Aula 1 — Fundamentos de agentes de IA na pesquisa científica

Objetivo:
Apresentar os principais conceitos sobre agentes de IA e mostrar como eles podem ser aplicados à pesquisa científica e acadêmica, diferenciando agentes, automações, GPTs, Gems, Skills e sistemas personalizados.

Conteúdo programático:

1. O que são agentes de IA

Você entenderá o que caracteriza um agente de IA, como ele se diferencia de uma conversa comum com IA e por que esse conceito está se tornando cada vez mais importante para pesquisadores.

Serão discutidos elementos como:

• instruções;
• contexto;
• memória;
• ferramentas;
• tarefas;
• tomada de decisão;
• execução orientada a objetivos.

2. Diferença entre Automação, Skills, GPTs, Gems e Agentes

Nesta parte, serão explicadas as diferenças entre os principais formatos de sistemas inteligentes usados atualmente:

Automação:
Fluxos estruturados que executam tarefas repetitivas.

Skills:
Conjuntos de instruções reutilizáveis para executar tarefas específicas.

GPTs personalizados:
Assistentes configurados para tarefas específicas dentro do ChatGPT.

Gems:
Assistentes personalizados dentro do ecossistema Gemini.

Agentes:
Sistemas orientados a objetivos, capazes de executar tarefas com papéis definidos.

Sistemas multiagentes:
Conjuntos de agentes especializados trabalhando sobre um mesmo problema.

O objetivo é ajudar o participante a entender quando usar cada abordagem e evitar a confusão comum entre “prompt”, “assistente”, “automação” e “agente”.

3. Aplicações de agentes na pesquisa científica

Serão apresentados exemplos práticos de uso de agentes em diferentes etapas da pesquisa, como:

• revisão de literatura;
• busca e organização de artigos;
• leitura crítica de papers;
• criação de matriz de literatura;
• identificação de lacunas;
• escrita acadêmica;
• revisão de manuscritos;
• recomendação de periódicos;
• elaboração de projetos de pesquisa;
• planejamento experimental;
• análise e organização de dados;
• preparação de apresentações científicas.

4. Limites, riscos e validação humana

A aula também discutirá os cuidados necessários ao usar agentes de IA em pesquisa científica, incluindo:

• alucinações;
• referências falsas;
• interpretações superficiais;
• excesso de confiança na IA;
• privacidade de documentos;
• uso de dados sensíveis;
• vieses;
• necessidade de validação humana;
• responsabilidade final do pesquisador.

5. Demonstração prática com agentes, GPTs/Gems e Skills

Ao final da aula, será realizada uma demonstração prática mostrando como diferentes ferramentas podem ser usadas para criar assistentes e agentes voltados à pesquisa científica.

Serão apresentados exemplos envolvendo:

• agentes no ChatGPT;
• GPTs personalizados;
• Gems no Gemini;
• Skills no Claude;
• possibilidades de uso em tarefas acadêmicas recorrentes.

Ao final da aula 1, o participante terá:

• uma visão clara sobre o que são agentes de IA;
• compreensão das diferenças entre automações, Skills, GPTs, Gems e agentes;
• exemplos de aplicações de agentes na pesquisa científica;
• critérios para decidir quando usar chat, assistente personalizado, automação ou sistema multiagente;
• noção dos principais riscos e cuidados éticos no uso de IA em pesquisa.

Aula 2 — Criando assistentes científicos personalizados com GPTs, Gems e NotebookLM

Objetivo:
Ensinar os participantes a criar assistentes científicos personalizados para apoiar tarefas acadêmicas, combinando base de conhecimento, instruções estruturadas e boas práticas de Engenharia de Prompt.

Conteúdo programático:

1. O que é um sistema personalizado

Você entenderá a diferença entre usar IA como chat comum e construir um sistema personalizado para tarefas recorrentes da pesquisa.

A aula mostrará como deixar de começar “do zero” a cada interação e passar a usar sistemas com:

• base de conhecimento;
• instruções fixas;
• papel definido;
• processo de análise;
• formato de saída;
• regras de validação;
• foco em tarefas acadêmicas específicas.

2. Estrutura de um assistente de IA científico

Serão apresentados os elementos fundamentais de um bom assistente científico:

• papel do assistente;
• objetivo da tarefa;
• tipo de entrada esperada;
• processo de análise;
• limites de atuação;
• critérios de qualidade;
• formato da resposta;
• regras contra invenção de informações;
• orientações para validação humana.

A ideia é mostrar que um bom assistente científico não é apenas um prompt longo, mas uma estrutura reutilizável para apoiar uma tarefa acadêmica com mais consistência.

