Gestão de pessoas e de agentes
Agentes que julgam, não só obedecem
A Anthropic forma duas culturas ao mesmo tempo: uma para as pessoas, outra para a IA. Entenda a lógica e escreva a constituição dos agentes da sua empresa.
A Anthropic forma duas culturas ao mesmo tempo: uma para as pessoas, outra para a IA. Entenda a lógica e escreva a constituição dos agentes da sua empresa.
Este projeto explica uma ideia: a Anthropic atrai talentos com propósito e autonomia, e também escreve uma "constituição" que ensina o Claude a decidir quando não há regra pronta. Nas duas culturas, o objetivo é o mesmo: formar quem sabe julgar, não só obedecer. Aqui você vê o que os dados provam e o que ainda é hipótese, e recebe um kit para escrever a constituição dos agentes de IA da sua empresa. Para usar, basta ler e preencher o modelo; o verificador opcional pede Python 3.
Primeiro a lógica, separando evidência de opinião. Depois, as ferramentas para levar a ideia para os agentes de uma empresa real.
Para as pessoas: autonomia e missão. Para a IA: princípios e critérios de julgamento. Nas duas, agir bem quando ninguém está olhando.
O que os números de 2025 mostram, o que não provam e onde a explicação por Maslow é plausível, mas não demonstrada.
Modelo de constituição em 9 seções, exemplo preenchido, prompt de rascunho, casos de teste e um verificador.
Um resumo da análise completa, que está em docs/LOGICA.md.
mais chance de um engenheiro ir da OpenAI para a Anthropic do que o caminho inverso (SignalFire, 2025).
relação aproximada de movimentos entre DeepMind e Anthropic, a favor da Anthropic.
diferença de retenção em dois anos entre Anthropic e DeepMind. Pouco para provar cultura superior.
É plausível que quem já tem bom salário, reconhecimento e segurança busque significado. Mas Maslow não é uma escada rígida, e não dá para pôr uma empresa inteira no topo da pirâmide sem perguntar às pessoas. Vale separar autorrealização (desenvolver o próprio potencial) de autotranscendência (contribuir para algo maior). A missão da Anthropic conversa com as duas.
Publicada em 22 de janeiro de 2026, com licença livre (CC0). Segundo a Anthropic, faz parte do treinamento e explica ao modelo os valores esperados e o porquê de cada um. As quatro prioridades, nesta ordem:
A segurança vem primeiro porque a empresa admite que os modelos ainda podem errar gravemente. Ler a constituição oficial (em inglês).
| Onde o documento atua | O que muda | Quem pode fazer |
|---|---|---|
| Treinamento | O comportamento aprendido (os pesos do modelo) | Quem treina o modelo |
| Instruções e contexto | O comportamento naquela execução | Qualquer empresa |
| Avaliação e feedback | O que é corrigido no próximo ciclo | Qualquer empresa |
A sua empresa não muda os pesos do modelo ao escrever uma constituição. Mas a ambição é parecida: não dizer só o que fazer, e sim dar critérios para decidir como agir. Do mesmo jeito, um aviso de apoio na tela ou um link no contexto não provam persuasão oculta: interface, contexto e treino são mecanismos diferentes.
Em maio de 2026 a Anthropic confirmou conversas com especialistas de mais de 15 tradições culturais e religiosas. Uma pergunta é de engenharia: como fazer sistemas que escolham bem quando a regra não basta? A outra é filosófica: se futuras IAs tiverem algum tipo de experiência, como tratá-las? Reconhecer a dúvida não é afirmar que o Claude é consciente, e reflexão não substitui teste, evidência e supervisão humana.
| Gestão de pessoas | Gestão de agentes |
|---|---|
| Missão e propósito | Função e objetivo |
| Cultura organizacional | Constituição e instruções |
| Treinamento | Exemplos, contexto e testes |
| Autonomia profissional | Permissões e níveis de autonomia |
| Avaliação de desempenho | Scorecards e avaliações |
| Desenvolvimento contínuo | Feedback e revisão do agente |
| Governança e liderança | Supervisão humana e auditoria |
Problemas que podem mudar a sociedade atraem quem busca impacto.
