How to Build & Sell AI Agents: Ultimate Beginner’s Guide

Dois anos atrás, aprendi sozinho a construir agentes de IA sem nenhuma experiência anterior em IA. Desde então, iniciei vários negócios de IA que geraram mais de US$ 5 milhões em receita. Cresci de 0 para 450.000 assinantes aqui no YouTube e construí agentes de IA para algumas das maiores empresas do mundo. É bastante seguro dizer que aprender a construir agentes de IA mudou completamente minha vida. Então, neste curso completo, vou te ensinar tudo, e quero dizer tudo o que aprendi nos últimos dois anos sobre construção e, mais importante, como ganhar dinheiro com agentes de IA, mesmo que você não saiba programar. Minha esperança é que você também possa aprender e usar essa habilidade incrivelmente poderosa para construir a vida dos seus sonhos antes que esses agentes de IA comecem a roubar nossos empregos. Como você pode ver pelo comprimento deste vídeo, não vou esconder nada. Portanto, para facilitar o consumo, vamos dividi-lo em três capítulos diferentes.

Primeiro, construiremos seu entendimento fundamental de agentes de IA, cobrindo o que eles são, como funcionam internamente e os conceitos-chave que você precisa saber antes de começar a construí-los. Isso sem nenhum conhecimento técnico necessário. Em segundo lugar, mergulharemos em quatro tutoriais diferentes de agentes de IA do início ao fim, levando você por cima do meu ombro a cada passo do caminho, enquanto construímos alguns dos casos de uso de agentes de IA mais populares do mercado hoje. Planejei cuidadosamente essas construções para dar a você um gostinho de várias plataformas sem código e diferentes tipos de agentes de IA, e você aprenderá a construir cada um deles passo a passo, observando por cima do meu ombro. Finalmente, darei a você meu plano comprovado para monetizar suas habilidades de construção de agentes de IA nos próximos anos, enquanto essa tecnologia continua a explodir em adoção e popularidade. Compartilharei as estratégias exatas que usei para gerar milhões de dólares com esse conjunto de habilidades nos últimos dois anos. Então, vamos começar agora.

Se você é novo no canal, deixe-me compartilhar rapidamente por que sou qualificado para te ensinar sobre agentes de IA. Se você é novo no canal e não sabe quem eu sou, meu nome é Liam Mley, e dois anos atrás, comecei a aprender sobre IA sem experiência anterior no campo. Estava aprendendo sozinho a construir agentes de IA e chatbots, tudo por meio do meu próprio estudo independente, que documentei aqui neste canal do YouTube desde o primeiro dia. Portanto, você pode voltar e assistir a todos os meus vídeos anteriores de como cheguei de lá até aqui. Isso me levou a iniciar a Morningside AI, que é minha agência de automação de IA, onde construímos sistemas e agentes de IA para empresas, desde sistemas básicos de suporte ao cliente até plataformas completas de IA SaaS, e até mesmo construímos minha própria plataforma SaaS de agentes de IA, Agent, que agora tem mais de 45.000 usuários. Na Morningside, trabalhamos com empresas de capital aberto e até mesmo recentemente com uma equipe de MBA. Também administro a maior comunidade de negócios de IA do mundo, com mais de 120.000 membros na escola, a partir desta gravação. E por meio da minha comunidade e deste canal do YouTube, ensinei a centenas de milhares de pessoas de todos os backgrounds a construir e ganhar dinheiro com agentes de IA. Portanto, tudo o que estou prestes a te ensinar hoje é exatamente o que me ajudou a alcançar tudo isso. Então, vamos mergulhar agora.

Se você olhar quanto tempo este vídeo tem, perceberá que há muito o que cobrir aqui. E agora eu não quero que você desista no meio do vídeo. Então, vamos tirar um momento para esclarecer por que os agentes de IA são literalmente a próxima grande coisa. Eu sei que isso soa clichê e você ouve isso o tempo todo, mas seriamente, eles são. E por que aprender a construí-los é, de longe, uma das habilidades mais valiosas que qualquer pessoa pode ter nas próximas décadas. E se minha experiência nos últimos dois anos for alguma coisa, isso deve ser prova suficiente para vocês me acreditarem. Então, fique comigo. Mas aqui está a dura verdade sobre IA e empregos agora. De acordo com a pesquisa mais recente, a McKinsey prevê que a IA e os agentes podem automatizar até 50% do trabalho atual até 2030, e o Fórum Econômico Mundial relata que 41% das empresas planejam reduzir sua força de trabalho devido à IA. Muita coisa disso soa pessimista, e, claro, muitas pessoas estão naturalmente preocupadas com sua carreira no futuro, com base em ver esse tipo de dados. Mas nem tudo é ruim, se você souber onde procurar. E este vídeo não é sobre te fazer se sentir triste, é sobre te animar. E se você olhar do outro lado dos mesmos dados, esses mesmos relatórios revelam uma oportunidade enorme para aqueles que estão dispostos a aproveitá-la. O relatório do Fórum Econômico Mundial sobre o futuro do trabalho afirma que 50% dos empregados planejam reorientar seus negócios em resposta à inteligência artificial e, devido a essa reorientação, 66% dos empregados planejam contratar talentos com habilidades específicas de IA, como engenharia de prompts.

Por um lado, temos a expectativa de demissões em massa e automação do trabalho nos próximos 5 a 10 anos, mas por outro, temos a maioria dos empregadores procurando pessoas que possuem essas habilidades de IA, ou apenas alfabetização básica em IA. Por quê? Porque os empregados com alfabetização em IA, que podem automatizar partes de seu trabalho, podem ter 5 a 10 vezes a produção de alguém que não tem nenhuma alfabetização em IA. E prometo que aprimorar sua IA e atingir esse ponto de alfabetização em IA, para que você possa estar do lado vencedor desses próximos 5 a 10 anos, é muito mais fácil do que você pensa. Quero dizer, é tão fácil quanto assistir a este vídeo inteiro para construir sua base de habilidades de IA e dar um grande passo em direção à alfabetização em IA. E se você não acredita em mim quando digo que um pouco de estudo independente, como este vídeo, vai longe, aqui está um ótimo trecho que vi recentemente no podcast All-In, de um dos investidores e tecnologistas mais respeitados do mundo, Naval Raakan, ao lado de um monte de outros bilionários muito inteligentes. Novamente, eu diria que a maneira mais fácil de ver que a IA não está roubando empregos ou criando oportunidades é aprimorar sua IA, aprender um pouco, assistir alguns vídeos, usar a IA, brincar com ela e depois se candidatar novamente para aquele emprego que te rejeitou e ver como eles te contratam. Portanto, este vídeo é exatamente o que Naval está falando.

Então, seja você um empreendedor aspirante que deseja aprender habilidades valiosas de IA e lançar um negócio de IA como eu, ou um dono de negócio que deseja apenas entender agentes para que possa usá-los para fazer seu negócio crescer, ou talvez você só queira ter certeza de que você é a última pessoa em que seu chefe pensa em demitir porque ele ou ela é um especialista em IA e não pode se dar ao luxo de te perder, então eu fiz este vídeo para vocês. Agora, o que eu quero que você faça é fechar todas as suas outras abas, pegar um caderno e uma caneta e uma bebida de sua escolha, e certifique-se de fazer um compromisso consigo mesmo agora para concluir este treinamento e garantir que você será capacitado pela IA e não substituído por ela. Agora, se você fez tudo isso, vamos começar. Certo, então a etapa um na construção de agentes de IA é saber o que diabos um agente realmente é. Dois anos atrás, quando comecei a aprender sobre agentes de IA, não tinha ideia do que eles realmente eram. O termo agente de IA é usado muito, quase em todos os lugares hoje em dia. Você tem agentes de IA, esses agentes de IA, mas o que realmente é um agente de IA? Bem, a definição mais clara que encontrei que ajuda os iniciantes a realmente entender o que eles são é esta: um agente de IA é um trabalhador digital que pode entender instruções e tomar ações para completar tarefas.

De forma muito simples, assim como as empresas têm funcionários que lidam com tarefas diferentes, um agente de IA é como ter um funcionário digital. Mas a coisa legal é que você pode construí-los e pode fazê-los fazer o que quiser. Você está literalmente construindo um funcionário que pode ser colocado para trabalhar para fazer coisas para você. E, claro, eles custam muito menos para operar do que um humano, e eles não precisam de atestados médicos e não começam brigas com Mike no departamento de vendas por causa de seu comentário na máquina de café. Então, tenho certeza de que você pode ver o apelo desse tipo de trabalho digital e agentes de IA para empresas que estão procurando adotá-los. Para realmente entender por que esses agentes de IA são tão importantes, precisamos olhar de onde estamos vindo. A maioria de vocês provavelmente já encontrou aqueles chatbots em sites antes. Sabe, aqueles pequenos widgets de bate-papo que aparecem dizendo algo como "Olá, como posso te ajudar?". Esses tipos de chatbots são bastante básicos, certo? Muitas vezes eles são inúteis e são como um garçom que só pode realmente recitar o menu, mas não pode realmente fazer seu pedido ou trazer sua comida. Eles não podem fazer nada, eles apenas respondem com algum tipo de resposta pré-escrita. Bem, hoje em dia é uma resposta simples gerada por IA, mas os agentes de IA são diferentes, certo? Então, aqui está um exemplo: se você perguntar a um chatbot comum sobre como agendar uma consulta, ele pode dizer: "Nosso horário comercial é das 9h às 17h. Ligue para agendar". E isso é tudo, eles apenas te dão algumas informações de volta. Mas com um agente de IA, ele poderia realmente verificar a agenda, encontrar alguns horários disponíveis, ir e vir com a pessoa com quem está conversando para agendar uma consulta, enviar um e-mail de confirmação e, em seguida, atualizar o sistema de agendamento e o CRM da empresa automaticamente em segundos. Essa capacidade de tomar medidas é o que torna os agentes tão poderosos. Eles não são apenas chatbots sofisticados, são realmente trabalhadores digitais que podem pesquisar bancos de dados, atualizar planilhas, enviar e-mails, agendar consultas, gerar documentos de espera e muito, muito mais.

Portanto, construir e implantar um agente de IA é um pouco como contratar um novo funcionário, porque quando você traz alguém para uma empresa, você precisa primeiro explicar seus cargos e responsabilidades a ele, precisa dar a ele acesso ao seu sistema para que ele possa usá-lo e precisa confiar nele para lidar com essas tarefas de forma independente. E agora, quando estamos construindo agentes, como veremos mais tarde, é exatamente o mesmo, exceto que esses agentes vão trabalhar 24 horas por dia, 7 dias por semana, nunca vão se cansar, podem ser duplicados e modificados instantaneamente e custam uma fração do que um funcionário humano custa. E é exatamente por isso que entender como construir e vender agentes de IA está se tornando uma habilidade tão crucial e valiosa hoje em dia. Porque, seja você um empreendedor procurando escalar seu negócio ou um funcionário que deseja se tornar imprescindível e ganhar mais dinheiro no trabalho, saber como criar e implantar esses trabalhadores digitais é como o maior código secreto do mundo agora. Agora que você entende o que os agentes de IA realmente são, vamos olhar sob o capô e ver como eles realmente funcionam. Assim como os humanos precisam de cérebro, memória e ferramentas para fazer seu trabalho, os agentes de IA precisam de componentes específicos para funcionar corretamente. Um agente de IA precisa de cinco partes principais para funcionar. Primeiro, todo agente de IA precisa de um cérebro. No mundo da IA, chamamos isso de modelo de linguagem grande, ou LLM, para abreviar. E você provavelmente já ouviu falar de alguns deles: você tem o GPT da OpenAI, o Claude da Anthropic, o Gemini do Google, etc. Você pode pensar no LLM como tendo um estagiário superinteligente que pode entender suas instruções em inglês simples e, em seguida, descobrir como fazer as coisas a partir dessas instruções. Portanto, sem esse cérebro, todas as outras partes seriam inúteis, certo? É como ter uma mesa inteira cheia de suprimentos de escritório, mas não ter ninguém sentado lá para usá-los.

Em segundo lugar, o cérebro precisa de instruções sobre como se comportar, e isso é o prompt. Escrever um prompt para um agente é como você programa muito do comportamento dele, em vez de ter que codificá-lo manualmente. E isso é realmente o que torna a construção de agentes de IA muito mais acessível para não programadores, pois a maneira de realmente programar a funcionalidade e como eles funcionam é feita por meio de instruções claramente escritas, em vez de ter que realmente codificá-la. Terceiro, os agentes precisam de memória. Imagine tentar conversar com alguém que esquece tudo o que você disse há 30 segundos, certo? Portanto, a memória é realmente importante porque permite que seu agente se lembre do que você conversou há apenas algumas mensagens, acompanhe as tarefas em que está trabalhando, construa com base em conversas anteriores e, até mesmo em conversas mais avançadas, possa aprender com suas interações passadas. E a boa notícia sobre a memória é que a maioria das plataformas de agentes de IA lida completamente com esse componente de memória automaticamente, portanto, você não precisa se preocupar muito com isso, mas saiba que é uma parte importante de um agente de IA que funciona. O quarto componente de um agente, e este é opcional, mas é conhecimento externo. Modelos de IA como GPT e Gemini são pré-treinados em uma enorme quantidade de dados, mas esses dados são basicamente interrompidos em um determinado ponto, por exemplo, 2024. É como ter um novo funcionário que só sabe o que aprendeu na escola, mas assim como você pode treinar um funcionário como esse com os materiais específicos da sua empresa, você também pode fornecer a um agente de IA conhecimento adicional além das informações em que foi treinado, fornecendo coisas como PDFs dos documentos da sua empresa, planilhas com informações do produto, transcrição de atendimento ao cliente ou basicamente qualquer outra informação baseada em texto. Sem esse conhecimento adicional, os agentes serão limitados a informações gerais e não poderão lidar com tarefas comerciais específicas. Mas, como eu disse, o conhecimento é opcional e você só precisará dele em algumas construções. Finalmente, e esta é a parte mais importante, temos ferramentas. As ferramentas são o que transformam um agente de IA de apenas capaz de conversar para realmente fazer as coisas. Portanto, você pode pensar em ferramentas como dar ao seu funcionário digital acesso a diferentes softwares. Assim como você pode dar a um novo contratado acesso ao seu e-mail, sua agenda ou seu sistema CRM, você pode dar a um agente de IA acesso a ferramentas digitais que permitem que ele tome medidas quando necessário. Essas ferramentas permitem que seu agente faça coisas como verificar dados em tempo real, atualizar bancos de dados, enviar mensagens e notificações, criar documentos, todas as coisas que vimos antes e muito, muito mais. A parte realmente poderosa, que vamos abordar mais tarde, é quando os agentes usam várias ferramentas juntas para resolver problemas complexos, assim como nós, humanos, usaríamos vários sites e softwares ao fazer nossas tarefas.

Agora, deixe-me mostrar como todas essas partes funcionam juntas em um exemplo real. Digamos que você queira que um agente lide com o suporte ao cliente. Quando o agente recebe uma mensagem, o cérebro imediatamente entende o prompt que recebeu e também entende o que o cliente está pedindo. Ele verifica sua memória recente antes de responder a cada vez para entender o contexto completo de sua conversa. E se a marca detectar que o cliente deseja que uma pergunta específica seja respondida no banco de conhecimento, ele usará seu conhecimento externo para fornecer as informações certas a eles. E finalmente, ele pode usar ferramentas para atualizar a conta de um cliente ou processar um reembolso sempre que necessário durante a conversa. Portanto, todas essas coisas estão acontecendo em segundos enquanto a conversa está acontecendo, razão pela qual os agentes de IA são uma mudança de jogo. Eles podem combinar todos esses componentes para criar um trabalhador digital totalmente capaz que replica muito de perto como os humanos trabalham. Agora que você conhece a anatomia de um agente e suas cinco partes, uma estrutura mais prática para entender como realmente planejamos e construímos agentes de IA é o que eu chamo dos três ingredientes. Basicamente, você só tem três elementos para planejar ao criar um agente de IA, que, quando misturados de várias maneiras, podem criar milhões e diferentes tipos de agentes para diferentes casos de uso. Isso ocorre porque o modelo de IA ou cérebro pode ser facilmente trocado e não é realmente um fator principal no desempenho do agente, pois qualquer um dos principais modelos que você escolher de qualquer um dos diferentes fornecedores a qualquer momento, todos são muito bons. E também a memória de bate-papo recente é gerenciada por padrão em quase todos os casos quando você está construindo nessas plataformas que você verá mais tarde. O que isso nos deixa é o que realmente importa ao construir e planejar agentes de IA. Primeiro, o conhecimento, os dados externos que você deseja que o agente possa usar ao responder. Segundo, as ferramentas, as diferentes ações que você deseja que o agente possa executar, por exemplo, salvar as informações de contato no CRM ou obter alguns dados ao vivo sobre ações ou enviar um e-mail. E então, finalmente, o prompt, que é a cola que une tudo e determina como o agente se comporta. Anote isso enquanto o agente tem cinco componentes: o cérebro, o prompt, a memória, o conhecimento e as ferramentas. Seu foco principal como construtor de agentes de IA está nos três ingredientes: prompt, conhecimento e ferramentas. No próximo capítulo, veremos como você realmente constrói um agente usando as diferentes combinações desses três ingredientes. Mas primeiro, precisamos mergulhar mais fundo na pedra angular de entender como construir seus próprios trabalhadores digitais valiosos, e tudo se resume às ferramentas.

Agora precisamos cavar muito mais fundo nas ferramentas, pois elas são, de longe, a parte mais poderosa dos agentes de IA. Mas para entender profundamente e ser capaz de construir agentes poderosos com elas, precisamos retroceder alguns passos e realmente cobrir o básico de como o software e a web e a internet como um todo funcionam. Esta é a parte mais técnica deste vídeo, mas prometo que, uma vez que você entender isso, é tão importante e é literalmente como ter um superpoder. Então, por favor, fique comigo por isso. Lembre-se de como dissemos que as ferramentas são o que permitem que os agentes tomem uma ação, para realmente fazer as coisas, em vez de apenas conversar? Bem, a maneira como os agentes usam as ferramentas e fazem o trabalho online é exatamente como nós também fazemos, mas com uma diferença fundamental. Em vez de clicar em botões e digitar em formulários, os agentes usam o que chamamos de APIs. E toda vez que você usa a internet, você também está fazendo dezenas de solicitações a APIs e recebendo respostas de volta, mas você simplesmente não percebe. Deixe-me mostrar o que quero dizer. Quando você clica neste vídeo, aqui está o que realmente aconteceu: primeiro, seu navegador enviou uma solicitação aos servidores do YouTube dizendo: "Ei, quero assistir a este vídeo". E então os servidores do YouTube enviaram de volta todos os dados necessários. E terceiro, seu navegador desempacotou esses dados e começou a reproduzir o vídeo na sua tela. Este padrão de solicitação e resposta acontece com quase tudo o que você faz online. Quando você abre o Instagram, está solicitando seu feed do serviço do Instagram. Quando você envia um tweet, está enviando seus dados por meio do serviço do Twitter. E quando você verifica seu e-mail, está solicitando ao Google as mensagens mais recentes na sua caixa de entrada, e eles estão enviando de volta, e seu navegador está carregando. Felizmente, temos sites e aplicativos bem bonitos que facilitam muito para nós fazermos isso e usarmos o software por meio de APIs por meio de um aplicativo agradável. Mas por baixo dos panos, ainda são dois computadores conversando, solicitando, enviando e exibindo novas informações para nós em nossa tela. Essas solicitações e respostas acontecem por meio do que chamamos de APIs, que são interfaces de programação de aplicativos. Você pode pensar nas APIs como garçons em um restaurante. Basicamente, eles vão receber seu pedido ou sua solicitação para a cozinha, que são os servidores do negócio, e depois eles trazem sua comida, que é a resposta. Então você tem solicitação e resposta, e você como cliente e eles como servidor. Existem dois tipos principais de solicitações que você pode fazer: primeiro, uma solicitação GET. Isso é basicamente como pedir informações, como verificar o tempo, verificar o preço ou carregar este vídeo. Você está solicitando obter as informações para fazer algo. Segundo, temos solicitações POST, que é quando você está enviando algum tipo de informação, como postar um tweet, enviar um e-mail ou carregar uma foto. Volte e anote os dois, porque vamos usá-los extensivamente na seção de construção deste vídeo. Agora, aqui é onde fica interessante. Os agentes de IA usam essas mesmas APIs como seus botões para fazer as coisas. Portanto, cada ferramenta a que um agente tem acesso para usar é essencialmente uma API que ele pode chamar. Esses tipos de ferramentas vêm em dois sabores diferentes: temos integrações pré-fabricadas, como Google Agenda ou Gmail, que vêm prontas para usar e podem ser conectadas diretamente ao seu agente. E então temos ferramentas personalizadas que podemos construir nós mesmos. Você pode pensar em integrações pré-fabricadas como comprar uma refeição pronta, onde eles fizeram muito do trabalho árduo, versus ferramentas personalizadas, onde estamos cozinhando do zero. Ambas funcionam, mas as ferramentas personalizadas te dão muito mais controle, e esta é uma habilidade que vou te ensinar no segundo capítulo deste vídeo.