Parte prática:

3. NotebookLM + Gems + Gemini como sistema de pesquisa

Nesta parte prática, será demonstrado como combinar NotebookLM, Gems e Gemini para criar um sistema de pesquisa baseado em conhecimento.

A lógica do sistema será:

NotebookLM:
Organização da base de conhecimento.

Gems:
Definição da forma como a IA deve pensar e responder.

Gemini:
Execução das tarefas com base no contexto e nas instruções definidas.

Esse fluxo permite criar um sistema mais consistente para tarefas como:

• análise de documentos;
• organização de ideias;
• criação de sínteses;
• comparação de fontes;
• geração de relatórios;
• apoio à escrita acadêmica.

4. GPTs personalizados para pesquisa científica

Nesta parte, será apresentada a criação de GPTs personalizados para tarefas científicas e acadêmicas.

Serão discutidos exemplos como:

Assistente de Pesquisa
Para organizar referências, sugerir leituras relacionadas, classificar artigos e apoiar a criação de uma matriz inicial.

Assistente de Síntese Automatizada
Para comparar artigos, identificar convergências, divergências, lacunas e gerar resumos temáticos.

Assistente de Redação Científica
Para revisar clareza, coesão, estrutura argumentativa e estilo acadêmico, sem substituir a autoria do pesquisador.

Ao final da aula 2, o participante terá:

• compreensão sobre o que é um sistema personalizado com IA;
• estrutura para criar assistentes científicos;
• modelo de instruções para GPTs/Gems;
• visão prática de como usar NotebookLM + Gems + Gemini como sistema de pesquisa;
• exemplos de GPTs personalizados aplicados à pesquisa científica.

Aula 3 — Construindo um sistema multiagente no n8n para planejamento experimental

Objetivo:
Construir ao vivo um sistema multiagente no n8n capaz de transformar uma ideia experimental inicial em um plano experimental preliminar, com objetivo, hipótese, variáveis, desenho experimental, análise crítica e plano final.

Conteúdo programático:

1. O que é um sistema multiagente

Você entenderá como um sistema multiagente funciona e por que ele pode ser útil para tarefas científicas mais complexas.

Serão discutidos:

• diferença entre assistente único e sistema multiagente;
• como dividir uma tarefa científica em agentes especializados;
• quando vale usar multiagentes;
• quando um assistente simples é suficiente;
• como organizar agentes em sequência;
• como consolidar as respostas em uma saída final.

Parte prática:

2. Criando seu sistema multiagente no n8n

Nesta aula, será construído um workflow prático no n8n com vários agentes especializados.

O sistema será criado para apoiar uma tarefa central da pesquisa científica:

Sistema prático: Planejador Experimental com IA

A proposta é construir um sistema capaz de receber uma ideia experimental e gerar um plano inicial mais organizado, crítico e estruturado.

Fluxo geral do sistema:

Entrada do pesquisador → Agente de entendimento → Agente de variáveis → Agente de desenho experimental → Agente crítico → Agente consolidador → Plano experimental final

3. Como o sistema funcionará

O participante preencherá uma entrada inicial com informações como:

• tema da pesquisa;
• área do conhecimento;
• objetivo do experimento;
• hipótese inicial;
• o que será medido;
• fatores que podem influenciar o resultado;
• recursos disponíveis;
• restrições de tempo, custo ou amostra;
• tipo de estudo pretendido;
• observações adicionais.

4. Agentes do sistema

Agente de entendimento
Responsável por interpretar a ideia inicial e organizar problema experimental, objetivo, hipótese, unidade experimental, tipo de estudo provável e pontos que ainda precisam ser esclarecidos.

Agente de variáveis
Responsável por identificar variável resposta, fatores experimentais, variáveis de controle, possíveis confundidores, critérios de medição e dados que devem ser coletados.

Agente de desenho experimental
Responsável por propor grupos ou condições, controles necessários, sequência dos testes, comparação principal, critérios de sucesso e estrutura básica do experimento.

Agente crítico
Responsável por revisar o planejamento e apontar fragilidades, riscos metodológicos, controles ausentes, possíveis vieses, problemas de viabilidade, limitações éticas ou práticas e perguntas críticas para o pesquisador.

Agente consolidador
Responsável por integrar as respostas dos agentes anteriores em um plano experimental final, organizado em formato de relatório.

O relatório poderá incluir:

• tema;
• objetivo;
• hipótese;
• variáveis;
• desenho experimental sugerido;
• controles;
• dados a coletar;
• critérios de sucesso;
• riscos e limitações;
• melhorias prioritárias;
• checklist antes da execução.

Ao final da aula 3, o participante terá:

• visão prática de como funciona um sistema multiagente;
• um workflow multiagente construído no n8n;
• prompts dos agentes;
• modelo de entrada para planejamento experimental;
• estrutura de relatório final;
• exemplo de plano experimental gerado com apoio de IA.