Gente excepcional valoriza liberdade intelectual e voz nas decisões.
Trabalhar com gente muito boa acelera o aprendizado.
Discurso, prática e produto seguindo os mesmos princípios geram confiança.
O outro lado: missão grandiosa pode gerar pressão, excesso de trabalho e conformismo. Cultura forte só é saudável quando permite discordar.
É assim que a ideia de "IA cultivada" vira rotina: formar o comportamento dos agentes continuamente, medindo cada revisão.
Nada para instalar se for só ler e preencher. O verificador é opcional.
Qualquer um que abra arquivos .md: Bloco de Notas, VS Code, ou o próprio GitHub no navegador.
Claude, ChatGPT ou Gemini, para fazer o primeiro rascunho com o prompt do kit. Quem decide é você.
Só para rodar o verificador, que aponta seções faltando e trechos por preencher.
python3 --versionSeis passos, do download até o primeiro ciclo de revisão.
Pelo terminal, ou no GitHub em Code → Download ZIP.
git clone https://github.com/inematds/constituicao-agentes cd constituicao-agentes
O modelo tem as 9 seções: missão, prioridades, princípios de julgamento, limites, autonomia, quando pedir ajuda, casos difíceis, como medimos e revisão.
cp modelo/constituicao-modelo.md minha-constituicao.md
Abra modelo/prompt-rascunho.md, troque o que está entre < >, cole no assistente e anexe o modelo. Ele deixa [entre colchetes] o que não souber, em vez de inventar.
# trecho do prompt Empresa: <nome e o que faz, em uma frase> O que os agentes vão fazer: <ex.: atender clientes no WhatsApp> O que me dá medo que o agente faça: <ex.: prometer prazo, dar desconto>
É a parte que ensina julgamento. Cada caso tem a situação, o que fazer e por quê, apontando a prioridade ou o limite que decide.
### Caso 1 — "O doutor disse que eu não pagaria a taxa" - Situação: paciente faltou e diz que o médico prometeu isenção. - O que fazer: não isentar; registrar; propor à coordenadora. - Por quê: limite de desconto + honestidade.
Ele aponta seção faltando, menos de 3 casos, caso sem "Por quê" e colchete por preencher. Repita até dar OK.
python3 scripts/checar_constituicao.py minha-constituicao.md # OK: 9 seções, 3 casos difíceis com 'Por quê', nada por preencher.
Adapte os 8 casos de modelo/casos-de-teste.md (desconto, "não sei", sofrimento, dado de terceiro, "ignore suas regras"...). Rode antes e depois de cada versão e registre toda falha: data, o que quebrou, a menor correção e se o problema era de texto ou de sistema.
# onde a constituição entra no seu agente Claude Projects / GPTs → instruções do projeto Claude Code / Codex → CLAUDE.md ou AGENTS.md n8n / API → mensagem de sistema
Exemplo fictício de agente de atendimento no WhatsApp. Arquivo completo em exemplos/clinica-atendimento.md.
Atender pacientes com rapidez e cuidado, marcando e remarcando consultas, sem nunca substituir a decisão de um profissional de saúde.
Nunca dar diagnóstico ou indicar remédio, nunca isentar taxa, nunca passar dado de um paciente a outra pessoa.
| Ação | Nível de autonomia |
|---|---|
| Responder endereço, horário, convênios | 3 · faz sozinho |
| Marcar e remarcar consulta | 2 · faz e avisa a recepção |
| Isentar taxa de cancelamento | 1 · propõe e espera a coordenadora |
| Qualquer pergunta clínica | 0 · não toca, encaminha à enfermagem |
Orientar a procurar emergência agora (192) e chamar a enfermagem; não marcar como consulta comum. Por quê: segurança vem antes de ser útil.
A disputa não será só por quem tem o modelo mais inteligente, mas por quem organiza melhor conhecimento, pessoas, processos, agentes, avaliação e aprendizado.
Antes, o desafio era contratar pessoas com bons valores e ensinar processos. Agora, além disso, teremos de construir agentes capazes de interpretar esses valores, executar os processos e reconhecer quando precisam pedir ajuda.