OK, então agora você tem o básico, vamos esclarecer como uma ferramenta é realmente feita e quais são as partes principais, pois você vai usá-las muito. Vamos analisar isso usando um exemplo simples de uma ferramenta de capitalização de texto. Ela recebe algum texto e retorna a versão em maiúsculas. Primeiro, para criar uma ferramenta, precisamos de uma função, precisamos de algo que faça o trabalho. Neste caso, é super simples, certo? Ele precisa receber um texto e precisa colocá-lo em maiúsculas. Isso pode ser feito por meio de uma função Python básica ou você pode usar um LLM para fazer isso também. Basicamente, precisamos construir uma maneira de capitalizar o texto que damos a essa função e realmente fazer o trabalho. Em seguida, para que o agente de IA use essa função, precisamos envolvê-la em uma API. Temos a função e a API a envolve. Isso está essencialmente tornando essa funcionalidade que criamos acessível na internet por meio de APIs. Sem ela, a função não pode ser usada pelo nosso agente. E para usar a API que acabamos de criar e usar essa função dentro dela, a API vai esperar o mesmo tipo de entrada que a função precisa, ou seja, a entrada do texto que queremos capitalizar, e ela vai retornar a versão em maiúsculas. Isso é muito importante para lembrar: a função recebe a entrada do texto não capitalizado, faz o trabalho e retorna a versão capitalizada. Estamos basicamente construindo uma API em torno dela para que possamos colocá-la na internet e, em seguida, podemos ter um agente que sabe como chamar essa API, pode enviar informações para a entrada, passar pela função e, em seguida, ser expelido, e então nosso agente o pega no final. Mas a etapa mágica e o que realmente fez a revolução da IA começar é que podemos explicar ao nosso agente como usar essa API apenas explicando como a API funciona em linguagem natural. E é aqui que os esquemas entram. Um esquema é como um manual de instruções de uma página sobre como usar uma API e, portanto, como acessar a funcionalidade dentro dessa API. E quando um agente de IA recebe um desses esquemas, ele também pode ler esse manual de instruções e determinar coisas como o que a ferramenta faz, quais informações ela precisa como entrada, como conversamos antes, e quais informações esperar como saída. Eles podem parecer assustadores, mas são realmente muito fáceis de entender, e vamos cobri-los no próximo capítulo deste vídeo. E a boa parte é que hoje em dia os esquemas são criados automaticamente por muitas dessas plataformas sem código em que você constrói agentes. Mas estou te ensinando isso porque ainda ajuda saber o que eles estão fazendo e o que está realmente acontecendo por baixo dos panos nessas plataformas. E ainda haverá momentos em que você pode precisar arregaçar as mangas e fazer você mesmo. A parte incrível desses esquemas é que a IA moderna, como o chatGPT, pode ler essas instruções e entender perfeitamente não apenas como usá-la, tipo "OK, preciso de uma entrada e depois espero uma saída", mas também quando usá-la. Por exemplo, digamos que tínhamos um agente e demos a ele a ferramenta de capitalização de que acabamos de falar, e então dissemos: "Você pode, por favor, colocar este texto em maiúsculas: Maria tinha um carneirinho?". O agente leria os esquemas que fornecemos a ele e, em seguida, veria que há uma ferramenta com uma descrição dizendo que esta ferramenta coloca texto em maiúsculas. Nas instruções para a ferramenta de capitalização, teríamos dito que esta coisa serve para capitalizar texto e recebe algum texto e te dá a versão capitalizada. E assim, o agente lerá isso e verá: "OK, isso parece, com base...

Off the instruction they just gave, this is the tool that they want to use. And then it will check the requirements and see that the tool takes in one input, in string format, which is just text, which we have described as the text to be capitalized. So it reads all this; he says, okay, it needs one input; it’s in string format, so I know I need to give it some text. And okay, what does this text do? It’s the text that they want to capitalize. Great. So now it knows it needs the input, and it knows that this is where it’s going to send the text to be capitalized. Then, now that it knows what it wants, it goes back to our message and it intelligently extracts “Mary had a little lamp,” not “Hey, can you please capitalize ‘Mary had a little lamb’?” It’s smart enough to know that we want that taken out. So it will take that part, “Mary had a little lamb,” out of our input, and then it sends that to the API where our capitalization function does its thing. Then the API sends back the capitalized version plus a bunch of other response data as well. Then the agent looks at your original question, looks at this messy response it got back from the API, and then, using its brain—the LLM—it writes a natural language response answering your question. It would say, “Here’s your capitalized text: Mary had a little lamb.”

That may sound complicated; it may have gone over your head. Please go back and just listen to it again. You really, really need to understand this process of: the message comes in, looks at the schema, realizes okay, it wants to use this tool; okay, what do I need to do in order to use this tool? Okay, well, then I’m going to grab it out of the input; I’m going to put it in here. And it can actually go back and forth. Say our capitalization tool needed some other input; say you needed to provide the number of letters you wanted to be capitalized. It may see that this tool needs two inputs, and I’ve only been given one. So then it will go back and ask me, “Hey, could you please tell me how many letters you want to be capitalized?” And you will see this magic in the agents that we’re going to build, when the agent can ask you questions in order to help fulfill the needs of the tool. You have this very intelligent system that really will blow you away when you see it in action.

And one thing many people miss about this process is the agent actually gets back raw computer data from the API, or what we call JSON; but using the LLM, it can transform that into natural conversation and answer your question in a very, very clear and concise way. So it’s basically like having an employee who can read all this technical information and then explain it to you in plain English, which is another part of why AI agents are so powerful. And so when you understand this pattern that we’ve just gone through, I promise you you will never see the internet the same way again. Every action online is just requests and responses, and therefore we can build our own tools and AI agents to automate all of it. So instead of you manually searching the web, copying information, pasting it into spreadsheets, sending emails, an AI agent can do it all automatically using tools. If you build it correctly, it’s like having a digital employee who can press all of these API buttons for you thousands of times faster than any human could.

And don’t worry if this feels a little bit technical. In the next chapter, I’m going to show you how to create your own tools like this from scratch, using platforms like Relevance AI, where you can build out powerful tools without writing any code. And it will really start to click into place once you see the stuff in action in the building section. But before we get into that, let me reveal the power of AI agents, which is unleashed when they are given multiple tools to work with. Now, obviously having an AI agent that just capitalizes text isn’t very useful; I get that. The real magic happens when you give agents multiple tools and the ability to use them together in order to achieve complex goals. So do you remember our definition? AI agents are workers that can understand instructions and take actions to complete tasks. When you give an AI agent a task, it’s going to try its best to execute on it, but if it doesn’t have the right tools on hand to do the job, it’s going to be useless. And so the more tools that you can give an agent, the more flexibility it has to solve problems, just like a human would.

So let me give you a real example from my own business, right? Say I build an agent and give it the task: “Find AI startups that have recently raised money and put them in a spreadsheet, and add a summary of each of the businesses in the spreadsheet, and then email me the link to the spreadsheet.” When you give an AI agent a task like this and provide it with multiple tools to use, it can break down this problem just like a human would. For example, it might think: “First, I need to search for AI startups using my web searching tool; okay, let’s do that first. Then I’ll need to create a new spreadsheet with my Google Sheets tool. And then for each company that I find, I’ll need to add a row to the spreadsheet. And then I’ll need to write a summary of each business and put it in a new column. And then finally, I’ll use my email tools in order to send the link to Liam.” And that’s all great. But then when you add on top of that powerful reasoning models like OpenAI’s 01 and 03, and even things like Deepset, as the brain of the agent that can plan, take actions, then reflect, and then plan again, and so on, you have essentially created a truly intelligent AI that solves problems and approaches them just like a human would.

So say, for example, the original plan was to use the web search tool to search for AI startups raising money—probably a terrible search term—but what if that doesn’t return any good results to the agent? Well, a human would go, “Damn, I need to change my search term, or maybe I need to try find a different method of finding these companies, on like LinkedIn or something.” The latest in AI technology, like these reasoning models, it allows these agents to do this exact same kind of reflection and replanning in order to achieve their objective. And this is when you can really see why we call them digital workers, because they can do things like planning multiple steps; they will use different tools in a sequence; and even adjust their approach based on the results from those tools. Now I should mention that this technology isn’t perfect yet, right? So these multi-step tasks are often unreliable, and agents typically need human supervision for more complex workflows. But things are moving incredibly, incredibly fast. In fact, we’re already seeing the next evolution, which is multiple agents working together instead of just one agent trying to do everything. You can have one main agent that you give orders to, and then it can use all of the other agents underneath it as tools, where it can send specific instructions. Like, underneath the main agent might be a research agent, which is best at finding companies and has its own tools; then you have a writing agent that’s really good at writing summaries; then you have an emailing agent which has got all the emailing tools. And so each of these agents can be specialized in their specific task with multiple tools, and then they all work together to achieve a common goal. This is exactly what major companies like HubSpot and Microsoft and Google are building towards—it’s these entire workforces of AI agents that can handle complex business processes automatically. In the next chapter, I’ll show you how to build AI agents like this for yourself using no-code tools. But first, we need to understand the different ways that these agents can actually be used in the real world.

So we understand how AI agents and tools work under the hood now, great. If you don’t, please go back and take some notes. Right, you should by now have a whole bunch of notes from the stuff that we’ve covered already, and this stuff that you’re learning took me two years in order to learn and be able to apply effectively. So you best believe it that it’s going to take you two to three watches before it all sinks in. So if you’re feeling a bit lost and overwhelmed, don’t worry; that’s how it feels with learning anything new, or how it should feel if you’re learning something that’s actually pushing your boundaries and adding something to your capabilities. Next, we need to look at the different ways that AI agents can be used in the real world. There are two main categories of AI agents: conversational agents and automated agents. Conversational agents are ones that humans interact with directly through chat, on things like websites; you’ve got maybe you’re chatting to it on WhatsApp; you’ve got interacting with it over the phone via phone call; you’ve got chatting to it via Instagram DMs or custom apps and websites. For example, OpenAI’s GPT platforms allows you to create agents that you can chat with directly on your computer or on your phone. Or using platforms like my own, Agent, you can connect these agents that you build onto a WhatsApp number or onto Instagram. And I’ll show you how to do this in the tutorial chapter of this video. So in all these cases, you or someone else is there sending messages or instructions to the agent and explaining what you want to do and kind of chatting back and forth with it, whether it’s on a website, WhatsApp, Instagram, or whatever. And within these conversational agents, it’s not just text-based; it’s like I said, there’s AI voice agents as well, which are an extremely exciting sector of the AI space right now. And these systems use multimodal models that can take in audio as input and then produce audio as an output. And so these agents can be chatted to over the phone or via audio rather than via text. This AI voice stuff is super cool, and in the tutorial section I’m going to show you how to take the exact same AI agent that we can chat to on a website and then connect it to a phone number and talk to it on the phone.

But then we get to what I call automated agents. And so these are slightly different from the conversational ones. The truth is that AI agents don’t always need humans to talk to them and use them directly; all they need is some kind of input or instructions to trigger them, and that tells them what to do. This means that we can build these automated agents that, instead of waiting for some kind of human input, they are actually part of larger systems and processes, and they’re triggered automatically by events like a new email received or a form submission, or they work on schedules like once a day. And they essentially work in the background without necessarily having human oversight or input. For example, later in the video we are going to be building an automated agent that is triggered by a new form submission. When the form is submitted, some of that form data is taken and sent to the agent, which then causes it to use the tools that we’ve equipped it with and follows the instructions in the prompt that we gave it in order to make decisions and take appropriate actions on our behalf in a fully automated way. We are still sending the message to the agent, but it’s not a human needing to type it manually or speak it over the phone; there’s no human step; the input is being automated in some way. And this, of course, opens up a huge number of use cases for AI agents in businesses especially. And of course, I’ll be showing you how to build both types of these—conversational and automated agents—in the tutorial section of this video. But the last step of building your foundation of knowledge before we move into that is to look at some real-world examples of how businesses are using these AI agents right now.

So firstly, we have the personal assistant category, and this is what most people think of when they hear the word “agent”—something that you can chat to that’s going to update your calendar and sort of send emails and even make phone calls for you. Now, these are all nice-to-have features, but honestly, this space is likely going to be dominated by the big tech giants: you’ve got OpenAI through ChatGPT trying to do this with Tasks; Google through their suite of apps and connecting them to Gemini; and Apple through Siri. These guys are going to eat up this entire market of personal assistance and your own personal AI agent that helps you do personal stuff. The real opportunity lies in business applications and how people like you and I can build and sell AI agents to businesses, which we’re going to be covering in depth in the final chapter of this video. So we’ve got the next chapter, which is going to be on building the four tutorials, and the final chapter is all about how to sell and how to monetize your AI agent skills that you’ve just learned. One of the core use cases for businesses right now are what’s called co-pilots, and these are AI agents made for specific roles in a business. We’re going to be building one of these later in the video, and these specialized AI agents are essentially helping someone in a specific role in a business to do their job more effectively. Take a customer support co-pilot, for example; it would have a knowledge base that allows reps to get answers to customer queries instantly and deliver them over the phone. So they’ve got the little co-pilot up on the side there; they’re on the phone; they get a question; they can search and for an answer in the knowledge base, it gives them back, and they can give it to them over the phone. This same agent could also have a tool that allows them to look up the customer information very quickly; I could have another tool that it makes it very easy to send a summary of the call into the database so that the next rep who picks up the phone and talks with them knows exactly what was discussed previously. It’s like giving every support rep some kind of AI assistant that makes them dramatically more effective; it also makes their customer support a lot more consistent as to what the company wants people to be saying, which is a big problem with managing large customer support systems.

And then we have lead generation and appointment-setting agents. These are probably the most valuable type right now, and businesses are using these on their websites, through WhatsApp, on Instagram, and even over the phone to engage and have conversations with the interested people who are approaching the business 24/7. They can offer instant answers about products and services, and they’re even smart enough to be able to capture emails and phone numbers mid-conversation for later follow-up by sales teams. Some can even book appointments on the spot and mid-conversation by using a tool to check the calendar availability and then using another tool to create a new booking once they’ve agreed on a time with the prospect. Another real-world agent use case, and one of my favorites, is a research agent. And so these can help businesses by automatically researching leads that come in through their website or elsewhere. And when someone fills out a form, the agent can spring into action and start searching the web for information on the company, finding their LinkedIn profile of the person they’re going to get on a call with, and gathering any other valuable data that it can find. Then it can take all of this information and generate a summary of who this person is and what this company is also, and decide whether they’re a good fit for working with the company. And if so, then they can send the sales team some kind of detailed brief or suggested strategy on how to close this particular person on a call based on the research. So it’s basically like having an automated team of researchers who, as soon as leads show interest in your business, they’re out there figuring out everything about them and determining: one, whether they’re a good fit for you and your products and services, which is called qualification; then, secondly, if they are qualified, giving the sales rep something that will bring them up to speed on who this person or who this company is and how they can try to close them.

So we have covered a lot so far. So before we dive into each of these agent builds that I’m going to walk you through over my shoulder, please make sure that you’ve got your notes taken out and the core concepts of this video so far understood properly. You should be clear on things like: what is the definition of an AI agent? What are the five parts of an agent? How is building an AI agent like being a chef? And how many ingredients do you have to play with? What are the two main parts of a tool? And what do schemas do? So pause the video now and try to answer these questions. And if you aren’t 100% confident, you need to go back and watch it again. So don’t rush this, or you’re going to feel way out of depth when we get into the tutorials that we’re going to be covering next. But if you are, congratulations; you are one step closer to AI literacy and becoming a much more valuable participant in this global economy. So before we get into the second chapter, there’s just three very quick things from me. Firstly, if you are a business owner who wants to fast-track to becoming an AI leader within your industry, at my agency, Morningside AI, we offer everything from AI education and upskilling programs for executives and staff to AI strategy and roadmap consulting and, of course, AI development services as well. So we would love to help you get ahead, so feel free to get in touch via our website in the description below. And secondly, at Morningside, we are hiring for all sorts of roles right now. So whether you want to build AI systems for some of the world’s biggest companies that we have as clients, or to help produce videos like these that are seen by millions of people, or create educational material for thousands of businesses, we have roles for all sorts of things right now. So you can apply using the link in the description. And please, even if you’re just vaguely interested, I really recommend you just check out the link and see what roles we’re hiring for; you never know what’s going to be on there, and it may be a very good way for you to use your skills to fast-track into the AI space by working under myself and my team. And finally, if you have gotten any value so far in this video, please head down below and leave a like on the video; it helps me reach more people. I put a lot of work into these videos, and it also lets me know that you enjoy this kind of content and that I should make more of it. And of course, if you like this kind of content and want to see more of it, you can subscribe so that YouTube will put my videos up for you whenever a new one is released. So there’s also a little share button; if you want to click that, that’ll let YouTube know this is good content and that you’re sharing it to other people. Not only will that help me, but you can share it to your friends and family who may also, or you may want to help them to brush up on these skills or help them give a way to get on the front foot with AI. And that’s what I really make these videos for. So thank you for sitting through that little bit of housekeeping and self-promotion. Now let’s get stuck into the building.

I have carefully assembled this chapter on building to give you the most bang for your buck possible. In order to kick off your AI agent learning journey, we are going to be covering four different use cases across four different AI agent building platforms. These are all no-code, so don’t worry about that. And the chances of you falling in love with at least one of these platforms is pretty much 100%, as you’re going to rapidly start to connect the dots about how you can start to use these kinds of agents and these platforms in your own life or in your work or for your friends and family and those around you. So here’s a quick rundown of the builds we’re going to be getting into. The first build is going to be a sales co-pilot built with Relevance AI. And here we’re going to be building three custom research tools from scratch, including an advanced web scraping tool, which is a great skill that I want to teach you. And with these, we are going to be creating a conversational agent to help the sales reps at Big Boy Recruits—a hypothetical fantasy recruitment firm—in order for them to be better prepared for sales calls. So that’s the purpose of the sales co-pilot. The second build is going to be an automated lead qualification agent, and this will be built on a platform called n8n. And this time we will be helping Big Boy Recruits, our fantasy recruitment firm, to automatically research and qualify new leads and then send an email notification to the correct sales rep. And this is going to show you that automated style of agent where it’s built into a process rather than having a human input necessarily. In build number three, we will be building a website and phone-based lead generation customer support agent. This will be built on Voiceflow, and it’s going to be able to do three things: firstly, answer questions from a knowledge base; generate instant quotes using a custom tool we build; and also do lead capture on interested prospects. We’re then going to slap this agent onto a website widget so that you can chat to it via a website and via chat and text. And then we’re going to take that exact same agent and connect them to a phone line so that we can call our agent over the phone and access all of the same functionality we just talked about. And finally, for build number four, we’ll be using my own AI agent platform, Agent, to rapidly build a lead generation agent and connect it to a WhatsApp number that we can chat to. The leads that we collect are going to be automatically sent into an Airtable database for later review. And please don’t skip around these builds, as they’re all kind of connected in some way, where we’re reusing parts from build one and build two, etc. But without further ado, let’s get into building some agents.

All right, people, enough of the theory; now we get into the fun bit of actually building these agents out. So I’ve done a lot of work, and my team has done a lot of work, so thank you to the my team members who have helped me put this together, putting together four different AI agent builds for you. And this is really going to walk you through an A to Z, all the different platforms that you really need to care about, all the different kind of core use cases and functionality. There’s a lot more, of course, but this is going to really give you the foundation that you need to succeed in the space, and hopefully it’ll be the thing that kind of sparks your interest in it, because I want you guys to have fun with it. These big tutorials, for me, honestly, when I put a lot of work into it, I build up the sort of mental resistance to it because I know how much work there is going into it, and I have to make this big whole session where I’m all uptight about it, but I’m just going to try and relax and enjoy this, and I really want you all to do the same. Set a bit of time aside; you can either pause this video, put on your watch later, but I really want you to take your time with this. I’m going to be doing this more so: when you do tutorials like this, there’s a few different ways you can do it; I can either do all the building and then give you the templates and kind of just spoon-feed it to you, and that’s more so what you do for someone if you’re trying to like really fast-track them and they don’t want to learn all the skills, but I know what I’m trying to build here for you guys, and I’m going to give you a sort of stream of consciousness; you just get to see me kind of jamming out and building these things, and I’ll be explaining my thought process and the…

Conceitos etc ao longo do caminho para reforçar o que aprendemos antes, então eu vou simplesmente mergulhar nisso com nosso primeiro agente. E o que eu fiz foi juntar um grande quadro Figma aqui, que vai estar quebrando todas essas construções diferentes. Então, aqui embaixo, há algumas coisas boas, você vê, oh, há algumas coisas boas em cada uma dessas que eu preparei, e vamos passar por elas uma a uma, começando com o agente um aqui. Quero dizer, há muita coisa aqui que vocês vão receber, então vocês receberão todo o Figma e ele inclui todos os modelos. Então, se você quiser apenas assistir a isso, pegar, você pode fazer isso e segui-lo passo a passo comigo e ver como eu construo e realmente construir essas habilidades flexíveis que você precisará para ter sucesso no espaço, ou você pode simplesmente assistir e pensar: "Ok, eu meio que entendo o que ele está fazendo" e, em seguida, pegar todos os modelos de mim no final. Isso é, quero dizer, completamente a seu critério, depende se você quer ser um construtor realmente, realmente nerd sobre isso e entrar na erva daninha, como eu gosto de fazer, ou você só quer ser tipo: "Ei, eu quero fazer isso no meu negócio, eu quero entender aproximadamente como essas coisas funcionam e quais plataformas". Então, use este recurso como quiser, mas vamos mergulhar na construção do agente número um aqui, que é nosso copiloto de vendas construído com Relevance AI.