Ao final do workshop, você terá aprendido como transformar ferramentas de IA em sistemas reutilizáveis para apoiar diferentes etapas da pesquisa científica e acadêmica.

Você verá como sair do uso básico da IA como chat e avançar para:

assistentes personalizados → sistemas com base de conhecimento → sistemas multiagentes → automações científicas no n8n.

O foco é usar IA para organizar tarefas, apoiar decisões metodológicas, estruturar informações e acelerar processos repetitivos, sem abrir mão da validação humana, do rigor científico e da responsabilidade do pesquisador.

Ao final, você terá aprendido a criar:

• assistentes científicos personalizados;
• sistemas de pesquisa com NotebookLM, Gems e Gemini;
• GPTs personalizados para tarefas acadêmicas;
• fluxos multiagentes no n8n;
• um Planejador Experimental com IA;
• relatórios estruturados com apoio de agentes.

Tipos de Inscrição

Inscrição Gratuita

A Inscrição Gratuita inclui:

• Link para assistir às três aulas AO VIVO;
• Prompts utilizados durante as aulas;
• Certificado de participação.

Inscrição VIP

A Inscrição VIP inclui:

• Link para assistir às três aulas AO VIVO;
• Acesso vitalício à GRAVAÇÃO do workshop — assista quando quiser;
• Prompts utilizados durante as aulas;
• 111 Prompts ChatGPT para Escrita Científica;
• Kit 60+ Ferramentas de IA para Pesquisa Acadêmica;
• Apostila “Engenharia de Prompt: Um Guia Introdutório para Pesquisadores e Acadêmicos”;
• Manual Prático de Revisão de Literatura com IA;
• Template — Projeto de Pesquisa com IA Generativa;
• Certificado de participação.

Inscrição Premium

A Inscrição Premium inclui tudo da Inscrição VIP, mais:

• 8 Assistentes de IA Científicos — GPTs / Agentes prontos para usar;
• Banco de prompts científicos com mais de 246 prompts prontos para usar e customizáveis;
• Ebook: Como Escrever um Artigo Científico de Impacto;
• Ebook: Como Utilizar IA Generativa na Pesquisa Acadêmica.

Inscrição Expert

A Inscrição Expert inclui tudo da Inscrição Premium, mais:

• Ingresso completo para a Imersão: Claude para Pesquisa Científica e Acadêmica.

📍 Datas da Imersão: 11, 13, 18 e 20 de agosto | 19h às 21h30

🕒 Formato: online, ao vivo pelo Zoom, com acesso às gravações.

Os participantes aprenderão como usar o Claude em diferentes etapas da pesquisa acadêmica, desde a leitura de artigos até fluxos avançados com MCPs, Skills, CoWork e Claude Code.

Conteúdo da Imersão Claude: Fundamentos do Claude para Pesquisa (11 e 13/08); Fluxos Avançados — MCPs e Skills (18/08); CoWork aplicado à Pesquisa Científica (20/08)

Benefícios de participar deste workshop

• Entenda o que são agentes de IA e como aplicá-los na pesquisa científica;
• Diferencie automações, Skills, GPTs, Gems e agentes;
• Saia do uso básico da IA como chat comum;
• Crie assistentes científicos personalizados;
• Estruture sistemas de pesquisa com NotebookLM, Gems e Gemini;
• Crie GPTs personalizados para tarefas acadêmicas;
• Entenda como funcionam sistemas multiagentes;
• Construa um workflow multiagente no n8n;
• Crie um Planejador Experimental com IA;
• Organize ideias experimentais com mais clareza;
• Identifique variáveis, controles, riscos e limitações;
• Use IA com mais produtividade, rigor e validação humana.

Para quem é este workshop?

Este workshop é indicado para:

• estudantes de graduação e pós-graduação;
• mestrandos e doutorandos;
• pesquisadores;
• professores;
• orientadores;
• profissionais de P&D;
• pessoas escrevendo TCC, dissertação, tese, artigo ou projeto de pesquisa;
• profissionais que desejam automatizar tarefas acadêmicas;
• pesquisadores que querem usar IA para organizar fluxos de trabalho;
• quem deseja aprender a criar assistentes, agentes e sistemas multiagentes para pesquisa científica.

Observação importante sobre o uso de IA

As ferramentas de IA apresentadas no workshop devem ser utilizadas como apoio ao trabalho científico, e não como substitutas do pesquisador.

Todo resultado gerado por IA deve ser revisado, validado e interpretado criticamente pelo usuário. A responsabilidade final sobre decisões metodológicas, escrita acadêmica, uso de dados, citações, referências e conclusões permanece sempre com o pesquisador.