “avise quando falhar” e vira “alguém continua responsável depois da falha”.
6. Pense em Dot, Scheduled Task e Codex como supervisor, relógio e equipe de manutenção
Um modelo em três camadas ajuda bastante.
Scheduled Task é o relógio: inicia o trabalho na hora ou condição correta.
Dot é o supervisor: mantém estado entre execuções, encontra trabalho incompleto, decide o próximo passo, evita retry cego e empurra o processo até um resultado terminal.
Codex é a equipe de manutenção: entra quando são necessárias mudanças reais de código, testes, refatoração ou implementação complexa.
A regra principal é que “criei uma tarefa no Codex” não significa “terminei”.
Codex inicia → produz a correção → o diff é revisado → testes rodam → a mudança é aplicada → o fluxo roda de novo → o resultado real é verificado.
Só então o ciclo está fechado.
O supervisor não pode ir embora só porque chamou o mecânico.
7. Tratamento de falhas deve ser um ciclo fechado, não um gerador de relatórios
A parte mais importante da instrução de um Dot é a condição de parada.
Uma instrução fraca diz: “me avise se algo falhar”. Isso cria uma câmera de segurança cara.
Uma instrução forte diz: “quando algo falhar, leia o estado atual, identifique a causa, aplique a menor correção segura, valide novamente e continue enquanto houver trabalho executável. Se for necessária mudança de código, delegue ao agente de programação, recupere o resultado e valide de novo. Se não for possível terminar agora, salve o checkpoint exato e a próxima ação para retomar dali.”
Se a mesma falha voltar várias vezes, a própria tarefa recorrente também precisa ser revisada: prompt, condições de parada, referências, suposições e definição de concluído.
“Causa raiz classificada” é como dizer na fábrica: “agora sabemos que tipo de incêndio é”.
Ótimo. Agora apague.
8. Também não é preciso entregar as chaves do reino inteiro ao Dot
Dots oferecem permissões e Custom Rules. Você pode decidir quais ações podem ocorrer automaticamente, quais exigem pré-aprovação, quais precisam ser confirmadas toda vez e quais devem voltar para uma pessoa.
Além disso, proactive research é deliberadamente limitado. Ele pode ler fontes conectadas permitidas e guardar notas privadas, mas as ferramentas de pesquisa não podem enviar mensagens diretamente, alterar conteúdo via plugins ou controlar navegador e computador. Ações posteriores voltam para as permissões, aprovações e verificações de segurança normais.
Isso não é apenas uma limitação. Um operador 24/7 não precisa de uma licença 24/7 para destruir produção.
Uma política sensata é observação ampla e autoridade estreita para mudanças de alto impacto.
9. Na prática, “ter iniciativa” significa que a resposta já está pronta antes de você perguntar
Depois de começar a usar um Dot de verdade, aparece um papel útil além de supervisionar Scheduled Tasks: assumir as verificações recorrentes que antes dependiam de alguém lembrar e perguntar toda vez.
Por exemplo, ele pode acompanhar acessos, transformar em gráficos a evolução de artigos que começaram a crescer e depois avançar mais um passo: não apenas “quais artigos cresceram?”, mas “o que os artigos em crescimento têm em comum?”. Tema, porta de entrada, idioma, comportamento depois da publicação e navegação interna podem virar uma análise contínua em vez de uma pergunta isolada.
O mesmo vale para operação. Se algo travar no Cloudflare ou no GitHub, o Dot pode verificar o estado, reduzir as possíveis causas, aplicar uma correção segura quando tiver permissão e continuar acompanhando até a conclusão. Em vez de perguntar toda vez “onde travou?”, “como está o acesso?” ou “quais artigos estão crescendo?”, você abre o Dot e a investigação, o gráfico ou a correção talvez já tenham avançado.
Esse pode ser o tipo mais útil de inteligência.
E, na prática, não ficou só olhando métricas. O Dot também avançou builds no Cloudflare, observou o estado do GitHub e fez correções quando necessário. Ou seja, não é apenas uma camada de monitoramento que detecta e relata: quando tem permissão, ele desce para o chão de fábrica e executa o trabalho.
Nesse ponto, “ter iniciativa” deixa de ser uma descrição simpática e vira uma realidade operacional: observar, corrigir, verificar e continuar sem exigir uma microinstrução nova para cada passo. Ele começa a parecer menos uma ferramenta e mais um operador realmente responsável.
Você deixa de ir até a IA buscar uma resposta a cada vez. Você olha a mesa de um responsável e encontra gráfico, diagnóstico e resultado da correção já preparados.
“Uma IA que tem iniciativa” parece algo abstrato, mas na prática é bem concreto: ela pega antes as perguntas que você costumava precisar lembrar e repetir.
Talvez o maior ganho de produtividade venha menos de respostas mais rápidas e mais de retirar da pessoa a obrigação de lembrar continuamente o que ainda precisa ser verificado.
E, na prática, isso pode ir além da observação. O Dot pode acompanhar o estado das builds no Cloudflare, verificar o que está acontecendo no GitHub e avançar com correções reais quando as permissões e as regras de segurança permitem. O comportamento começa a sair de “encontrei o problema” para “encontrei e já cuidei dele”.
Nesse ponto, deixa de ser “parece que vai ter iniciativa” e vira “realmente tem iniciativa”. A pessoa não precisa mais percorrer toda vez dashboards, repositórios, status de build e tarefas travadas.
A relação passa a parecer menos “mandar uma IA trabalhar” e mais consultar os resultados de um operador que já estava acompanhando o sistema.
10. Conclusão: a mágica não é “sempre ligado”, mas “sempre responsável”
A mudança importante não é ganhar mais uma janela inteligente de chat.
É permitir que uma IA mantenha responsabilidade quando você sai, atravesse tarefas agendadas e aplicativos conectados e continue do ponto onde houve falha, em vez de obrigar você a contar a história inteira novamente.
Por isso Dots pode ser especialmente poderoso como supervisor de fluxos recorrentes instáveis: observar, recuperar o que ficou incompleto, chamar um especialista apenas quando necessário e continuar até a condição real de conclusão.
É a versão em IA dos duendes do sapateiro.
Só que, pela manhã, não basta verificar se o sapato existe. É preciso ver se serve.
Conclusão, não apenas relatório.