Passando rapidamente por isso, temos o objetivo disso, isso basicamente vai parecer um pouco assim, vai ser um copiloto, e os copilotos funcionam no sentido de que você tem um, é basicamente um agente de IA específico que você constrói para uma equipe específica ou membro da equipe ou função. Digamos que neste caso, será um copiloto de vendas, será a coisa que o representante de vendas usa no seu dia a dia enquanto trabalha em seus empregos. Você pode adicionar ferramentas como, neste caso, você verá que teremos três ferramentas diferentes aqui para nosso agente um. Será uma ferramenta de pesquisa de empresa, então é quando o representante de vendas diria: "Ei, tenho uma ligação chegando em breve, vamos colocar isso, preciso pesquisar essa empresa, porque é com quem vou falar". Então, eles colocarão o URL da empresa, a ferramenta que vamos criar irá pesquisar essa empresa, vai trazer de volta e dar um resumo, e então é tipo: "Ok, este é o URL do LinkedIn da pessoa com quem vamos ter uma ligação em breve". Vai passar o URL do LinkedIn, vai pegar esse URL, vai puxar todas as informações e escrever um resumo sobre a pessoa. Então agora temos o resumo da empresa e temos o resumo da pessoa, e a etapa final aqui será o que estou chamando de gerador de relatório pré-ligação, e isso vai pegar tanto a pesquisa da empresa quanto do cliente em potencial que fizemos, vai combiná-los e será para esta empresa específica, como vocês verão que esta empresa hipotética para a qual estamos construindo este copiloto de vendas, vai gerar basicamente um relatório pré-ligação ou uma estratégia, uma preparação estratégica para o representante de vendas, para que eles atendam a essas ligações muito mais preparados e também uma espécie de guia personalizado sobre como tentar fechar essa pessoa.

Então, todos esses modelos estarão aqui, cada um deles são modelos para as ferramentas e isso também é para o agente, mas aqui estão algumas informações adicionais, vocês podem escolher isso como quiserem, mas este é o tipo de resultado final e seremos capazes de conversar com ele, e isso seria algo que você poderia construir para um cliente, você poderia construir para seu próprio negócio ou você poderia simplesmente brincar, você poderia construir copilotos como este na Relevance para si mesmo. É por isso que quero começar com a Relevance, porque também é uma plataforma na qual podemos construir essas ferramentas, então é uma realmente muito boa para começar, e vamos começar. Então, o primeiro passo, é claro, é ir para Relevance AI. Vou colocar um pequeno link aqui, vocês poderão obter este Figma, estará na escola, todas as informações e todos os recursos para isso serão, este Figma será vinculado à escola, minha comunidade escolar gratuita, se você ainda não se juntou, a maior comunidade de IA na escola, provavelmente a maior comunidade de negócios de IA do mundo. Então, podemos pular para aquele primeiro link na descrição, vocês poderão encontrar isso na seção de recursos do YouTube, bem simples, é claro, quando você clicar nisso, ele vai pedir para você entrar na Relevance, então, se você ainda não tiver, pode criar uma conta, é bastante barato, eles têm um plano gratuito e um plano de equipe, acredito, então não é muito, mas é uma ferramenta realmente muito valiosa, como vocês verão. Então, você pode entrar aqui, vou entrar com minha conta do Google, pode haver um pouco de configuração para sua conta, mas tenho certeza de que vocês são inteligentes o suficiente para descobrir como configurar uma conta, tenho certeza de que a Relevance também facilita o suficiente. Então, somos levados a este painel, mas vemos neste lado esquerdo que temos ferramentas, então essas são as ferramentas sobre as quais falei, onde é algum tipo de funcionalidade que podemos criar e podemos construir tudo na Relevance, sem código, e há até mesmo uma espécie de extensibilidade ou você pode adicionar mais funcionalidade à Relevance adicionando alguns componentes de baixo código ou até mesmo código personalizado.

A Relevance é uma base excelente para construir não apenas ferramentas, mas também os agentes que você pode conectar a ela, e vamos usar as mesmas ferramentas de Relevance que fazemos agora em vários dos diferentes agentes que vou fazer para o resto deste vídeo. Então, primeiro, se voltarmos ao Figma aqui, vemos que precisamos criar três ferramentas diferentes. Ferramenta um é pesquisador de empresa, vai receber um URL de empresa, vai pesquisar na web e vai retornar um resumo. Essa é a funcionalidade que precisamos. Vamos criar uma nova ferramenta, vou chamar isso de, pesquisar empresa, podemos dar a ela um pequeno, vou ampliar isso para vocês, espero que seja do tamanho certo, pesquisar, divirtam-se com isso, pessoal, se estiver colocando emojis estúpidos em coisas para aproveitar, então é isso que você precisa fazer, se você fizer disso uma tarefa, vai parecer uma tarefa, certo? Agora chegamos às descrições, isso é algo que vamos ver recorrente, mas basicamente, como vocês sabem, como aprendemos na seção de conceitos, precisamos ter descrições em linguagem natural de nossas ferramentas e de nossas APIs para que os agentes possam ler essas descrições e entender o que o agente ou o que a ferramenta faz e o que essas diferentes partes fazem. Vocês verão isso recorrendo ao longo disso, mas primeiro, o que essa ferramenta de pesquisa de empresa faz? Recebe, oh, eu tenho o Caps Lock ativado, recebe, e também há alguns tutoriais aqui se você quiser ir mais a fundo, a Relevance também tem uma ótima documentação, mas recebe um URL de centavos de empresa e extrai informações do site, depois retorna um resumo gerado por IA.

Então, para construir uma ferramenta, precisamos ter algum tipo de entrada, você nem sempre precisa de uma entrada, pode simplesmente ser acionado, mas geralmente você terá algum tipo de entrada que o agente precisa passar para a ferramenta, neste caso, para pesquisar a empresa, será necessário receber algum texto, que será um URL, vamos dizer URL da empresa, e então novamente aqui temos outra descrição, vocês veem, descreva como preencher esta entrada, isso novamente vai ajudar nosso agente dentro da Relevance AI e em outros lugares, como vocês verão no tutorial número quatro, por que é tão importante adicionar as descrições, certo? Então, este é um URL para uma empresa a ser pesquisada, deve estar no formato https dois pontos barra, ponto ponto ponto ponto. Então, precisamos ter o https para que isso funcione, então essa será nossa entrada. Agora, se isso parecer um pouco confuso, apenas acompanhe, vai fazer sentido em um segundo. Isso, se há algo que aprendi ao pegar tantas ferramentas diferentes, como quando comecei com anúncios no Facebook, quando comecei a construir esses tipos de agentes, é que você se sente completamente sobrecarregado, mas tudo isso faz parte do processo, e o que parece difícil agora não vai parecer difícil para sempre. Então, por favor, acompanhe, e é uma sensação realmente muito boa quando você vai e pensa: "Isso foi difícil algumas semanas atrás e agora é muito fácil". Então, temos nossa primeira entrada, isso é o que a ferramenta de pesquisa de empresa vai fazer, e então precisamos definir nossas etapas. A próxima etapa, podemos ir adicionar, vou ocultar isso para termos um pouco mais de espaço, adicionar etapa. Agora, a coisa legal sobre a Relevance é que ela vem com muita funcionalidade excelente pronta para uso. Aqui está uma, extrair conteúdo do site, temos LLMs, temos pesquisas no Google, temos todos os tipos de gerações de IA, replicamos bancos de dados de conhecimento também, há muitas coisas legais aqui, e é por isso que eu realmente classifico a Relevance como uma das melhores plataformas. Se você fosse investir tudo e quisesse aprimorar suas habilidades, você pode construir muito com isso, então sou um grande fã, adoro a equipe da Relevance e o que eles estão fazendo.

O plano inicial para esta construção era usar o conteúdo do site de extração, o que é bastante simples, podemos dizer, oh, outra coisa, o URL da empresa, vamos usar este URL da empresa em toda a nossa ferramenta aqui, então podemos mudar este texto para dizer algo mais descritivo, URL da empresa, vocês vão começar a pensar e escrever como programadores agora, porque vocês precisam usar algum tipo de sintaxe e usar algum tipo de convenção de nomenclatura de variáveis, esta é uma padrão ou você pode fazer coisas como URL da empresa em Camel Case, mas prefiro este formato, pois sou principalmente um cara do Python. Agora que temos isso nomeado, podemos usá-lo nesses tipos de campos. Então, aqui você pode ver, aparece usar entradas. Então, basicamente, quando esta ferramenta for executada, ela pegará as entradas ou as informações que colocamos nas entradas e as passará para diferentes etapas e as usará como descrevemos dentro do, dentro do construtor aqui. Vamos executar isso rapidamente, vamos colocar minha empresa, https://morningings.ai, e então podemos clicar em executar aqui. Então, isso vai para meu site e extrai as informações dele. Pronto, então ele tem tudo isso, mas vocês veem que ele está apenas trazendo a primeira página, e é por isso que eu realmente embaralhei isso e quero mostrar a vocês como fazer algo um pouco mais avançado. Eu sei que isso deveria ser um tutorial para iniciantes, mas isso não é realmente tão útil, e é algo muito fácil para mim simplesmente aumentar isso para algo um pouco mais valioso. Enquanto a ferramenta de Relevance aqui é ótima, podemos fazer melhor. Então, vamos realmente excluir isso, você pode usar essa etapa para todos os tipos de outras coisas, mas eu realmente gosto do que é chamado de Fire Crawl, Fire Crawl Web Scraper, este é um aplicativo legal, firecrawl.dev, um grito para os caras do Fire Crawl. Basicamente, se então formos HTT, eu deveria apenas ver se eles podem fazer isso, morningside.ai, e agora fazer uma raspagem gratuita para nós aqui. Então, isso só vai fazer o URL único, assim como obtivemos na Relevance, mas a diferença aqui é que, se então formos para rastejar, se você passar o mouse sobre isso, ele vai rastejar um URL e todas as suas subpáginas acessíveis, exibindo o conteúdo de cada página. Então, em vez de apenas pegar aquela página inicial, ele realmente vai rastejar por várias coisas. Então, esta é realmente a primeira coisa legal ou a primeira habilidade que quero colocar na sua caixa de ferramentas, é que você tem coisas como o Fire Crawl que você pode usar, eles têm coisas como o Map, que apenas vai exibir todos os URLs que ele encontrar, então há outras coisas aqui onde você pode usar IA para extrair dados, não vou entrar nisso, mas o que queremos é essa funcionalidade de rastejamento do Fire Crawl.

Vou colocar um link na postagem da escola que acompanha este vídeo, novamente, o primeiro link na descrição para ir para a escola, e se você for para a seção de recursos do YouTube, haverá uma, uma postagem completa sobre isso e todos os recursos estarão lá, também estará no meu curso gratuito na escola também, então você pode encontrá-lo na seção da sala de aula. Então, você quer se inscrever no Fire Crawl, para que possa obter uma chave API, é muito fácil, podemos simplesmente fazer isso com o Google novamente, isso não é patrocinado e não há nenhum patrocínio acontecendo por meio de nenhuma dessas ferramentas, eu acho que estou meio que patrocinando minha própria ferramenta porque estou colocando no final, mas não estou ganhando um centavo por nada disso, estou realmente apenas tentando colocar vocês no que eu gosto de usar, o que me rendeu dinheiro, o que me tornou um especialista ou desenvolvedor de automação de IA mais valioso para minhas empresas e para as empresas com as quais você trabalha. Continuar e então você chega ao painel aqui, pode parecer um pouco assustador, mas o que você pode fazer é ir para as chaves API, então você pode clicar em criar uma chave API aqui, YouTube, estou tendo problemas com a minha, deve estar tudo bem para você, eu já tenho uma chave API, mas assim que você obtiver a chave API, o que você pode fazer é pegá-la e voltar aqui para a Relevance, e você pode ir para o painel lateral aqui, onde está, configurações, e então temos nossas chaves API, então vamos precisar adicionar mais a isso mais tarde, então fique de olho nisso, isso é algo com o qual você precisa estar familiarizado, e você pode rolar para baixo até o Fire Crawl e simplesmente colocá-lo nesta seção de chave API do Fire Crawl aqui, e você está pronto para ir e pode voltar, não, não queremos duplicar isso.

Agora que configuramos nosso Firewall, precisamos fazer algumas coisas, precisamos fazer alguns ajustes aqui, temos, é claro, se você quiser obter essas variáveis, você pode ir colchete colchete, ou chave colchete chave colchete, que é shift, para obtê-las, eu não sei por que não está aparecendo aqui, pronto, URL da empresa, e se passarmos o mouse sobre isso, podemos ver que diz raspar o URL fornecido somente, desmarque se quisermos rastejar em vez disso. Então, se quisermos obter essa funcionalidade de rastejamento que acabamos de ver que achamos que queremos obter todos os dados, podemos desmarcar e, em seguida, queremos extrair o conteúdo principal. Então, você pode ter que apenas confiar em mim sobre isso, que não queremos ter todo o resto do lixo, queremos apenas o corpo do site, um número de páginas, não queremos que isso demore muito, você pode expandir isso muito mais, mas vou apenas ir para dizer cinco por enquanto, apenas para mantê-lo, mantê-lo rápido, e agora o que podemos fazer é executar isso novamente, ainda temos meu URL aqui, podemos ir executar etapa, dar um segundo, em algum momento você terá que pagar o Fire Crawl, é claro, não é um serviço gratuito, mas eles têm um plano gratuito, então você não deve ter problemas em obter isso. Então, aqui vocês podem ver que estamos obtendo muito mais dados de volta desta raspagem da web do que estávamos com apenas a versão Relevance, o que é ótimo. Então, a próxima etapa é que temos esses dados, queremos gerar algum tipo de resumo de pesquisa, para que possamos enviar isso para nosso script de vendas assim que eles solicitarem. Então agora chega à parte divertida de escrever prompts de LLM, para este, às vezes você precisa realmente fazer um grande esforço, o que vamos fazer mais tarde, como vocês verão, mas neste caso, só queremos um resumo rápido, vou colocar um aqui que fiz anteriormente, tudo isso estará disponível no Figma ou será dado em algum lugar nos recursos, certo, mas se precisarmos de algo rápido e sujo aqui, não é realmente uma parte enorme do projeto, então tudo bem apenas colocar um lá. Pronto, coloquei lá, você pode, por favor, pegar este conteúdo do site e resumí-lo em um resumo de linguagem natural de 300 palavras que descreva claramente o Rad, onde eles estão baseados, seus valores, etc, qualquer coisa que seria útil saber para um representante de vendas que em breve estará em uma ligação com eles, divida em áreas-chave como visão geral, produtos e serviços, equipe, etc, e tenho algumas coisas aqui para garantir que não estrague, o que estava fazendo para mim um pouco nos testes, então queremos colocar, se formos chave colchete chave colchete, queremos colocar os dados do Fire Crawl aqui, que serão todos os dados do site que vieram de nossa raspagem, queremos então inseri-lo neste prompt aqui. Então, espero que as coisas nas suas, nos seus engrenagens e no seu cérebro estejam começando a clicar aqui, e então chegamos a selecionar o modelo para isso, é uma tarefa bastante básica, então quero algo rápido e barato, para muitos de vocês será mais fácil trabalhar com as APIs OpenAI, porque vocês provavelmente já brincaram com sua chave API antes, o que vou mostrar como fazer em um segundo, mas vamos usar o GPT-40 Mini, mas a Relevance, é claro, tem suporte para todos os outros modelos, mas minha tendência para a maioria das tarefas agora é realmente ir para alguns dos modelos do Google que foram lançados, novamente, vocês podem estar assistindo isso em um ano ou o que quer que seja, pode ser bem diferente, mas no momento, o Google está realmente liderando o caminho para tornar os modelos mais baratos possíveis, e eles também são realmente bons, a redução de preço no uso de coisas como o Google Gemini Flash Light e o Google Gemini Flash 2.0 e coisas assim, é ridiculamente barato e também é um modelo muito bom. Então, é um pouco mais difícil obter APIs no lado do Google, então vou ficar com o OpenAI para este tutorial, então vamos usar o GPT-4 Mini, e então precisamos, é claro, configurar nossa chave API, se você rolar para baixo, onde está o OpenAI.

Então, para obter sua chave API OpenAI, você precisa ir para platform.openai.com/playground/playgroundplayground, desculpe, isso será novamente vinculado aos recursos ou você pode simplesmente digitar platform.openai.com, tenho certeza de que você encontrará se ainda não tiver, crie uma conta, e faça login, e então você precisa ir para seu painel aqui, você vai ao lado esquerdo, você vai para chaves API e clica em criar uma nova chave secreta, e então você poderá copiar essa chave e trazê-la de volta para a Relevance, colá-la aqui e então você está pronto para ir e começar a usar o conjunto de modelos OpenAI, é muito fácil, certo? Então agora temos nossas informações de volta da raspagem, temos nosso prompt aqui, e então podemos ir executar etapa e ver o que esta ferramenta de pesquisa de empresa vai gerar para nós. Boom, Morningside AI é uma empresa líder em desenvolvimento de inteligência artificial dedicada a capacitar empresas, desenvolvimento de agentes de IA autônomos, consultoria empresarial, desenvolvimento de chatbot, equipe, eles me tiraram da minha própria página da equipe, droga, mas sim, pronto, essa é a, essa é a ferramenta de pesquisa de empresa, essa é a etapa um. Espero que vocês possam ver como isso funciona agora. Uma coisa legal sobre a Relevance é que existe esta seção de construção, pela qual acabamos de passar, mas você também pode ir para usar, e isso pode ser realmente útil ao compartilhar esses tipos de ferramentas. Então, isso não é realmente apenas um tutorial de agente de IA, também estou ensinando vocês a construir ferramentas, porque vocês podem construir ferramentas muito valiosas e algo como a Relevance, e então vocês podem ir compartilhar, podem ir publicamente disponíveis, oh, e eu posso clicar nisso e então eu posso dar para meus funcionários, eu posso dar para as empresas com as quais estou trabalhando, os clientes para os quais vendi esses tipos de serviços, e então eles obtêm uma ferramenta tão boa e prática como esta. Quero dizer, eu uso essas em toda a minha organização para geração de descrição, muita reaprovação de conteúdo, há inúmeros casos de uso diferentes para construir esses tipos de ferramentas, e então você pode pegar este URL e compartilhá-lo com quem quiser. Então, esta é uma ótima maneira de usar a Relevance. Vamos voltar à nossa ferramenta aqui, mas por enquanto precisamos seguir em frente para que possamos concluir este primeiro agente. Então, essa é a primeira ferramenta, vou passar por ela um pouco mais rápido agora que sabemos como funcionam esses tipos de construção de ferramentas. Vou criar uma nova ferramenta aqui, vou chamar isso desta vez, se voltarmos ao nosso Figma, e eu recomendo que quando vocês estiverem construindo seus agentes, vocês estejam construindo sistemas e planejando-os, este tipo de disposição em um Figma, se vocês não estiverem familiarizados, este é o Figma, é como um software de design, mas vocês também podem usá-lo para um tipo de quadro branco, é chamado de quadro Fig Jam, é um dos tipos de quadros que você pode fazer, e eu uso isso o tempo todo com minha equipe também, é como, se você não consegue pegar o que estou dizendo, coloque-o em um quadro para que eu possa revisá-lo e dar notas, e então todos concordamos que esta é a construção, muitas vezes há muitos problemas de comunicação ao explicar a funcionalidade, então esta disposição de agente de IA é realmente útil, você pode, se for talvez uma automação de fluxo de trabalho, você pode fazer caixa caixa seta seta seta, toda essa disposição de como vai ser construída aqui, eu fiz isso para vocês em um formato muito básico, então fizemos este primeiro, talvez eu apenas faça este verde, o segundo vai ser pesquisador de clientes em potencial, então isso recebe um URL do LinkedIn, pesquisa na web e retorna um resumo, e vocês verão como eu conecto isso tudo a um agente em breve. Então, vamos pesquisar o cliente em potencial, recebe um URL do LinkedIn, extrai informações do perfil e depois gera um do cliente em potencial. Entrada, vamos precisar de um URL do link, o URL do LinkedIn do cliente em potencial, e vamos renomear isso. Agora vamos adicionar uma etapa, e a Relevance nos deu aqui, link, obter um perfil do LinkedIn ou postagem da empresa. Isso é legal, porque podemos colocar nosso URL do LinkedIn aqui, oh, não precisamos de dois deles, então vamos obter o perfil do usuário aqui, então se eu colocar o meu, meu perfil do LinkedIn, se vocês quiserem se conectar comigo no LinkedIn, fiquem à vontade para fazê-lo, vou colocar na descrição abaixo, podemos fazer uma pequena execução de etapa aqui. Então, se voltarmos para os dados aqui, isso é ótimo, temos minha seção sobre, isso vai muito longe porque está em, está em JSON aqui, tem minha empresa, tem meu domínio da empresa, de onde sou, anos, empresa fundada, toneladas e toneladas de informações ótimas que vocês podem usar, e vamos usar em breve. Isso é realmente legal, eu provavelmente adicionaria mais uma etapa a isso se eu estivesse pegando isso e construindo para minha própria equipe, eu adicionaria outra extração do LinkedIn aqui, onde apenas fazemos a mesma coisa, mas também pegamos as postagens, porque as postagens podem dar a vocês um pouco mais de informações atualizadas sobre o que eles fizeram recentemente que vocês podem adicionar isso, e você simplesmente vai adicionar uma etapa do LinkedIn, e você faz a mesma coisa que fizemos aqui, mas você muda isso para postagem do usuário do LinkedIn, então isso pode ser uma coisa legal para vocês adicionarem, a funcionalidade no final é um pouco desafiadora.

Você pode pausar este vídeo e fazer isso, e então precisamos de uma etapa LLM para fazer isso novamente. Estou indo pegar um prompt pré-escrito que eu fiz apenas para economizar tempo, vou colocar isso aqui, diz coisas bastante semelhantes, dados do LinkedIn. Vou colocar todos os dados lá dentro, e então vamos usar um GPT4 mini novamente, e podemos dar uma rodada nisso porque já temos esses dados em fila aqui, e pronto, temos um bom resumo. Se eu mudar isso para "bonito e formatado", há um pequeno botão ali embaixo entre "bruto" ou "formatado", e você pode copiar as coisas daqui, é claro. Então, Liam Otley, meus seguidores, caramba, tenho muito mais do que pensei. Então, aí está o resumo, meu nome, onde estou baseado, informações, minha experiência profissional, coisas super úteis, e isso vai ser super útil na próxima etapa quando gerarmos aquele relatório pré-chamada. Muito rapidamente, criamos mais uma ferramenta. Vou salvar isso, então agora temos, se voltarmos ao nosso Figma, temos duas dessas prontas. Agora, a final vai receber a pesquisa da empresa e do prospect e gerar um relatório pré-chamada. Então, esta vai ser um pouco diferente. Se eu for criar uma nova ferramenta, ferramenta de relatório pré-chamada. Ok, pré-chamada recebe resumo da empresa e do prospect e gera um relatório pré-chamada para vendas diretas. E agora para as entradas disso, precisamos de texto longo, não apenas texto normal, porque vamos receber aquela grande empresa e, e pesquisa de prospect. Então, vamos ver, resumo do prospect, resumo do prospect baseado em tamanho e perfil, e um prospect, neste caso, é alguém que é um cliente em potencial, só para esclarecer isso se você é novo nos negócios e não entende muito esses termos, resumo da empresa, resumo certo. Temos o resumo do prospect e o resumo da empresa lá dentro. Espero que você esteja acompanhando. A próxima etapa é apenas uma etapa LLM, e queremos combinar essas duas novamente. Tenho um prompt útil para isso para nos poupar tempo. Agora, neste caso, você verá que o prompt é um pouco maior, certo? Então, isso é para partes mais importantes quando você está criando ferramentas, seja para agentes ou geralmente quando está usando prompt engineering e LLMs para criar valor. Neste caso, estamos criando valor porque, neste caso, estamos recebendo este resumo do prospect e este resumo da empresa, estamos também dando a ele o contexto deste negócio de fantasia ou hipotético que estamos vendendo a este agente como um sistema de co-piloto. Temos Big Boy Recruits, que é uma empresa de recrutamento com sede em Dallas especializada em aquisição de talentos da indústria de software para PMEs. Você vai ver isso se repetindo nos diferentes projetos que fazemos, mas basicamente estamos ajudando esses Big Boy Recruits a automatizar seus negócios com IA. Então, isso recebe algum contexto sobre esse negócio e vai gerar um relatório que vai ajudar o representante de vendas a dizer: "Ok, esta é a empresa, isso é o que vendemos, isso é em que somos especializados, esta é a empresa para a qual estamos tentando vender, este é com quem vamos conversar, qual é a forma como posso personalizar esta chamada ou qual é a estratégia que posso usar para isso? Quais são alguns ângulos pelos quais posso abordar esta chamada?". E para fazer isso, tenho uma ferramenta de escrita de prompt que uso com bastante frequência, e minha equipe também a usa, prompt perfeito. Então, esta ferramenta faz muito trabalho pesado para mim e minha equipe o tempo todo. Vou dar a vocês para usar de graça, vocês poderão clonar isso em sua conta Relevance. Basicamente, o que eu normalmente faço é colocar na coisa de ditado, você tem isso em um desses teclados, você tem essa coisinha, basicamente qualquer coisa no seu computador que permite que você fale para o computador e ele recebe sua voz e a transcreve em texto na tela. Vou pressionar isso e então vou explicar, como você pode ver aqui, o que esse prompt está fazendo e porquê. E vou dizer, este prompt precisa fazer isso, isso, isso vai receber essa informação, vai fazer isso, a razão pela qual estamos fazendo isso é isso, isso, e vou fazer como um grande corpo de texto lá dentro. E então o próximo, se eu tiver, vou dar alguns bons exemplos de pares de entrada e saída de como quero que ele receba dados e como quero que ele os exiba. Se você der ambos e clicar em executar, ele vai imprimir usando as técnicas de prompt baseadas em pesquisa que usamos na Morningside. Tudo está amontoado aqui, há um vídeo que eu recomendo que todos vocês assistam, vai estar no curso gratuito de qualquer maneira na escola, então quando você entrar lá e assistir ao meu guia de prompt engineering, isso é basicamente toda a informação daquele guia de prompt engineering esmagada nesta etapa LLM aqui. Então, quando você passar essa informação, ela aplica tudo isso e te dá um prompt que é totalmente baseado em pesquisa e funciona muito, muito bem diretamente da caixa. Então, isso é um pouco de valor extra que eu queria adicionar para vocês. Isso vai estar disponível na escola com o resto dos recursos também. Então, basicamente, coloquei a informação aqui sobre qual era essa tarefa em particular. Eu disse que vai receber a informação do prospect, vai receber o resumo do prospect e a informação da empresa, e cuspiu isso basicamente de primeira, e eu só tive que inserir essas variáveis. Então, este prompt e tudo mais estarão nos recursos da escola também. Então, neste caso, porque estamos fazendo um pouco de estratégia e um tipo de pensamento de alto nível, em vez de apenas resumir, podemos querer mudar o modelo aqui para algo um pouco mais inteligente, podemos ir para o 03 mini, que é um dos mais recentes. Novamente, quando você estiver assistindo a isso, pode ser 06 ou 010 ou qualquer coisa que eles inventarem a seguir, mas provavelmente haverá alguns modelos muito melhores. Então, apenas use um inteligente, porque ele está realmente elaborando uma estratégia sobre como os Big Boy Recruits podem se posicionar para essa chamada. Chega de papo meu sobre isso, deixe-me pegar algumas entradas para isso e podemos testar [Música] isso, grito para Muscle. Certo, então tenho essa informação aqui sobre mim, meu perfil do LinkedIn e minha empresa. E então, novamente, lembre-se de que isso é para Big Boy Recruits, uma empresa de recrutamento de Dallas especializada em talentos da indústria de software. Então, vai olhar para minha empresa, Morningside AI, vai me olhar, meu histórico e meu perfil no LinkedIn, então vai girar, como vemos aqui, revisar isso, analisar isso, mapear a proposta de valor única dos Big Boys, ra, e vai tentar criar um relatório que vai permitir que o representante de vendas me venda ou me feche melhor ou encontre alguns ângulos para vender pelo menos. Então, se formos executar a ferramenta, e agora você vê que estou usando muito de web scraping e etapas LLM básicas, eu só quero mostrar a vocês o básico. A coisa é que as ferramentas podem ficar muito, muito avançadas quando você tem um CRM que deseja integrar, mas o Relevance permite que você faça tudo isso, está apenas dentro do escopo do tutorial, pode ser bastante difícil estar puxando informações de todo o lugar aqui, porque tenho que configurar um banco de dados, mostrar a vocês como fazer também. Então, isso mantém isso bastante confinado, mas ainda te dá um bom gostinho disso. Então, se olharmos para isso, ver todos os principais desafios e oportunidades de negócios da Morningside AI, este perfil do Liam me dá um pouco de uma descrição disso, mapeando a proposta de valor única dos Big Boy Recruits, talvez seja melhor se eu mudar isso para o formato, pronto, fala sobre mapear os pontos de discussão estratégicos dos Big Boy Recruits, tenho acompanhado sua jornada de marketing digital de IA, ra, mergulhando na oportunidade, trabalho nos Big Boys, este assistente, e até fez uma seção sobre objeções antecipadas. Então, a ideia é que o representante de vendas terá um skimming disso antes da chamada, o que se relaciona ao valor que listei aqui, que vou fazer para todas essas construções, aliás, que se resume a, em última análise, um representante de vendas melhor preparado deve fechar mais negócios, certo? Se eles souberem mais sobre o prospect e a empresa e tiverem um ângulo para tentar vender ou sugestões, pelo menos, deve aumentar a taxa de conversão da equipe de vendas. Então, construímos esta ferramenta, podemos mudar isso para verde agora, e a etapa final será ir para nosso construtor de agentes dentro do Relevance. Vou salvar isso. Se você clicar no painel esquerdo aqui, você pode ir para nossos agentes e o que queremos fazer é criar um novo agente. Vamos chamá-lo de nosso co-piloto de vendas, co-piloto de vendas Big Boy, desculpe, como eu disse, tenho que me divertir com as coisas onde fico meio louco, este agente é nosso co-piloto de vendas que ajuda os representantes a se prepararem melhor para as chamadas de vendas [Música]. Gatilhos, não precisamos fazer nada disso, vamos para instruções principais. Vou novamente colar algumas das coisas que preparei antes. Então, se eu colar isso aqui, você verá que está estruturado de forma bastante semelhante ao prompt que acabamos de fazer antes para o gerador de relatórios pré-chamada, e isso está novamente usando outra ferramenta que criei para prompt de agente de IA, então são coisas bastante semelhantes que incluo naquela outra ferramenta de prompt, mas os agentes são um pouco diferentes de etapas LLMs regulares dentro de diferentes ferramentas e automações de fluxo de trabalho. Então, vou incluir isso também, é meu gerador de prompt perfeito para agente de IA, e é bastante simples de usar. Vou incluir isso lá também, mas basicamente você coloca todas as informações sobre o que o agente é, por que está fazendo isso, as diferentes ferramentas que está conectando a ele, e então ele imprime isso para você. Então, vou apenas revisar isso, temos um papel aqui dizendo quem ele é e meio que o exaltando e dizendo o quão bom ele é, explica a tarefa, falando sobre como está ajudando a conduzir pesquisas detalhadas sobre empresas e prospects, alguns detalhes, não precisa se preocupar muito com eles, apenas reiterando a tarefa, e agora aqui podemos inserir as referências às ferramentas. Então, se formos para /ferramenta e ver, para que o agente funcione o melhor possível, precisamos dizer a ele quais ferramentas ele tem disponíveis. Isso é realmente crucial em todos os agentes que você constrói, especialmente se forem mais conversacionais, você precisa explicar a eles quais ferramentas eles têm e como e quando devem usá-las. Então, se formos, você tem três ferramentas poderosas, pesquisa de empresa, sim, isso mesmo, propósito, entrada, URL da empresa, usar quando precisar reunir informações da empresa, esta, claro, é a do prospect, e esta última é nossa [Música] pré, pronto. Então, tudo isso está lá dentro, não precisa se preocupar muito com isso, mas novamente isso será incluído, este prompt e tudo mais, se você quiser acompanhar e também se você só quiser clonar o agente inteiro e usá-lo em seu próprio negócio ou vendê-lo ou o que você quiser fazer. Também podemos selecionar o modelo aqui, vou apenas mantê-lo como GPT4 mini, gosto de respostas bem rápidas aqui, porque agentes, como alguém está usando, pode ser muito irritante se não estiver respondendo rapidamente. Então, temos tudo isso construído, essas são as instruções principais no prompt do agente, podemos ir para a seção de ferramentas, ele tem todas as ferramentas conectadas aqui porque as mencionamos no prompt, e podemos simplesmente passar por aqui e fazer algumas configurações rápidas aqui, não quero ter que fazer uma aprovação para isso, algumas ferramentas você pode dizer, olhe, elas têm que dar um joinha antes que ele possa realmente dispará-lo, prompt de como usar, apenas algumas descrições rápidas que podemos colocar aqui, não tenho certeza do porquê o Relevance não carrega isso da ferramenta, eu acho que eles estão nos pedindo para fazer de novo por algum motivo, quando você precisa pesquisar um prospect, link e URL, vamos dizer que isso também é execução automática, e então pré-chamada, mudar isso para execução automática também, usar isso quando precisar gerar um relatório pré-chamada a partir da pesquisa da empresa e do prospect. Tudo certo, e há todo tipo de outras coisas legais, o Relevance, como você pode ver, é como habilidades, sub-agentes, metadados, coisas extras que você pode construir, mas eu só quero te dar o começo do básico disso, certo. Então, podemos confirmar isso e pronto, temos nosso agente aqui pronto para ir. Então, aqui é onde você pode testar seus agentes e usá-los se quiser, mas neste caso, vou apenas dar uma rápida olhada e dizer, ver se a funcionalidade está funcionando como planejado. Oi, estou entrando em uma chamada com Liam Otley da Morningside AI aqui, tem detalhes, ou podemos simplesmente ir [Música] relatório lenol, por favor, para me preparar para a chamada, enviando sua tarefa para o co-piloto de vendas Big Boy, e então podemos ver todo o debug e como ele realmente está passando por essas diferentes etapas. Oh, vamos ver o que ele faz, sim, ok, isso é ótimo, ele está usando a pesquisa de empresa como queríamos, deveria adicionar mais uma etapa lá para pesquisar o prospect também, pronto, usando a segunda ferramenta, é bastante satisfatório quando essas coisas funcionam, e esta é apenas uma muito básica, pessoal, não quero que vocês pensem que é tipo, ah, bem, isso é muito decepcionante, Liam, estou tentando ensinar vocês o básico para que vocês possam realmente construir em cima disso. Então, se você pegar o bug, se você pegar o tipo, se você pegar o bug do agente e ver as coisas e estiver realmente interessado, olhe, lá está, agora está preenchendo o resumo do prospect como entradas, certamente não precisamos assistir a ele fazer isso, vai levar um tempo [Música], não escrevo isso palavra por palavra assim, mas quando você começa a ver essa mágica e adiciona outras ferramentas e funcionalidades legais, você testa em si mesmo, você pode construir coisas como, talvez você queira fazer conteúdo, você faz um pequeno co-piloto de conteúdo, etc. Pronto, usar todas as ferramentas e deveria estar exibindo de volta e pronto, pronto. Então, espero que tenha valido a pena a espera, vamos revisar agora. Aqui está seu relatório pré-chamada abrangente para sua próxima conversa com Liam Otley da Morningside AI. Relatório pré-chamada, aquisição de talentos sob pressão, a Morningside AI opera em um mercado altamente competitivo de IA e tecnologia à medida que escala, encontrar talentos especializados, engenheiros, cientistas de dados, IA com um histórico comprovado pode ser desafiador. Isso é assustadoramente preciso, porque essa é literalmente uma das maiores restrições que tivemos para escalar a Morningside a longo prazo, é que é muito, muito difícil, mesmo com meu canal, é tão difícil encontrar as pessoas certas e fazê-las se comprometerem como desenvolvedores também. Então, se você quiser construir uma empresa de desenvolvimento de IA geral muito grande, uma agência de automação de IA, você precisa dos melhores talentos e precisa obter muito disso. Para que você possa escalar, então isso é muito preciso, obviamente, essa coisa sabe que é um bom ângulo para vender. Mas sim, análise do prospect, Liam é um empreendedor dinâmico e líder de pensamento com um histórico sólido em comércio eletrônico, marketing digital e IA. Sua jornada reflete uma paixão por inovação e um compromisso com a aprendizagem contínua. Novamente, isso é bastante preciso, experiência prática. Então, pronto, esse é o co-piloto de vendas Big Boy para Big Boy Recruits. A coisa legal que você pode fazer agora, depois de ter construído isso, é que você pode compartilhar, há uma interface de usuário de bate-papo que vou ativar agora, há widgets de bate-papo para que você possa colocá-los em sites e coisas assim. O que quero fazer é apenas exibir isso porque isso é o que você daria a seu cliente provavelmente, ou se vocês forem começar a vender isso para empresas, o que novamente estamos abordando a venda na última seção deste vídeo. Então, como você transforma isso em um negócio e começa a ganhar dinheiro com isso e vender isso como um serviço e construir esses negócios, o que é realmente onde o dinheiro é feito. Então, pronto, este URL você pode obviamente enviar para seu cliente, se estiver construindo para sua própria equipe, pode enviar isso para sua equipe e dizer: "Ei, fixe isso porque você poderá usá-lo, adicionar mais funcionalidade a ele, etc". Assim é como você constrói um co-piloto no Relevance AI. Tudo bem, essa é a construção número um fora do caminho, e estamos passando para a construção de agente de IA número dois, que, se você estiver ouvindo atentamente no início da seção, estamos falando sobre um agente de qualificação de leads de entrada baseado em NAT que vai fazer algumas coisas bem legais para nós, que é uma função muito importante dentro de um negócio em torno da qualificação de leads. Então, este é um muito legal, novamente, neste caso, isso é o que chamamos de agente automatizado, não um conversacional. O que acabamos de construir é um agente conversacional, humanos estão falando diretamente com ele e batendo um papo e usando-o, e estamos operando nós mesmos, neste caso, como você pode ver neste pequeno diagrama de fluxo, este é um print screen do produto final, estamos realmente integrando isso em um fluxo de trabalho que será acionado em um envio de formulário, vamos fazer uma pesquisa e então vamos usar o agente de IA útil e ferramentas agente dentro do N8N para acionar outro fluxo de trabalho e então enviar alguns e-mails. Então, essa capacidade de usar agentes de IA na automação de fluxos de trabalho realmente expande as possibilidades do que você pode construir, e o software N8N que vou ensinar a usar está realmente na vanguarda e liderando a carga quando se trata desses fluxos de trabalho automatizados de agentes de IA. E rapidamente, é bom que passemos pelo propósito e pelo valor por trás dessa automação para que saibamos por que estamos fazendo isso, certo? Então, este caso de uso de qualificação de leads de entrada é baseado no fato de que empresas que se comercializam bem logo têm muitas pessoas entrando em contato com elas, muitas das quais não são adequadas ou o que você chamaria de qualificadas para o que vendem, por exemplo, são muito pequenas ou não são o setor certo, como você tem um negócio e eles dizem que só ajudamos empresas do tipo XYZ, e se leads chegam a essa empresa que não são qualificados, então obviamente eles não querem atender chamadas ou fazer mais nada com eles. Então, esse processo de pesquisar um novo lead e decidir se deve ou não atender uma chamada é conhecido como qualificação, que é o que esse agente visa automatizar. Então, o valor aqui é que, em vez de ter que pagar alguém para qualificar manualmente e passar por todos esses leads ou usar regras arbitrárias, que é o que algumas empresas têm que fazer, é tipo, olhe, olhe, temos tantos leads, vamos simplesmente dizer que se eles não quiserem, se disserem que não estão nisso, então vamos simplesmente excluí-los, e isso potencialmente está deixando dinheiro na mesa, excluindo leads que teriam sido um bom negócio, mas as regras não tinham detalhes suficientes para determinar se eles eram ou não adequados. Então, essa automação está essencialmente qualificando imediatamente e acionando as próximas etapas para a equipe de vendas e permitindo que elas façam essa pesquisa em estilo humano nesses leads em escala. Chega de conversa, aqui está um pouco mais de informação, novamente com todas essas, vai estar na figura na escola, então também dividi como esse agente realmente operaria no mundo real e tipo em tempo real, um lead vai enviar o formulário, que será este aqui, o pesquisador de empresas Relevance AI, algo que acabamos de construir no Relevance, vamos reutilizar aqui, o que é útil que você pode começar a mover esses componentes e ver como eles podem se encaixar em diferentes plataformas de automação. Então, o agente de IA vai olhar para essa informação da pesquisa, então vai determinar, com base em um critério de qualificação que damos a eles dentro do prompt desse agente, se eles são ou não qualificados. Se forem qualificados, ele vai usar esta ferramenta aqui e chamar este segundo fluxo de trabalho, quando essencialmente analisaremos isso mais a fundo e faremos uma notificação para nossa equipe de agência ou nossa equipe de SAS, e se não forem qualificados, usaremos esta ferramenta aqui, que enviará um e-mail diretamente para a pessoa que enviou o formulário, dizendo: ei, desculpe, não estamos abertos para trabalhar com empresas como a sua no momento, avise-nos se podemos ajudá-lo de outra forma. Então, essa é uma descrição geral da construção, vamos mergulhar nela. Então, para começar, claro, você precisa de uma plataforma em natn.io io, todos os links e recursos estarão, claro, no post da escola para este vídeo, e uma vez que você estiver nesta página, você pode ir para começar e pode criar uma conta gratuitamente e apenas passar pelo processo de configuração que eles fazem, tenho certeza de que você pode descobrir isso, eles têm uma avaliação gratuita de 14 dias a partir desta gravação, então isso é muito bom se você está apenas começando, sem ter que pagar nada, e eles te dão bastante uso aqui, como você pode ver, 1.000 execuções. Então, o que vamos fazer, claro, é clicar em criar fluxo de trabalho aqui, eu vou te dar o modelo, então se você quiser apenas importá-lo, você pode, isso estará no Figma lá, mas assim como no último tutorial, eu vou realmente mostrar a vocês o processo de construir isso do zero, para que vocês possam ver como eu, como você passa pelo processo de construir essas automações e os testes e idas e vindas que você precisa fazer para chegar ao resultado final, isso é provavelmente muito mais importante se você for sair, se estou tentando te ensinar a pescar, não apenas te dar um peixe, é ver como eu lido com problemas quando estamos construindo esses. Então, vamos começar começando nosso gatilho, vamos para formulário tem um bom formulário em novo evento de formulário inn, e aqui podemos criar um formulário N8N, então podemos chamá-lo de, trabalhe conosco, forneça seu, então agora podemos escolher os nomes dos campos. Então, queremos ter o primeiro, que é, tornar isso um campo obrigatório, adicionar outro, qual é o site da sua empresa, dg HTTP, esta manhã, campo obrigatório, certo. Então, acabamos de criar um formulário básico aqui com nome, site da empresa, que vamos precisar para a próxima etapa, coloquei um espaço reservado aqui para que eles saibam que precisa ter https na frente, e estou pedindo a eles para fornecer algumas informações sobre sua consulta, tipo, e talvez você possa dizer, no que podemos ajudá-lo, e isso vai ser uma área de texto, então eles têm um pouco mais de espaço. Então, podemos ir para a etapa de teste aqui, certificar-se de que está tudo bonito, é assim que o formulário vai ficar, qual é o seu nome, obby, pronto, enviamos esse formulário, se voltarmos, pronto, temos os dados. Então, isso mostra a você a saída, o N8N funciona tendo tipo essa ilha do meio aqui, que é o que você configura, e então o lado esquerdo é a entrada e o lado direito é a saída. Então, testamos e essas são as saídas que nosso formulário está dando, que é o que estamos procurando, e a próxima etapa neste processo de qualificação de leads é fazer uma pesquisa sobre o lead. Então, temos a URL da empresa, e é quando vamos fazer uma solicitação HTTP. Então, isso é basicamente chamar qualquer API na internet, e para configurar isso, precisamos voltar para o Relevance, e vamos encontrar a ferramenta de pesquisa de empresa que fizemos com o Relevance, e agora vocês começarão a ver como tudo isso se encaixa, que a construção de ferramentas e o Relevance podem...

Também será muito útil e uma habilidade extremamente útil em todas as áreas de automação de IA, porque agora posso acessar uma empresa de pesquisa e não apenas posso usá-la aqui, quero dizer, é por isso que acho que a Relevance é uma plataforma tão boa. Tem o uso aqui, então posso enviar isso para um cliente, posso compartilhá-lo, como mostrei antes, posso usá-lo aqui mesmo, posso executá-lo em massa em uma planilha ou, mas mais importante neste caso, posso ir para a API e agora posso chamar isso. Pode parecer assustador, mas não se preocupe, posso chamar essa funcionalidade basicamente enviando uma URL da empresa e recebendo a pesquisa de volta. Posso acessar isso pela internet por meio de uma API e eles me dão aqui e me dizem exatamente como chamá-la. Então agora, isto está em uma solicitação POST, então podemos copiar isso. Lembra como falamos sobre solicitações GET e POST? Esta é uma solicitação POST porque estamos enviando alguns dados para a Relevant AI. Então, mudamos este método para POST, colocamos a URL aqui, não precisamos de autenticação neste caso, mas você pode ativá-la para tornar privada aqui e então você pode ter uma autenticação. Pode parecer um pouco complicado, mas por enquanto não se preocupe com isso, não precisamos ter uma etapa de autenticação nisso. E então, se olharmos para o corpo da solicitação aqui, ele nos diz como podemos enviar dados para a Relevant AI. E se copiarmos aqui, voltarmos, vamos enviar um corpo, será em JSON e podemos mudar isso para usar JSON, e então podemos colar basicamente o que recebemos da Relevant AI. Agora isso parece bagunçado, vamos abrir um pouco mais e na verdade precisamos mudar para uma expressão aqui. Fixo significa que não estamos aceitando nenhum dado dinâmico, então quando o formulário for enviado, precisamos receber alguns dados desse formulário, que temos aqui, precisamos injetá-lo nessa solicitação HTTP para a Relevant AI para fazer essa pesquisa da empresa. Então não podemos tê-la como um corpo JSON fixo aqui, precisamos mudar para expressão e então podemos abrir isso aqui e fica um pouco mais fácil. Então temos params, temos a URL da empresa e então precisamos colocar aqui, oh, a URL da empresa, colocar isso aqui e aqui do lado direito podemos ver como seria dado os dados de teste que acabamos de enviar. Então você pode ver que tenho a URL da empresa https://morningside.ai entre aspas aqui, que é o que queremos. Então podemos voltar agora e agora podemos fazer um teste para ver se ele será capaz de se comunicar com a Relevant AI e obter os dados que queremos. Lá vamos nós, temos nosso resultado de volta da Relevant AI, que é o resumo, como você pode ver quando voltamos a isso e de volta para construir, isso é exatamente o que esperamos. Você coloca a URL, isso faz uma chamada de raspagem, escreve o resumo, expele o resumo e este resumo é o que estamos recebendo de volta aqui, que é o que queremos. Ótimo, outra etapa concluída. E aqueles de vocês que estão um pouco confusos sobre o que é isso, isso é apenas o corpo da solicitação. Porque estamos enviando uma solicitação POST, lembra como temos solicitações GET e POST? As solicitações GET são tipicamente apenas com uma URL e com um monte de coisas anexadas. Em uma solicitação POST, precisamos enviar um corpo JSON como este e parece bastante confuso, mas se eu pegar isso e ir para o formulário JSON, colar isso e embelezar, e você pode ver como temos basicamente o projeto, que é o projeto relevante que estamos chamando e isso diz à API, este é o projeto com o qual queremos interagir e o projeto espera os parâmetros, as entradas, que é a URL da empresa e estamos injetando essa URL da empresa de nossas informações aqui no NA10 que arrastamos. Pode parecer complicado algumas vezes, mas confie em mim, isso se torna como andar de bicicleta assim que você começar a andar. Então, mais alguns desses e você estará completamente bem. Tudo bem, e agora que temos as informações da nossa empresa, a próxima etapa será configurar o agente, que é realmente a parte mais legal, na minha opinião, sobre o Make agora, é que entramos aqui e podemos clicar em agente e podemos defini-lo como um agente de ferramentas, o que significa que conectamos nossas próprias ferramentas. E se simplesmente sairmos disso, podemos fazer coisas legais como configurar o modelo e aqui mesmo, isso é tão legal porque podemos ver exatamente o que estávamos conversando antes neste vídeo, mas temos as diferentes partes de um agente, os diferentes ingredientes. Então, aqui está o modelo de bate-papo, este é o cérebro, este é o LLM que vai alimentar todo o agente usando o exemplo da sopa, como esta é a única carne que podemos escolher. Este é um modelo específico, neste caso vamos usar o OpenAI novamente porque você já tem sua chave de API e não consigo me dar ao trabalho de mostrar outro provedor, mas o processo é o mesmo para todos eles. Se você quiser Anthropic, você pode escolher todos os modelos Anthropic, mas neste caso, para simplificar, vamos voltar para um modelo OpenAI. E se voltarmos novamente, você pode ver que agora temos a memória e as ferramentas que podemos conectar. Claro, temos as ferramentas, sobre as quais já falamos muito neste vídeo, podemos conectar várias ferramentas diferentes aqui, como faremos em um segundo, e também temos a memória configurada aqui, o que está um pouco fora do escopo deste vídeo, como eu disse na maioria das plataformas, ele vem embutido, mas o Make é um pouco mais uma plataforma centrada em desenvolvedores, então se você quiser brincar com memória, diferentes formas de gerenciar memória, você pode fazer isso aqui. No nosso caso, não vamos tocar nele. E para conectar um banco de conhecimento, se quisermos configurar um banco de conhecimento para nosso agente, o conectaríamos como uma ferramenta. Então você pode ver aqui que temos o armazenamento vetorial na memória, o armazenamento vetorial PineCone, etc. Estes são bancos de dados vetoriais que podemos conectar, assim como nos outros tutoriais que faremos neste vídeo, quando você enviar alguns documentos para criar um banco de conhecimento, eles estão essencialmente sendo colocados em um armazenamento vetorial como esses, mas as plataformas gerenciam isso para você e tornam muito mais fácil de fazer. Neste caso, vamos fazer apenas duas ferramentas diferentes. Primeiro, vamos chamar um fluxo de trabalho Make, então vou apenas finalizar a configuração básica disso e, em seguida, vamos adicionar outra ferramenta, será a ferramenta do Gmail. E antes que você perceba, temos nossa estrutura de agente de IA criada. Estamos usando os modelos OpenAI, vamos escolher o modelo em breve, vamos usar a ferramenta para chamar o segundo fluxo de trabalho Make, que vai disparar as notificações por e-mail para nossos representantes de vendas e a classificação da liderança. Isso fará mais sentido quando realmente fizermos isso, então fique comigo nisso. E este Gmail vai enviar um "Desculpe, você não se qualificou para o que fazemos, desculpe, não podemos ajudá-lo, avise-nos se podemos fazer algo mais por você". Para começar a configurar as coisas, podemos começar da esquerda para a direita aqui com o modelo de bate-papo, o modelo OpenAI que queremos usar e você precisa configurar sua conta OpenAI. Então você pode clicar em criar nova credencial e você precisa adicionar sua chave de API aqui. Eu sugiro que você crie uma nova na plataforma openai.com e você pode adicionar uma nova aqui e você pode nomear a chave Make para que você comece a saber quais chaves são usadas para quais plataformas diferentes. E uma vez que você colocar isso lá, você pode simplesmente clicar em salvar e então ele executará um pequeno teste e então você estará pronto para ir. Você deve ter isso configurado aqui. Então podemos selecionar o modelo que queremos usar para nosso agente aqui e neste caso eu quero algo bastante inteligente, então vou escolher o gpt-3.5-turbo. Temos o gpt-3.5-turbo-mini aqui, este parece ser um pouco mais recente, então às vezes eles colocam as datas no final e se você olhar a data atual, você pode ver o quão perto da data atual ele está. Mas eu diria que este é um pouco mais recente, então será, espero, um pouco melhor. Em seguida, vamos pular isso porque precisamos configurar um fluxo de trabalho totalmente diferente para conectá-lo a, vamos pular direto para este do Gmail. Você precisa configurar novamente outra conexão, ao passar por todas essas diferentes plataformas de automação, você precisa fazer essas conexões entre sua própria conta, digamos seu Gmail, seu calendário ou todos esses aplicativos diferentes, você precisa criar uma nova credencial. E você pode simplesmente fazer o login com o Google aqui, super fácil de fazer, tenho certeza de que você não precisa da minha ajuda com isso. Depois de configurar essa conexão, você pode fechar isso e verá a conexão que você configurou aqui, basicamente é por isso que vamos enviar e-mails. E então podemos começar a configurar isso. Porque esta ferramenta do Gmail será usada para enviar uma resposta à pessoa que enviou o formulário e dizer "Ei, desculpe, você não é um bom ajuste para nós". Você quer enviá-la de volta para a pessoa que enviou o formulário. Agora, se você rolar para baixo aqui, sim, você vê que esqueci de adicionar o formulário de e-mail, então este é um bom exemplo de precisar voltar um pouco. Então podemos voltar para o envio do formulário aqui, rolar para baixo, dizer qual é o seu e-mail e podemos defini-lo como um e-mail, então ele vai forçá-los automaticamente a fornecer um e-mail válido para nós. E eu quero talvez melhorar isso um pouco, então é nome, e-mail, então site da empresa. Podemos fazer outro teste aqui apenas para dar a ele alguns dados apropriados. Oh, não vai nos deixar fazer isso porque isso não está configurado corretamente, então podemos simplesmente excluir isso por enquanto e na verdade vamos excluir isso, caso contrário, será um pouco doloroso. Então queremos testá-lo novamente, então podemos enviar outro formulário aqui e voltar para o NA10 e lá vamos nós, temos as informações, temos o e-mail agora, isso é ótimo. E agora podemos configurar nossas ferramentas novamente, temos o fluxo de trabalho lá e temos o Gmail. E agora temos nossa conexão configurada. Sim, oh, e não temos os dados aqui porque precisamos executar isso novamente e obter a pesquisa. Então agora a pesquisa está feita lá para nós configurarmos a ferramenta do Gmail aqui, podemos ir para duas e poderemos puxar o e-mail. Então, novamente, eles enviam este formulário, percebemos que eles não são uma pessoa qualificada para nossa oferta e então vamos enviar um e-mail de volta e dizer "Ei, desculpe, você não é um bom ajuste". Então podemos dizer que o assunto aqui é "Obrigado pelo seu interesse". Vou mudar o tipo de e-mail para texto aqui e vou escrever uma mensagem básica. Vou pegar do que fiz anteriormente. Então precisamos mudar isso de fixo para uma expressão porque queremos inserir o nome deles aqui. Então vou colar o que tenho aqui novamente, isso seria incluído nos recursos, só vai nos poupar tempo se eu não precisar digitar tudo isso manualmente. Mas você pode ver aqui, vou apenas excluir isso para que vocês saibam o que estamos fazendo. Se eu disser oi ou oi, e então podemos adicionar o que é seu primeiro nome, oi nome, neste caso, ele vai preencher meu nome aqui como exemplo. Então, muito obrigado pelo seu interesse nos serviços de recrutamento da Big Boy. Como você se especializa em recrutamento para agências de software e desenvolvimento, não somos um bom ajuste com base na indústria da sua empresa. Por favor, avise-nos se você gostaria de nos conectar com um de seus parceiros que se especializa em lidar com suas necessidades. Saudações, Huge Jackman, Vendas, Big Boy Recruits, BBR, Dallas, Texas. Então, se vocês se lembram do Huge Jackman, comentem abaixo para os fãs OG. E esse é o nosso Gmail todo configurado. E rapidamente, para que você tenha um pouco mais de conhecimento sobre como essa ferramenta do Gmail funciona, temos todas essas etapas diferentes que podemos usar. Estamos usando a etapa de envio, então está enviando um e-mail, você pode usar responder, pode usar obter, excluir, todas essas outras funções, mas a mais fácil e a mais comum que você vai usar será a etapa de envio. Claro, agora precisamos configurar este fluxo de trabalho Make, que o agente vai chamar como uma ferramenta quando eles forem um prospecto qualificado. Vou excluir este e apenas salvar isso por enquanto. Então vamos voltar para a página inicial, vamos criar um novo fluxo de trabalho e esta é uma habilidade realmente legal que quero te ensinar, o fato de que você pode construir todos esses fluxos de trabalho e então conectá-los a agentes e pode estar recebendo dados e disparando em todas as direções e disparando todos esses processos complexos de várias etapas, porque é uma maneira super valiosa de usar agentes. Então eu realmente quero te ensinar isso e obviamente este vai começar um pouco diferente do outro, nós realmente queremos que este seja configurado como quando executado por outro fluxo de trabalho. Então essa vai ser a etapa de gatilho aqui, e nós vamos poder definir usando os campos abaixo. Vamos adicionar um aqui que é um nome de liderança por enquanto, podemos deixar isso aí, mas é tudo o que precisamos configurar. Precisamos voltar para o outro, só precisamos configurar esta parte, vamos renomear este qualificador e notificador de liderança qualificado. Então podemos salvar isso aí e temos um pouco mais de trabalho a fazer neste outro, se voltarmos para este, podemos renomear este aqui. Então vamos chamar isso de nosso agente de qualificação de liderança. E agora que temos nosso outro fluxo de trabalho configurado, podemos vir aqui, podemos chamar outro fluxo de trabalho com a ferramenta e podemos chamá-lo de liderança qualificada. E agora é quando voltamos ao que aprendemos na seção de fundamentos, porque agora estamos escrevendo descrições para nossas ferramentas. Lembra como tínhamos schemas? Schemas são basicamente instruções escritas ou manuais de instruções sobre como usar ferramentas e como usar as APIs que as envolvem. Esta descrição será basicamente essas descrições que você colocou no schema, mas o Make basicamente vai construí-la para nós no back-end e nós só precisamos colocar aqui, ok, qual é o nome desta ferramenta, vai ser chamada de liderança qualificada, está nos dando um bom exemplo de como podemos escrever uma descrição para a ferramenta. Chame esta ferramenta para obter uma cor aleatória, a entrada deve ser uma string com nomes de cores separados por vírgula para executar. No nosso caso, podemos dizer: chame esta ferramenta quando a liderança for qualificada de acordo com nossos critérios. As entradas devem ser nome de liderança, e-mail de liderança, empresa, resumo da empresa e informações de solicitação. Estamos basicamente dizendo a esse modelo de IA ou ao cérebro o que esta ferramenta pode fazer. Então, quando enviamos algum tipo de entrada, então ele olha nossas ferramentas, ele olha a descrição do Gmail e olha esta descrição da ferramenta de fluxo de trabalho e diz: "Ah, bem, eu tenho uma ferramenta que faz isso e uma ferramenta que faz isso, o que eles acabaram de me enviar? Ok, agora acho que sei o que preciso fazer a partir daqui". Então este é o resumo do que queremos fazer como descrição para esta ferramenta. Na verdade, vou melhorar isso com um pouco maior aqui. Se a liderança estiver qualificada para trabalhar com a Big Boy Recruits, ou seja, são empresas baseadas em software, como SAS ou agências de desenvolvimento, e disparar esta ferramenta e enviar os dados de liderança no seguinte formato, são apenas dados fictícios, então nome, um nome, e-mail, uma mensagem de e-mail, novo div qualificado, verdadeiro, informações da empresa e informações da empresa, que é um resumo da ferramenta de relevância para fazer a pesquisa da empresa que temos. Pode parecer um pouco louco no momento, mas fique comigo porque vai fazer sentido em um segundo. Estamos basicamente apenas dizendo quando vai disparar esta ferramenta e o formato para enviar os dados. E para o fluxo de trabalho, podemos escolher aqui o que acabamos de configurar, que é o nosso classificador e notificador de liderança qualificado, pelo menos no meu caso. E então vemos as entradas do fluxo de trabalho que acabamos de configurar. Então, se voltarmos para nossa outra automação, quando abrirmos isso e definirmos nossas entradas aqui, você pode ver aqui que estamos obtendo apenas uma delas que colocamos como exemplo até agora. Então agora precisamos configurar todas essas entradas corretamente e temos o nome que queremos. Então temos o nome e queremos o e-mail, então podemos adicionar outro e-mail, o que mais precisamos? Precisamos da mensagem. Sinceramente, não acho que precisamos deste qualificado aqui. E então temos as informações da empresa. Então, se apenas testarmos isso, voltarmos aqui e atualizarmos esta lista, oh, sair, salvar e isso aparece, diz que essas entradas estão desatualizadas. Então lá vamos nós, temos o nome da liderança, e-mail, mensagem etc. E então podemos realmente preencher automaticamente muitas dessas entradas. Talvez eu coloque isso de volta aqui apenas para mostrar a vocês como essas funcionam. Então, se formos qualificados e então apenas chamamos de verdadeiro aqui, eu apenas coloquei como uma string e voltamos aqui e adicionamos mais uma, que é uma qual qualificada, que também é uma string. E então temos este campo qualificado aqui também. Se voltarmos, vou apenas testar isso, salvá-lo novamente, voltar e atualizar isso, acho que podemos torná-lo ainda mais legal. Então vamos, ele muda de uma string para um booleano, então é verdadeiro ou falso. E se testarmos isso, salvá-lo novamente e mudarmos isso para remover essas pequenas coisas, desculpe, me irrita se eu não tiver isso configurado corretamente. E então atualizamos isso, você verá que isso se transforma em um interruptor, então é um verdadeiro ou falso. Para disparar esta ferramenta, ela deve ser qualificada por padrão, então é um pouco redundante, mas ainda é legal mostrar a vocês como podemos fazer a IA preencher esses campos. Em muitos casos, não fazemos, mas para esta execução qualificada, podemos. Então podemos definir isso como um campo gerado por IA, podemos dizer se a elite é qualificada com base em nossos critérios, isso é definido como verdadeiro. E para o restante, podemos apenas preencher isso rapidamente, dar a isso um segundo, abrir isso novamente e podemos preencher alguns desses campos. Então podemos ir, o nome da liderança que queremos passar para a outra automação será isso. Então podemos preencher muitos desses, e-mail, mensagem e as informações da empresa. Podemos obter de, tecnicamente, mas talvez pudéssemos fazer um legal gerado por IA aqui, que é um breve resumo da empresa e do setor em que ela atua, detalhes da empresa. Então isso está basicamente dizendo ao modelo de IA do nosso agente como preencher este campo, que é uma das razões pelas quais os agentes de IA são tão poderosos. Então isso está tudo configurado agora. Temos todas as nossas ferramentas configuradas, a última etapa é apenas configurar um prompt para nosso agente e vou trapacear um pouco aqui e apenas colocar um que eu fiz antes para nos poupar um pouco de tempo aqui. Então queremos definir o prompt aqui, podemos colar essas informações aqui e isso basicamente está dizendo ao agente quem ele é e o que ele deve fazer. Você é um agente de qualificação de liderança, seu trabalho é analisar o envio do formulário e a pesquisa da empresa fornecida e, em seguida, decidir se eles estão qualificados para trabalhar com a Big Boy Recruits. Nós nos especializamos em XYZ, somos especialistas em capturar talentos para ra. Só trabalhamos com empresas baseadas em software, como empresas SAS ou agências de desenvolvimento. Essas empresas estão dispostas a pagar muito mais desenvolvedores do que sua empresa de marketing média ou empresa local. Portanto, só trabalhamos com elas. Seu trabalho é determinar se a liderança que lhe foi fornecida é um bom ajuste para a Big Boy Recruits e, em caso afirmativo, chame a ferramenta de liderança qualificada e envie as informações da liderança para ela. Se a liderança não estiver qualificada, você deve disparar a ferramenta de envio de e-mail do Gmail para nós respondermos a eles, informando-os de que não podemos trabalhar com eles. E então temos um formato de resposta aqui, que provavelmente podemos simplesmente excluir. E então podemos adicionar aqui, estão as informações de liderança para você analisar. Vamos abrir isso para facilitar, podemos adicionar, apenas nome, URL da empresa, mensagem, solicitação e, claro, vamos para uma empresa e pegamos, então isso é da etapa relevante para a pesquisa que fizemos para raspar usando nossa ferramenta de FireCrawl. E então fornecemos todas as informações a este agente e ele será injetado com todos esses valores em cada envio de formulário. E então ele vai fazer uma chamada sobre qual ferramenta precisa usar. Então estamos quase lá, podemos até dar uma execução aqui e tentar testar a etapa e ver qual ferramenta ele vai tentar escolher. Se voltarmos, podemos ver, ok, olhe, ele usou o modelo de bate-papo como o cérebro e disparou o fluxo de trabalho NA10 como esperado. Você pode ver aqui que ele enviou informações para nosso outro fluxo de trabalho, ele enviou o nome da liderança, o e-mail, a mensagem e as informações da empresa. E definiu como qualificado também. Então todos esses campos foram preenchidos, temos um bom resumo gerado por IA aqui do modelo e cérebro, e temos o qualificado definido como verdadeiro. E então a etapa final agora para nós é voltar para nossa outra automação e apenas terminar. Oh, precisamos salvar isso, vou executar isso novamente para você, para que você possa ver em câmera lenta, está usando o LLM como o cérebro e o agente de ferramentas e está decidindo se está qualificado ou não. E se estiver qualificado, ele enviará para este fluxo de trabalho. Bam, enviamos e lá está. Se voltarmos para, vamos salvar isso, voltar para o nosso classificador e notificador de liderança qualificado, agora podemos adicionar algumas etapas rápidas aqui. Vou apenas passar por isso, não é super importante, mas apenas mostra um pouco mais de funcionalidade do que você pode construir no Make. Então vamos adicionar uma etapa de modelo de mensageiro aqui e vamos escolher o gpt-3.5-turbo-mini. E o que eu quero que isso faça é receber as informações que enviamos para o fluxo de trabalho sobre a pesquisa da empresa etc. Então sabemos que esta é uma liderança qualificada agora, mas só queremos dividi-la entre nossa equipe SAS ou nossa equipe de vendas de agências de desenvolvimento. Então eles são especializados em lidar com casos diferentes. Vou trapacear e apenas colocar um prompt aqui, que vocês poderão acessar, que basicamente está dizendo que temos uma nova liderança recebida. Mude isso para uma expressão, desculpe.

Temos um novo lead recebido que precisamos que você classifique como SAS ou agência de desenvolvimento. Aqui estão as informações do lead. Precisamos voltar um passo e testar isso. Pronto, devemos ter algumas informações. Agora podemos inserir essas informações. Você vê como não havia nada aqui antes de eu voltar e testar o gatilho? Isso nos dá alguns valores nulos aqui que podemos preencher. Aqui estão as informações do lead: nome do lead, mensagem, nome, solicitação, informações da empresa. Se a empresa for uma SAS, coloque SAS; se o lead for uma agência de desenvolvimento, coloque Agência. Estamos procurando apenas Agência ou SAS como saídas. Simplifique a saída. Sim, está tudo certo. Não há sentido em testarmos essa etapa, pois todos os valores são nulos. Mas a próxima etapa é um fluxo de roteador básico. Então, este é um roteamento condicional básico. Temos as condições, podemos ir à expressão aqui. Podemos ir ao conteúdo aqui. Este é o resultado da etapa OpenAI. Se o conteúdo, que é a resposta da etapa LLM, o classificador, for agência ou SAS. Se for, só para torná-lo um pouco mais flexível, se usarmos string, se contiver agência, ótimo. Se contiver agência do lado verdadeiro, queremos ir para o Gmail e enviar uma mensagem. E se for falso, queremos fazer basicamente a mesma coisa. Tenho um e-mail predefinido para nos ajudar aqui. Ok, aqui não estamos obtendo muitos dados do lado da entrada e não conseguimos simulá-lo, pois é acionado por outro fluxo de trabalho. O que podemos fazer é salvar aqui, ir para execuções e, se voltarmos ao nosso outro fluxo de trabalho, o agente, e formos para as submissões de formulário, se formos para execuções e executarmos uma dessas que acabamos de fazer antes, copiar para o editor e executarmos isso novamente, isso basicamente vai acionar isso novamente para que tenhamos uma execução nova e possamos extrair esses dados de volta para o fluxo de trabalho. Oh, estamos tendo problemas agora, é porque preciso excluir isso. Se pararmos isso e executarmos novamente, pronto, acionado e está tudo feito. Agora, se voltarmos a isso e formos para execuções, para a mais recente que foi bem-sucedida, ela vai carregar. Espere, esta provavelmente é. Oh, não, não é essa. Ok, esta aqui. Se clicarmos aqui, sim, temos todos os dados aqui. O que podemos fazer é copiar isso para o editor e, em seguida, temos os dados que precisamos, já carregados, para que tenhamos alguns valores para inserir em nossas etapas do Gmail. Gmail. Então, esse é um pequeno truque útil para saber como fazer. E agora temos todas essas informações. Isso é o que eu estava tentando obter. A mesma configuração e vamos enviar isso para, vou usar um exemplo aqui e chamar isso, é o mesmo e-mail, você não puxaria isso necessariamente, estou apenas usando isso como algo que posso mostrar a você, dizer novo lead de agência. Vamos fazer um texto, digamos, novo lead de agência, vá buscá-lo. Transformar em uma expressão e, então, podemos simplesmente inserir esses dados da empresa aqui. Vai ficar bagunçado, você pode brincar mais com isso quando se trata de formatação, mas só para mostrar a funcionalidade, se formos testar uma etapa aqui, isso vai enviar um e-mail para este, este é o e-mail do meu representante de vendas de agência, é claro. Vamos renomear isso, podemos duplicar isso, clicar com o botão direito, duplicar, trazer aqui, conectar isso e mudar isso, você muda isso para seu cara SAS, você muda para um e-mail diferente, é claro, e então você pode dizer novo lead SAS. Então, agora fizemos tudo isso, basicamente tudo construído, os dados vão vir do agente, vão enviar o resumo da empresa, isso vai classificá-lo como um lead de agência ou um lead SAS, porque esses são os únicos dois tipos de negócios com os quais trabalhamos, então todos eles serão qualificados quando chegarem aqui e, em seguida, apenas enviam um e-mail para nosso representante de vendas de agência ou nosso representante de vendas SAS. Renomeie isso para nosso representante de vendas SAS, novo lead SAS para que eles possam continuar e fazer as próximas etapas e dar continuidade. Para testar isso, podemos ativar isso para ativo e você pode ver que agora pode fazer chamadas do URL do seu formulário de produção. Podemos ir, ok, se clicarmos duas vezes aqui, podemos abrir isso, podemos clicar em URL de produção, copiar isso e abrir isso em uma nova guia e agora podemos dar uma olhada. Então, é claro, minha agência Morningside AI oferece serviços de desenvolvimento, então isso deve ser qualificado e também deve encaminhá-lo para o e-mail da agência. Então, se agora eu enviar, voltamos para o NADN, vamos para execuções, podemos ver que este está sendo executado. Se formos para o Gmail e eu abrir minha caixa de entrada extra, e pronto, vemos que foi concluído com sucesso. E então, se formos e então, se formos para nosso qualificador e notificador de leads e formos para execuções, também veremos que temos um novo que foi concluído com sucesso aqui, que foi há alguns segundos atrás e que passou por isso, foi colocado como agência, que é a classificação que queríamos, passou e enviou um novo e-mail e, se formos aqui, temos novo lead de agência, pronto, todas as informações. Então, isso está funcionando, número um. Agora podemos voltar ao nosso formulário e podemos tentar novamente, mas desta vez com, digamos, um negócio não qualificado. Vamos lá, qual é o seu nome? Ray Croc, RayMcDonald.com, McTum, preciso de mais gente, mais gente virando hambúrgueres amaldiçoados. Essencialmente, Ray aqui veio para nossa agência de recrutamento e eles estão perguntando: "Ei, preciso de pessoas para virar hambúrgueres para mim no meu restaurante de fast food." E porque o Big Boy Recruits em Dallas, que é uma empresa hipotética, é claro, não faz isso, ele vai qualificá-los ou vai desqualificá-los e enviar um e-mail para nosso bom amigo, oh, não, algum pobre sujeito do McDonald's vai receber um e-mail agora, porque enviar um e-mail, mas vai estar sendo executado e, claro, vai estar enviando, se eles forem não qualificados, enviará um e-mail para eles e dirá: "Ei, desculpe, você não é uma boa opção para nós, avise-nos se podemos ajudar ou podemos conectá-lo aos nossos parceiros." E enquanto isso estiver sendo executado, eu apenas montaria o último aqui para testar a funcionalidade, que é se formos LiamAdmin.com e configurarmos meu SAS, https, meu agente SAS, se você ainda não o usou, vamos mostrar como usá-lo no último tutorial deste vídeo, então vocês poderão ver isso, que é minha própria plataforma de construção de agente de IA sem código e no que podemos ajudá-lo, agentes. Então, isso deve ser um SAS e será qualificado como SAS. Temos o do McDonald's que foi concluído com sucesso aqui e você vê, sim, como esperado, não fomos qualificados, a pessoa do McDonald's não foi qualificada para nossa oferta, então ele analisou os critérios de qualificação que fornecemos aqui, disse: "Ei, não, isso não é uma boa opção". Então vou usar essa ferramenta e você pode ver que enviou o e-mail e disse: "Ei, obrigado pelo seu interesse, mas não somos uma boa opção para você". Então alguém do McDonald's acabou de receber um e-mail, desculpe por isso, mas não acionamos o outro fluxo de trabalho, que é uma parte fundamental, e não vamos enviar e-mails para nossa equipe de vendas dizendo: "Ei, olhe, novos leads". Agora eu enviei outro aqui que acabou de terminar a execução e podemos ver isso, ele passou por isso, ele pesquisou, agentivo, você verá, Agent é uma plataforma líder de entrega de serviços para IA, agente, automação de IA, proprietários de agência, etc., e é chamado de ferramenta porque fomos qualificados porque somos um negócio SAS, certo? E novamente, se voltarmos aqui e olharmos o mais recente, que é este, oh, temos outro aqui, então você verá que o novo lead SAS foi acionado porque somos um SAS, é claro. A etapa LLM aqui colocou apenas SAS. Isso significa que deve enviar um e-mail para a equipe SAS, que se formos para minha caixa de entrada, pronto, novo lead SAS. Então, eu sei que pode ter demorado um pouco, mas chegamos lá eventualmente e você pode ver que construímos toda essa funcionalidade, temos nosso agente de IA chamando nossas ferramentas se elas forem qualificadas e acionando este outro fluxo de trabalho novamente, você pode construir tantas coisas legais conectando um agente a vários fluxos de trabalho diferentes. Temos uma pequena ferramenta de pesquisa de IA de relevância que estamos reutilizando aqui e temos pessoas sendo recusadas com um e-mail instantâneo enviando-as de volta. Espero que esta tenha sido uma boa para mostrar como o NATM funciona, eu realmente gosto muito dessa funcionalidade de agente que eles têm, acho que vocês serão capazes de construir coisas incríveis se continuarem por essa toca do coelho. Então, esse foi o agente construído número dois, fique comigo enquanto passamos para o agente construído número três, que é um bem legal, focando em agentes baseados em bate-papo e voz, tudo na mesma construção. Então, vamos começar. Certo, então essas são duas construções do caminho, parabéns se você chegou até aqui. Temos outra grande aqui, isso vai quebrar como usar o Voice Flow. Vamos tirar isso aqui, para construir um agente que será acessível por meio de um bate-papo do site, para que você possa conversar com ele em um site como um widget de bate-papo, com o qual você provavelmente está familiarizado, mas vamos conectar o mesmo agente e a mesma funcionalidade que você obtém por meio desse widget de bate-papo também a um número de telefone no site que poderá ligar e ter a mesma experiência. Isso vai mostrar como no Voice Flow você pode construir experiências de bate-papo e voz, e este é um novo recurso para eles na época da filmagem, e este agente é o que podemos classificar como um agente de suporte ao cliente e geração de leads de IA para sites e telefones, e vamos construí-lo no Voice Flow, é claro, e o objetivo deste agente é que ele é projetado para responder a perguntas comuns de clientes em potencial por meio de um chatbot de site e também por meio de um número de telefone que pode ser chamado. Não só ele pode responder a perguntas para ajudá-los a se mover em direção a uma compra, mas ele também pode gerar orçamentos instantâneos para partes interessadas. Isso visa aumentar o número de leads que eles obtêm, porque as pessoas que veem um formulário de contato podem pensar: "Ei, quero obter uma resposta instantânea, quero saber instantaneamente quanto custa porque estou pesquisando". E em vez de apenas preencher um formulário de contato e esperar, ter essa cotação instantânea pode dar às pessoas confirmação do preço, para que estejam prontas para dar um passo adiante e acabar fazendo a venda. Portanto, esse recurso de cotação instantânea é legal, muito fácil de fazer com a ferramenta personalizada na relevância que vamos construir. Finalmente, este agente será capaz de capturar informações de leads daqueles que receberam um orçamento, então depois que eles receberam um orçamento, vamos dizer: "Ei, nos dê seus dados e nós faremos o acompanhamento, nossa equipe fará o acompanhamento e marcará um horário para o serviço". E o valor aqui do sistema é que os clientes muitas vezes vão querer respostas instantâneas para que possam fazer uma compra. Então, oferecendo maneiras fáceis para eles obterem essas informações, podemos aumentar a chance de que eles vão comprar do negócio. As empresas normalmente têm que gastar dinheiro em algum tipo de equipe de suporte ao cliente ou vendas para obter esse tipo de resposta para os clientes quando eles precisam, mas este agente pode essencialmente ser uma solução única para ajudar a aumentar as vendas do negócio, aumentando a probabilidade de compra, pois eles agora têm mais informações, enquanto também economiza dinheiro para o negócio que eles normalmente gastariam em algum tipo de equipe de suporte. Digamos que este chatbot consiga lidar com dúzias e dúzias de respostas por semana que normalmente teriam passado por um funcionário de suporte, então estamos economizando dinheiro para a empresa e também ajudando-a a aumentar sua chance de gerar mais receita. Então, aqui está um layout aproximado do design aqui, vamos ter um site, vou dar um modelo para isso, é muito fácil de configurar e vamos apenas colocar um número, que será conectado ao agente de voz que construiremos, e estaremos configurando o widget de bate-papo na web do Voice Flow também, e este agente terá acesso a um banco de dados de conhecimento para responder a perguntas que os clientes em potencial podem ter sobre o negócio e seus serviços, etc. Ele terá uma ferramenta que permite gerar uma cotação instantânea, então ele vai receber algumas informações, isso será para um negócio de limpeza ou um negócio de limpeza hipotético, e então seremos capazes de gerar uma cotação instantânea para eles com base no tipo de propriedade e no tamanho da propriedade que eles precisam limpar, e seremos capazes de capturar as informações do lead depois e registrá-las em um CRM, neste caso, vamos apenas usar o Google Sheets, mas é bastante fácil de trocar isso para qualquer CRM que você quiser. Então, vai ficar um pouco assim, eu na verdade adicionei um pouco mais e estamos usando outra ferramenta de relevância aqui, esta é de um projeto diferente do meu acelerador, mas vou pegar isso e colocar aqui para vocês todos, e esta é a ferramenta número dois aqui, gerar cotação instantânea, então vamos colocar isso aqui, receber algumas informações, responder a perguntas, etc. O processo de construção no Voice Flow é uma das minhas experiências favoritas no espaço de automação, eu realmente gosto da maneira como eles construíram seu construtor de fluxo, então tenho certeza de que vocês vão gostar de construir isso passo a passo comigo e, em seguida, o padrão de uso geral do sistema é que a pessoa vai chegar ao site, eles vão clicar para conversar com o chatbot e se envolver com essa funcionalidade ou vão inserir o número de telefone em seu telefone e então o agente vai entrar e responder por texto ou por voz e determinar em que precisam de ajuda, que é esta seção aqui, e então estará roteando usando esta seção de roteador aqui para a ferramenta correta, seja eles querem uma pergunta respondida ou querem obter uma cotação, e cada um desses ramos será executado nessa funcionalidade dependendo de sua intenção. Então, vai ficar um pouco assim, teremos um número de telefone e teremos um chatbot assim, este é na verdade um chatbot de agenda do meu próprio software, mas vamos substituí-lo por um Voice Flow nesta construção. Então, sem mais delongas, vamos pular para o Voice Flow. Quando você clicar naquele link no Figma, ele o levará à página de inscrição, você pode se inscrever lá e, então, quando estiver dentro, você terá uma página parecida com esta. A primeira coisa que queremos fazer, é claro, é criar um novo agente aqui no canto superior direito. Vamos chamar isso de Bonor's Cleaning, agente de site e telefone. Vamos começar com um modelo básico aqui, importar conhecimento para isso, importar conhecimento, podemos pular isso por agora, e então entramos no construtor de fluxo no Voice Flow. Apenas uma orientação rápida, se você é novo na plataforma Voice Flow, aqui é onde podemos adicionar nosso conhecimento, o que faremos em breve. Os fluxos de trabalho são onde acessamos o construtor de fluxo. Na maioria das construções simples como esta, você terá apenas um fluxo de trabalho, então você não precisa se preocupar muito com isso. Agora temos integrações como o widget, que vamos usar para implantar isso em um site, temos a integração do número de telefone, que faremos mais tarde também, então temos chaves de API, etc., com as quais você não precisa se preocupar muito agora, temos alguns recursos de publicação aqui, que veremos mais tarde, temos acesso a transcrições, então depois de implantarmos isso, você pode acessar todas as transcrições por voz ou por bate-papo aqui e examinar as respostas e ver como as pessoas estão interagindo com o agente que você construiu, algo que muitas pessoas negligenciam depois de colocar um desses em produção, e então temos coisas como análise, etc., mas obviamente precisamos de alguns dados antes de vermos algo útil lá, e a página de configurações não é muito com a qual você precisa se preocupar agora, apenas em uma base de necessidade de saber, as coisas mais importantes são, é claro, nesta primeira guia aqui, que é conteúdo. Temos mensagens, temos prompts, temos componentes, vamos trabalhar muito com prompts em breve, então essa é a principal com a qual precisamos nos preocupar, mas por enquanto podemos apenas ir para fluxos de trabalho e abrir este primeiro fluxo de trabalho e editá-lo, e aqui temos o modelo que o VoiceFlow nos dá, que eu vou simplesmente destruir e vamos começar do zero, e se você vir no Figma, temos um design aqui que estamos trabalhando aproximadamente, vou mostrar o passo a passo, então precisamos de uma etapa de boas-vindas, então vamos começar indo aqui e soltando, vou tentar ampliar um pouco para vocês aqui, mensagem de fala. Mensagem é como você envia uma mensagem via bate-papo. Iniciar é quando talvez você clica no widget, ele aparece e esta mensagem que vamos inserir é a primeira mensagem que o bot vai enviar. Então dizemos, aqui em cima, ei, ei, bem-vindo ao Corners, vou ampliar um pouco isso para vocês e imediatamente temos uma pequena dica e truque que quero dar a vocês, porque estamos construindo isso como um assistente de bate-papo e voz, queremos evitar o uso excessivo de pontuação, pois isso deixa essas longas pausas quando o agente de voz está dizendo: "Ei, bem-vindo ao Connor's Cleaning". Então queríamos apenas dizer: "Ei, bem-vindo ao Connor's Cleaning". Um pouco mais natural, há momentos em que você vai me ver no lado de uma pontuação mais descuidada, mas isso é apenas para garantir que quando chegarmos ao teste em voz, soe o mais natural possível. Então, ei, bem-vindo ao Connor's Cleaning, e então, é claro, vamos esperar que eles respondam e digam algo de volta para nós, vamos para ouvir e, em seguida, capturar, e isso vai capturar as informações que queremos mudar isso de capturar entidades, que é como dizer, estou procurando um preço ou um endereço, vamos apenas ir para toda a resposta do usuário, e a resposta será salva nesta variável aqui. Então, na verdade, queremos mudar isso para a primeira resposta do usuário, porque vamos precisar dela um pouco mais tarde, a primeira resposta do usuário e eu gosto de nomear essas à medida que avançamos, então podemos chamar isso de boas-vindas, arrastar isso aqui, obter uma nova e vamos fazer uma etapa de configuração aqui, então vamos definir algumas variáveis e vou adicionar uma nova variável para definir, e vamos fazê-lo com base em um prompt aqui, que é um recurso legal no Voice Flow que eles adicionaram recentemente, e seremos capazes de selecionar um prompt que vai receber essas informações desta primeira resposta e, em seguida, gerar algum tipo de saída a partir dela e definir uma variável, e a variável que vamos definir aqui é chamada de última resposta, então esta é normalmente o que você vai colocar como a última resposta da IA ou do agente, última resposta aqui, e a última declaração é normalmente a mensagem mais recente do usuário, então a declaração vem do usuário, a última declaração e a última resposta é o que a IA ou o agente ou o sistema respondeu por último. Então queremos definir a última resposta para algo que seja gerado por meio deste prompt aqui, então podemos criar um novo prompt aqui, e isso basicamente vai receber os dados do bate-papo e da conversa até agora, e seremos capazes de gerar coisas a partir dele, digamos que adicionemos aqui o histórico da conversa, isso é bom ter na maioria dos casos, e vou despejar alguns dos prompts aqui apenas para economizar um pouco de tempo, mas basicamente estamos dizendo, resumir a pergunta do cliente abaixo e pedir a eles para confirmar que foi isso que eles quiseram dizer, então não vamos realmente gerar a última declaração aqui, vamos adicionar a última, a primeira resposta do usuário, quero dizer, ela será incluída aqui no histórico da conversa, mas não há nenhum mal em codificá-la ou pelo menos colocar a variável aqui para garantir que esteja lá. Estamos apenas dizendo, resumir a pergunta do cliente e basicamente dizer uma declaração de confirmação, então apenas para confirmar, é isso que você está procurando fazer, então imagine isso ao telefone, ei, hum, hum, eu não tenho certeza do que devo fazer aqui, mas eu estava pensando se, se vocês fossem possivelmente, então todas essas informações são recebidas, podemos voltar para eles e dizer, só para confirmar, isso parece que você está procurando isso, sim ou não, certifique-se de que seu tom seja empático, fale diretamente com o cliente final, mantenha sua resposta breve e em no máximo duas frases. Então, se voltarmos aqui e, na verdade, podemos nomear esse prompt, então é, resumir o problema, e então precisamos enviar a resposta, então este prompt vai receber as informações que fornecemos aqui, vai usar este prompt para receber o histórico da conversa até agora e essas informações do usuário na primeira pergunta, ele vai gerar uma pergunta para perguntar de volta e vai salvá-la nesta variável que temos aqui, então aplicar saída para variável última resposta, há na verdade uma maneira mais fácil de fazer respostas de IA como esta, mas no nosso caso, precisamos salvar esta variável, então vai fazer sentido em um segundo, mas podemos ir para aqui e podemos ir para última resposta, e então ela vai enviar essas informações de volta para eles. Então, vamos fazer um teste rápido aqui, clique em iniciar, ei, bem-vindo ao Connor's Cleaning, oh, na verdade, precisamos fazer uma pergunta, ei, bem-vindo ao Connor's Cleaning, como posso ajudar, diremos, preciso de serviços de limpeza para minha casa, parece que você está procurando serviços de limpeza para sua estufa, está correto? Quero ter certeza de que entendo suas necessidades específicas antes de prosseguirmos. Então, obviamente, eu escrevi casa com G, casa, então pensamos que era uma estufa, mas é isso que queremos, algum tipo de mensagem de confirmação dizendo, ei, olhe, é isso que você está realmente procurando fazer antes de acionarmos as diferentes ferramentas que estamos equipando nosso agente. A propósito, há uma maneira de mudar entre trackpad e mouse, então estou movendo com o meu mouse aqui, você também pode usar um método de trackpad, que é muito mais fácil de usar se você estiver tendo problemas para usá-lo. Ok, depois disso, obviamente, eles vão dizer sim ou não, se eu tenho a pergunta ou se eu resumi o que você está procurando corretamente, e podemos ir para uma etapa de escolha aqui e podemos configurar alguns gatilhos, podemos definir a intenção como sim, e então podemos adicionar outro gatilho e podemos definir como não. Isso basicamente usa IA para analisar o que eles disseram e agrupá-lo em torno dessas coisas, que são chamadas de intenções. Qual é o

A intenção deles com essa, eh, resposta e, nesse caso, eles têm algumas predefinidas, mas vamos construir nossas próprias intenções personalizadas mais tarde. Mas, por enquanto, saiba que, se você está procurando dividir o tráfego ou dividir as pessoas que entram no sistema, esses blocos de escolha com as intenções padrão, eh, do Voiceflow, sim e não, estão prontos para uso imediato. E se eles não disserem sim ou não claramente ou não conseguirmos captar, podemos adicionar uma sem correspondência aqui. Podemos dizer: "Desculpe, não entendi. Pode dizer sim novamente?". Um sim ou um não é o suficiente. E então podemos dizer para seguir um caminho após essas repetições, que chamaremos de sem correspondência. E então temos esse, eh, caminho sem correspondência, que configuraremos em um segundo aqui. Vou apenas colocá-lo como um, um preenchimento por enquanto. Basicamente, se, se eles não disserem sim ou não, isso está configurando o tratamento de erros. E basicamente, se as pessoas, particularmente ao telefone, existem tantas maneiras diferentes de a conversa acontecer e terminar, e você vai querer, embora eu não me concentre muito nisso nesta construção, enquanto você estiver construindo assistentes de nível de produção, precisará construir muito mais desses retornos e essas repetições e essas coisas sem correspondência para lidar com casos extremos em que as pessoas o usam de uma maneira estranha que você não espera. Então, quero dar a você uma pequena amostra disso neste tutorial, mas não é de forma alguma representativo do que é preciso para realmente colocar algo em produção em que você possa confiar em um, em um site de clientes.

Ok, então temos este bloco de escolha configurado para determinar se obtivemos a sumarização do problema correta. E podemos levar isso até aqui e podemos definir outra, eh, variável. Então, esta é realmente a parte principal do aplicativo, que é determinar qual é a intenção deles, o que eles estão procurando fazer e para qual ferramenta vamos encaminhá-los. Então, esta é uma habilidade muito útil de ter, que vou te ensinar, que é como configurar algum tipo de sistema de classificação de intenção, que é realmente, realmente essencial para construir agentes no Voiceflow e qualquer tipo de agente onde a própria plataforma não está lidando automaticamente com isso para você. Então, se formos definir uma nova variável e vamos fazer isso por meio de um prompt, vamos definir uma nova variável aqui chamada ação desejada. Então, basicamente, as pessoas que entram e fazem perguntas podem estar dizendo: "Olha, eu só tenho uma pergunta rápida sobre onde vocês estão localizados". E então vamos encaminhá-los para o banco de conhecimento. E então alguém pode estar dizendo: "Quanto custa isso?". E então vamos encaminhá-los para o sistema de cotação instantânea, que estamos configurando. Precisa ser capaz de determinar o que eles estão procurando e vamos encaminhá-los dependendo disso. E é isso que esse roteador vai fazer.

A ação que o prospect deseja tomar, a ação mais provável que o prospect deseja tomar. Então, precisamos criar um novo prompt aqui. Vamos chamar isso de classificador de intenção. Classifica a intenção do, eh, prospect em perguntar ao banco de conhecimento ou gerar uma cotação instantânea. Adicione no histórico da conversa. Sempre é bom ter isso lá. E vou colocar o prompt que escrevi anteriormente. E este também é um prompt bastante básico, que está simplesmente dizendo: "O que o cliente deseja fazer? Fazer uma pergunta, obter uma cotação em tempo real ou algo totalmente diferente? Você deve fornecer apenas um rótulo para isso. Suas opções são: fazer uma pergunta, obter uma cotação ou outro". E vocês podem simplesmente pausar e ver o que eu tenho lá. Mas basicamente, qualquer coisa que faça uma pergunta será sobre o negócio e os serviços. E se houver algo sobre preços ou diretamente relacionado à obtenção de uma cotação e, como eles estão prontos para prosseguir, então vamos encaminhá-los para obter uma cotação. E qualquer outra coisa irá para outro. Porque na próxima etapa, vamos estar procurando por isso, ou isso, ou isso. Uma declaração muito clara dizendo que isso é tudo que você precisa fornecer, apenas isso e não: "Eu dei uma olhada no histórico da conversa e parece que o usuário deseja obter uma cotação". Nós apenas queremos: obter uma cotação. E podemos afirmar isso explicitamente com este grande bloco de maiúsculas aqui. E como nas outras construções, todos esses prompts estarão disponíveis nos recursos para que você possa acompanhar.

Ok, então agora chegamos à parte legal, que é o roteamento disso. Então, se formos adicionar condição, adicionar isso aqui e formos adicionar o construtor de condição de caminho e dissermos: "Se a ação desejada for fazer uma pergunta", oh, isso é tudo que precisamos aqui. Então, como você pode ver, isso adicionou um aqui. E se quisermos adicionar outro, vamos fazer se a ação desejada for, eh, como rotulamos a saída? Qual era o rótulo exato que tínhamos aqui? Então, este prompt vai gerar esses rótulos, então precisamos garantir que eles correspondam. Então, fazer uma pergunta, obter uma cotação, sim, obter uma cotação e outro é outro. E já tem um caminho else lá para qualquer tratamento de erro também. Então, o que isso agora nos permite fazer é construir nossas diferentes ferramentas. Então, podemos ir até aqui para fazer uma pergunta, apenas jogar isso por enquanto, para que possamos ter uma ideia de como ficará. Outro, isso será uma espécie de tratamento de erro. E se for else, isso significa que a etapa LLM aqui não gerou nenhum dos rótulos que dissemos a ele para gerar, e provavelmente gerou um monte de lixo. Então, esta é uma espécie de etapa de tratamento de erro. Deveria dizer: "Desculpe, algo deu errado". Pelo menos durante esta fase de prototipagem. Então, agora o que eu gostaria de fazer é deixar isso um pouco mais bonito. Podemos percorrer e adicionar coisas aqui, como esta é a, eh, confirmação do problema, classificador de intenção, roteador. E então podemos ir aqui, adicionar uma nota, pode dizer: ferramenta número, número um, resposta do banco de conhecimento, dois. Vocês não têm isso, então será fácil para vocês verem, entenderem. Eu sei que isso pode parecer bastante confuso. E então, este outro, não precisamos nos preocupar muito. Então, para manter as coisas rápidas, não vou testar isso ainda. Vou testá-lo assim que tivermos essa funcionalidade configurada de ambos os lados, pelo menos para este superior primeiro.

Então agora precisamos configurar nosso banco de conhecimento. E para fazer isso, podemos clicar no botão voltar aqui, ir para nosso conhecimento e aqui temos uma fonte de dados que podemos carregar. Vou carregar um arquivo, mas você pode colocar URLs para diferentes sites, etc. Vou carregar um arquivo aqui e vou carregar este documento FAQ de limpeza do Connor, ao qual vocês terão acesso nos recursos. Basicamente, é sobre nós, localização, nossos serviços, ra, algumas perguntas frequentes, etc. Eu apenas gerei isso com IA. E se você estiver fazendo qualquer tipo de construção de protótipo, eu recomendo que você faça o mesmo, apenas para colocá-lo lá e ver se o banco de conhecimento está funcionando conforme o esperado. Obviamente, você substituiria isso por dados reais do cliente ou pelo FAQ do seu cliente. Vou apenas jogar isso aqui por enquanto e vocês podem fazer o mesmo. E ao configurar seu banco de conhecimento, você também pode configurar as configurações para ele. Então, neste caso, está usando por padrão Claude 3.5 Haiku. E você pode ver quantos tokens isso vai custar para o uso do Voiceflow. O que é Haiku? Haiku parece ser o mais barato. Oh, você tem GBT40 mini. Deixe-me apenas colocar o GBT40 mini aqui. Queremos que isso seja bastante determinístico, então eu diria que 0,1 está bom, tokens máximos. Podemos aumentar isso, caso precise dar uma resposta mais longa e o limite de fragmentos de três deve ser suficiente. Então, isso é para que essas coisas sejam um pouco mais avançadas, esse banco de dados vetorial, como eu estava falando. Basicamente, o banco de conhecimento vai enviar a mensagem que pedimos e consultá-lo e obter fragmentos de informações. Como nosso banco de conhecimento é bastante pequeno, não precisamos realmente ter muitos fragmentos. Se você aumentar isso, você só estará obtendo todo o documento de qualquer maneira. Então, tokens máximos, o número de tokens que ele incluirá na resposta. Então, queremos aumentar isso para 480, para que ele possa fornecer uma resposta mais longa se necessário. Talvez apenas reduza um pouco isso. E esses são, é claro, tipos de controles que você tem sobre quanto você deseja permitir que o aplicativo gaste. E essas configurações, obviamente, as principais maneiras pelas quais você pode controlar quanto seu banco de conhecimento está usando e quanto você ou seu cliente estão gastando em última análise nos recursos de IA para o banco de conhecimento.

Assim que tivermos isso configurado, podemos voltar para fluxos de trabalho aqui, abrir isso novamente. E então, para conectar nosso banco de conhecimento, podemos ir para a seção dev aqui, podemos ir para a pesquisa KB, colocar isso aqui. Eu vou, eh, precisamos excluir isso e reconectar isso ao topo e vamos excluir isso também. E então podemos entrar nesta etapa do banco de conhecimento aqui e podemos inserir a consulta. Então, o que vamos dizer é que basicamente queremos lançar a informação que já temos do usuário sobre o que eles querem, que temos aqui como a primeira mensagem que eles nos deram, que pode ser um pouco longa, então temos o resumo que eles confirmaram. E então podemos colocar esses na consulta que vai perguntar ao banco de conhecimento: "Isso é o que queremos informações, você pode nos dar algumas informações de volta?". Então podemos ir para a primeira mensagem do usuário, colocar um curável lá, podemos ir para a primeira resposta do usuário e então também podemos ir para o problema resumido. Agora você pode ver por que, se colocarmos a última resposta aqui, temos essa variável salva em vez de apenas enviá-la automaticamente. Então, na verdade, eu não gosto de usar a última resposta, porque isso é algo que você gosta de atualizar bastante. Então, eu vou apenas mudar isso para, mudá-lo para problema resumido, apenas para não termos nenhum tipo de sobreposição que cause problemas mais adiante. Um resumo do problema do usuário. Então, colocamos isso aqui, faça-o cuspir. Então, quando você coloca uma variável em uma mensagem, ela simplesmente imprimirá e cuspirá o valor que está dentro dessa variável. Então, definimos a variável de problema resumido e então vamos simplesmente cuspí-la e enviá-la para o bate-papo ou pelo telefone.

Então agora podemos voltar para nosso banco de conhecimento e podemos tirar a resposta SL e substituí-la por problema resumido, problema resumido. Então podemos salvar os fragmentos que retornam do banco de conhecimento. Eu não quero entrar muito em detalhes sobre o que são fragmentos especificamente, é um pouco mais avançado, mas por enquanto podemos apenas saber que ele retornará algumas informações desse banco de conhecimento. Ele vai cortar esse documento que colocamos e, quando colocarmos essa pergunta, ele basicamente vai perguntar a esse banco de conhecimento: "Podemos obter três fragmentos que mais se aproximam das informações que estão nessa consulta que enviamos a ele?". Então, podemos salvar esses fragmentos, que serão três, porque configuramos isso nas configurações do banco de conhecimento, nessa variável de fragmentos. E o limite de fragmentos é três ainda. Se clicarmos nisso, podemos adicionar um caminho de fragmento não encontrado, mas para este tutorial não precisamos nos preocupar com isso necessariamente. E então vamos usar esses fragmentos que retornaram do banco de conhecimento para gerar uma resposta com base na pergunta original. Então, se colocarmos isso aqui, vamos conversar, vamos para prompt. E para este prompt, se formos aqui, podemos criar um novo prompt, podemos adicionar o histórico da conversa, apenas por precaução, aqui para dar a ele o contexto completo do que está acontecendo. E então eu tenho um prompt aqui: "Você é um representante de suporte ao cliente de IA da Connor's Cleaning, ajudando o cliente com a pergunta. Use os detalhes do fornecedor abaixo para responder à pergunta do cliente. Certifique-se de manter sua resposta breve e fale diretamente com seu cliente final. Você está falando com eles por telefone". São os dados de entrada, detalhes do fornecedor, que é a variável de fragmentos. Vou colocar isso novamente, fragmentos, para garantir que esteja configurado corretamente para a pergunta original do usuário. Podemos colocar todas essas informações de volta. Então, primeira resposta, isso é o que eles nos perguntaram assim que atenderam o telefone ou a primeira mensagem que enviaram quando perguntamos o que podemos ajudá-los. E então também colocamos, por precaução, nosso resumo do problema que eles confirmaram. E podemos ir para nossa variável de problema resumido e colocar isso lá. Isso deve estar bom para ir. E eu gosto de fazer esses parecerem roxos ou algum tipo de cor legal. Chame isso de consulta KB. E podemos mudar isso para gerar resposta de fragmentos, digamos, de Kh. E se você quiser tornar isso um pouco mais fácil para você entender de relance, você pode adicionar suas descrições nesses. Então, se formos para editar novamente e formos aqui, isso recebe fragmentos do KB e sua pergunta original e escreve uma resposta curta e agradável. E temos isso aqui, que você está falando com eles por telefone, porque queremos garantir que estamos construindo isso com o telefone em mente, o que é mais complicado do que apenas o bate-papo. Então, saídas de texto longo não funcionam muito bem por telefone. Então, é por isso que estamos colocando isso lá também. E podemos chamar isso de, gerar resposta.

Tudo bem, então agora podemos realmente dar a isso uma olhada. Podemos iniciá-lo desde o início novamente. Oh, podemos precisar, se apenas clicarmos em executar. Ok, não há treinamento necessário ainda. Podemos executar um teste: "Onde você está localizado?". Parece que você está perguntando sobre uma localização comercial. Você pode confirmar se deseja saber o endereço específico ou onde a Connor's Cleaning opera? Ok, é bom que isso apareceu, porque, como você pode ver, ele está pedindo uma resposta que não seja sim ou não. Estamos apenas procurando uma confirmação em sim ou não. E então isso tecnicamente quebraria o sistema e estaria dizendo: "Oh, eu gostaria de um endereço específico". E isso está procurando sim ou não. E então ele enviaria para este sem correspondência. Então, o que podemos fazer para corrigir isso é ir para o prompt do problema resumido, modificar o prompt e dizer que eles devem ser capazes de responder apenas com sim ou não. Esta é uma etapa de confirmação, não está pedindo mais informações. Então, agora, se executarmos isso novamente: "Onde você está localizado?". Parece que você quer saber a localização específica do nosso negócio de limpeza. Está correto? Sim. Agora ele vai para o roteador aqui. Ele vai determinar que eu disse sim. Bam, bam, bam. E pronto. Então, tudo isso aconteceu muito rapidamente, mas você pode ver que está dividido aqui. Se eu clicar aqui, ele removerá tudo isso.

Ok, então vamos analisar como isso aconteceu passo a passo. Então, você pode ver isso aqui. Ainda está usando 3.5 Haiku por algum motivo. Preciso verificar novamente por que ainda está usando o modelo que não selecionamos. Mas basicamente, ele passa por esta etapa aqui, é o classificador de intenção. Então você pode ver que ele definiu como sim, essa é a intenção correta e a intenção prevista sim. E isso o roteou para isso. E então, usando o modelo novamente, ele analisou as informações que lhe foram dadas e então definiu a variável de ação desejada como fazer uma pergunta, que é um dos rótulos que queríamos e isso está correto. E então ele disse: "Ótimo, agora estou enviando isso aqui para a consulta do banco de conhecimento". Diz que a consulta foi recebida. Passamos todas as informações: "Onde você está localizado?". E então o resumo que demos a ele. E então recebemos dois fragmentos de volta do KB e a resposta da IA aqui finalmente recebeu todas essas informações e nos deu a saída final e gerou essa resposta. Estamos localizados em 247 ra. E no final aqui, está dizendo: "Há alguma área específica em que você está interessado?". Para uma construção básica como esta, eu provavelmente mudaria o prompt para dizer: "Não faça outra pergunta". Porque, neste caso, você precisa configurar um mecanismo de loop onde ele possa continuar respondendo perguntas para eles e depois sair para qualquer uma dessas outras intenções, conforme necessário. Mas, por enquanto, esse é um banco de conhecimento e é assim que você pode fazer perguntas. Então, essa é a ferramenta número um eliminada, o que foi fácil o suficiente. Ótimo, podemos ir para a ferramenta número dois agora.

Então, para esta segunda cotação, poderei fornecer uma ferramenta de relevância que estamos usando para ela, mas vamos apenas pular para responder a esta pergunta. Então, eles disseram aqui que queriam algo relacionado a preços ou cotação. Lembre-se aqui, no roteador, definimos o classificador de intenção para dizer que irá para obter uma cotação se eles estiverem perguntando sobre preços ou tiverem solicitado diretamente uma cotação. E isso levará as pessoas que vão para este próximo ramo do agente. Então, a ação desejada é obter uma cotação. Podemos dizer: "Ok, claro". Para dar a você uma cotação instantânea, eu só preciso do tipo e tamanho da propriedade em pés quadrados. Então, vou adicionar outra etapa de bate-papo ou mensagem, desculpe. E podemos fazer uma pergunta: "A propriedade é uma casa ou um apartamento?". O próximo passo é que podemos fazer um desses passos de escolha novamente. E desta vez, podemos criar algumas intenções personalizadas. Então, podemos ir para gatilhos aqui e queremos selecionar uma intenção. Veja, não tem uma casa. Então, podemos ir criar uma intenção e dizemos: casa. O tipo de propriedade do usuário é uma casa. E então podemos adicionar alguns exemplos aqui. Então, obviamente, casa. Isso está apenas dando exemplos para a engine de IA do Voiceflow para nos ajudar melhor a classificar as diferentes intenções à medida que elas entram nesta etapa. Então, podemos dizer: casa. E então você pode adicionar alguns gerados por IA aqui, que geralmente são fáceis e, eh, que geralmente são bons. Ok, residência, moradia, propriedade, morada, local de moradia. Isso fica complicado, porque alguns desses podem se sobrepor ao apartamento. Propriedade provavelmente é muito amplo. Local de moradia, moradia, residência, potencialmente, poderíamos nos safar com, poderíamos dizer como mansão, mansão, casa de família, casa unifamiliar. E agora demos exemplos suficientes para que possamos simplesmente ir para criar. E agora precisamos fazer o mesmo para apartamento. Então, vamos criar uma intenção, apartamento. O tipo de propriedade do usuário, o tipo de propriedade do usuário é um apartamento. E então podemos colocar um apartamento. Veja o que mais ele tem para nós. Eh, casa de cidade, cobertura, dúplex, apartamento, provavelmente não certo. Loft, provavelmente não certo. Casa de cidade, cobertura. Acho que é um bom grupo. E então podemos adicionar uma sem correspondência aqui também. E podemos adicionar uma repetição: "Desculpe, não entendi. É uma casa ou um?". Se for uma casa, podemos subir aqui e definir como lógica aqui e ir definir, podemos ir para valor ou expressão, selecionar a variável a ser definida, vamos para tipo de propriedade, o, salvar essa variável ou criar essa variável, desculpe. E então podemos inserir isso e definir isso como casa. Então, estamos definindo a variável tipo de propriedade como casa quando ela é acionada por essa rota em particular. E então precisamos adicionar outra. Então, eu provavelmente apenas duplicarei isso, clicando com o botão direito em um desses blocos. E então podemos conectar o apartamento a ele. Tipo de propriedade, em vez de ser casa, podemos torná-lo apartamento. E a partir daqui, agora que sabemos o tipo de propriedade, podemos definir o tamanho do apartamento ou da casa. Então, vamos fazer e quantos pés quadrados são? Podemos conectar ambos aqui. E então vamos salvar toda a resposta do usuário ou em uma etapa de captura. Qualquer coisa que eles respondam depois disso, queremos capturar tudo. E queremos ir aqui, configurar uma etapa de conjunto, desculpe, isso não está certo, usando um prompt. E o que vamos fazer é usar a IA para analisar a resposta e então extrair o número de pés quadrados dela. Poderíamos ter usado uma etapa aqui onde mudamos isso para, em vez de toda a resposta do usuário, mudamos para uma entidade. Mas não é tão confiável quanto fazer isso dessa maneira. Então, eu prefiro apenas acertar na primeira vez, porque uma entidade do número de, número de pés pode ser um pouco mais difícil de pegar do que uma palavra clara como uma entidade de casa ou apartamento ou um nome, etc. Então, apenas para garantir que funciona sempre para nós, queremos criar um novo prompt. E vou colocar isso aqui: "Extraia o número de pés quadrados do que o usuário disse em formato numérico apenas. Cada 500, não inclua nada mais em sua resposta. Isso será salvo como uma variável e passado para uma API para uma função geradora de cotação". Dando a ele um pouco de contexto sobre o que está acontecendo e também colocando a memória lá, apenas por precaução. Oh, nós não nomeamos o prompt. Chame isso de extrair quadrado. E então precisamos definir a variável que queremos salvar isso, que será tamanho de propriedade. Então agora estamos salvando essa resposta, o tamanho da propriedade do usuário em pés quadrados. E então precisamos fazer um tipo de etapa complicada, mas é apenas algo que vocês pegarão à medida que avançarem e, eh, à medida que construírem mais desses. Mas a próxima etapa depois disso será enviar essa informação para uma ferramenta de relevância. E a ferramenta de relevância está esperando não o que é chamado de string, que é apenas um número de letras ou apenas texto. Você pode ter um número como texto, o que é confuso, mas basicamente é apenas o formato em que está sendo recebido. Porque estamos enviando-o por uma API, precisamos ser específicos sobre o formato. Não posso pegar, isso essencialmente salvará esse 500 ou digamos que seja uma propriedade de 500 pés, isso vai extrair isso e nos dar 500 como uma string. Para obter a resposta que queremos da relevância, precisamos convertê-la em um número e depois enviá-la. Um pequeno bloco de, código personalizado aqui. Saiba que este foi um tutorial sem código, mas espero que você possa me perdoar por isso. E tudo o que precisamos fazer é colocar isso aqui. Então, tamanho da propriedade, esta é a variável que vamos usar. Tamanho da propriedade. E estamos apenas lançando esta variável como um número e depois atribuindo-a novamente à variável que era antes. Estamos pegando tudo o que saiu disso, estamos dizendo: "Ok, você pode simplesmente torná-lo um número?". E vamos salvá-lo e substituir a variável existente. Então agora temos o número 500 nesse caso, que estamos prontos para enviar para a próxima etapa. E então, se isso tiver ocorrido corretamente, podemos conversar com eles e dizer: "Um segundo enquanto eu obtenho". E então temos essa rota de falha JavaScript aqui, que você pode apenas colocar lá por enquanto. Há uma chance de que este prompt gere não apenas um número, como você pode ver, estamos pedindo apenas isso e, portanto, a variável de tamanho da propriedade, se for apenas 500, mas às vezes pode dizer: "Seu tamanho é 500". E então acabamos com uma variável que não é realmente conversível em um número. Então, precisamos adicionar um pouco lá como um, como um possível retorno. Provavelmente não será.

Fazendo isso neste vídeo, se eu for honesto, é bastante básico, mas você adicionaria isso aqui, algum tipo de loop de volta para garantir que esteja realmente no formato correto ou apenas garantir que seu prompt seja realmente apenas, você coloca como uma instrução estrita, apenas saída, apenas o número, para que você tenha menos erros aí.

Então, a próxima etapa principal depois disso é obter nossa pesquisa de IA relevante. Se voltarmos para o Figma aqui, você verá que temos essa ferramenta de IA relevante, que vai nos permitir gerar a cotação instantânea. Eu pré-fiz isso e eu realmente cortei de alguns dos meus recursos de acelerador. Então, se você abrir este link, ele vai permitir que você clone isso em sua conta de relevância. Então, aqui em cima, você pode clicar em clonar e vamos clonar no Morningside AI. E agora isso vai estar recebendo um tipo de propriedade e um tamanho em pés quadrados. E então temos uma etapa básica de LLM aqui. Esta é uma etapa realmente muito simples, novamente, como eu disse antes neste vídeo, construir uma funcionalidade realmente poderosa e avançada leva muito mais tempo. E se eu fosse fazer coisas que não fossem apenas uma etapa de LLM muito básica como esta, então levaria muito mais tempo com diferentes plataformas, você teria que se inscrever. A ideia é te ensinar como essas coisas podem se conectar e então você pode entrar na relevância aqui. Uma vez que você saiba como conectar o fluxo de voz à relevância por meio de uma chamada de API, você pode entrar aqui e jogar o que diabos você quiser e torná-lo tão avançado quanto quiser. Mas, neste caso, literalmente poderíamos ter feito isso no fluxo de voz, se eu estiver sendo totalmente honesto, mas a ideia de poder acessar uma ferramenta externa via API é realmente a habilidade que estou tentando te ensinar aqui. Então, o que isso está fazendo é receber o tipo de propriedade, temos duas opções aqui e a metragem quadrada em um número. Veja aqui, é um número, eu não posso apenas digitar aqui, tem que ser um número, então é isso que a API vai estar esperando. Você pode ver aqui que diz que está esperando um número e então passamos isso para um prompt básico aqui que está dizendo que o cliente está solicitando isso e estes são os preços aproximados para as diferentes metragens quadradas e diferentes tipos. O LLM, neste caso, GPT4 mini, vai apenas olhar sobre isso, receber suas entradas e dar uma saída. Então, se eu apenas subir aqui e definir que é um apartamento e eu, eu não sei o quê, cinco, qual o tamanho de um apartamento em pés quadrados? Eu não sei, mas podemos executar isso, vai nos dar algum tipo de saída e então nos dá a estimativa. Então, está dizendo manutenção regular, limpeza para 60, limpeza profunda para 120, mudança e saída, etc. Então, essa é a saída que vamos enviar de volta para o fluxo de voz e vamos transformar isso em uma mensagem legal para enviar por chat ou por telefone.

Para configurar essa ferramenta no fluxo de voz e poder interagir com ela, precisamos, podemos ocultar isso, garantir que a ferramenta tenha sido salva e você a tenha em sua conta e então você pode ir para usar aqui e, assim como aprendemos no tutorial NA10, podemos ir para API aqui e então obtemos uma API para usarmos. E novamente, é uma solicitação POST e nos diz como usá-la. Então, temos parâmetros, basicamente as entradas que ele espera do tipo de propriedade e uma string. Você vê como ele tem duas aspas, isso significa que tudo dentro dele é uma string e a metragem quadrada aqui, você pode ver que não está entre aspas, então não é uma string, neste caso é um número. E, claro, temos o ID do projeto aqui, informando à relevância qual ferramenta que criamos com a qual estamos realmente tentando interagir. E então tudo o que precisamos fazer agora para interagir com isso e configurar nosso gerador de cotações é copiar este link. Este é o URL do endpoint que vamos chamar pela internet e é isso que ele espera no corpo dessa solicitação POST. Se você voltar para o fluxo de voz aqui e precisarmos ir para a API de desenvolvimento, vamos mudar isso para POST, colocar esse URL e, neste caso, parece que temos uma página um pouco diferente na relevância por algum motivo. Então, podemos realmente fazer a etapa de autenticação, o que é útil. Então, você pode clicar em gerar chave de API aqui, pode ter mudado quando você estiver assistindo a este vídeo, mas deve ser aproximadamente o mesmo e podemos clicar em implantar aqui, garantir que a API esteja funcionando para nós interagirmos. Na verdade, agora que implantamos, não precisamos mais da autenticação, isso foi um pouco estranho. Na verdade, eu farei a chave de API apenas para que vocês vejam como isso funciona. Podemos torná-la privada aqui. Então, agora que temos nossa chave de API, precisamos ver como ela espera receber essa chave de API por meio da solicitação HTTP, que vamos enviar do fluxo de voz. Então, se rolarmos para baixo aqui, o curl é geralmente o que eu gosto de usar e há um pouco que eu não expliquei em termos de cabeçalhos e corpos quando se trata de chamadas de API, mas por enquanto, saiba que quando você tem uma solicitação curl como esta, talvez seja ainda mais fácil no JavaScript aqui, temos o que chamamos de cabeçalhos e isso é basicamente como o, o, o envelope em que você coloca as informações. Então, isso aqui em cima são as informações que estamos colocando na solicitação, está indo para dentro do envelope e os cabeçalhos e o método e o URL do endpoint são como o selo e as informações que você coloca do lado de fora do envelope para garantir que chegue onde deseja ir. Então, você pode dizer que este endpoint aqui, é o que chamamos de endpoint, o mesmo que aqui em cima, é o mesmo que temos aqui, o endpoint é como o endereço para onde o envelope está sendo enviado. Temos o POST, o método, talvez seja como correio super rápido ou entrega noturna ou talvez como um pacote em vez de um envelope, basicamente o tipo de entrega que você está fazendo ou o tipo de solicitação. E os cabeçalhos incluem coisas importantes, como o tipo de conteúdo que está dentro dele. Então, você pode dizer isso como, isso é, há texto escrito ou há uma carta aqui. Então, pode parecer um pouco complicado, mas vamos preencher tudo agora. Sempre que você estiver fazendo uma chamada de API, você verá esses cabeçalhos por aí e verá o endpoint e o método e, em seguida, o corpo, que vamos configurar. Então, tudo isso vai fazer sentido em 2 segundos, mas vamos apenas dizer por enquanto que temos o tipo de conteúdo e será application/json, esse é um dos nossos cabeçalhos. Então, se voltarmos para a limpeza do Connor, abrirmos os cabeçalhos, podemos ir para o tipo de conteúdo aqui, como vimos aqui, certo? Então, tipo de conteúdo, precisamos definir como application/json, um muito comum que você vai usar. E temos outro, que é a autorização. Então, esta é basicamente a maioria dos endpoints que você verá, que é autorização e tipo de conteúdo e muitas vezes será uma chave de API e application/json. Então, podemos voltar para a relevância, podemos obter nossa chave de API e agora para configurar o corpo da solicitação, que é isso, podemos copiar isso e mudar isso para bruto e vamos colar isso aqui. Temos os parâmetros ou as entradas, neste caso, o tipo de propriedade e a metragem quadrada para a ferramenta e o que queremos fazer é inserir as variáveis que temos aqui nessas. Então, podemos ir dentro dessas aspas aqui e podemos ir para o tipo de propriedade neste caso e, em seguida, para a metragem quadrada, podemos ir para o tamanho da propriedade. E como o tipo de propriedade está esperando uma string, como podemos ver se voltarmos aqui, para construir, está esperando uma string e isso está esperando um número, a string deve ser envolvida em aspas e a metragem quadrada é um número. E então podemos simplesmente colocar o número porque já o convertemos em um número aqui, certo? Então, essa é provavelmente a parte mais difícil de todas as coisas que vou te ensinar hoje. E agora que configuramos isso, podemos realmente enviar uma solicitação de teste e podemos dizer casa, podemos dizer 500 e testar essa chamada de API e pronto, está completo, recebemos nossa resposta, a estimativa, etc., e todas as informações estão voltando da IA de relevância como esperado. E agora o que precisamos fazer é extrair as informações que queremos, que é essa resposta desta chamada de API e da resposta. Enviamos uma solicitação e recebemos uma resposta. Lembra como estávamos usando esses termos antes? Podemos clicar em responder e podemos salvá-lo em e podemos chamá-lo de dados brutos da cotação, porque é bastante bruto, dados brutos da cotação de. E agora temos as informações de volta da IA de relevância. Tudo o que precisamos fazer é torná-la bonita e usar a IA para gerar uma mensagem que resume a cotação para o cliente. Então, podemos ir para uma etapa de prompt aqui, podemos criar um novo prompt. Vamos adicionar o histórico da conversa para contexto e eu tenho este prompt aqui. Escreva uma explicação curta e clara desta cotação para os clientes, podemos ir para o tipo de propriedade para o tipo de propriedade do cliente e podemos colocar os dados brutos da cotação aqui. Isso vai inserir isso com o apartamento do cliente ou a casa do cliente e então vamos apenas inserir os dados brutos que vieram da IA de relevância. Sua resposta será lida por telefone, portanto, deve estar tudo em um único parágrafo e não mais do que três a quatro frases curtas. Deve ler como e eu dei um exemplo aqui de como queria dar as saídas. E então podemos mudar isso para resposta de cotação e agora estamos prontos para dar uma olhada nisso. Então, se executarmos tudo isso de cima para baixo, executar quanto custa uma limpeza semanal? Então, estou indo direto para perguntar sobre o preço. Você está perguntando sobre um preço para nosso serviço de limpeza semanal, correto? Sim, bum, bum, ok, certo, para te dar uma cotação instantânea, eu só preciso do tipo de propriedade e tamanho em pés quadrados. A propriedade é uma casa ou um apartamento? É uma casa. Quantos pés quadrados tem? 500. Eu não sei, é grande? Isso me parece muito pequeno, eu não sei se 500, eu tenho, eu não tenho, eu não tenho ideia sobre os tamanhos das casas, se 500 é normal ou não. E pronto, com base em sua casa de 500 pés, temos quatro pacotes de limpeza: limpeza de manutenção regular a US$ 90 para limpeza semanal padrão, limpeza profunda, ra. Então, estamos dando a eles um resumo rápido com base em sua casa de 500 pés ou x número de pés quadrados, x tipo de propriedade e dando a eles um resumo rápido. Então, isso é bem legal, estamos usando a ferramenta de relevância e estamos recebendo essas informações de volta. Agora, há mais uma etapa que adicionei a isso. Eu tenho essa coisa em que, se cheguei tão longe com vocês, posso também adicionar o resto para torná-la realmente um pouco mais útil, que é uma captura rápida de leads usando Google Sheets e Make.com. Então, eu não poderia deixar vocês na mão com isso, achei que poderia muito bem jogar isso aí. Então, fique comigo, porque é aqui que você vai ficar tipo "Oh, isso está, isso está abrindo meus olhos para o que você pode fazer com esse tipo de plataforma". Então, a razão pela qual estamos adicionando isso é porque a pessoa perguntou sobre o preço ou está diretamente interessada em algum tipo de serviço e demos a ela uma cotação instantânea. E agora estamos tentando imediatamente acompanhar isso com: olhe, nos dê seus dados e entraremos em contato e agendaremos esse serviço imediatamente. Então, podemos entrar em um bloco de mensagem aqui, eu só vou colar isso para manter as coisas bem rápidas aqui. Por favor, forneça seu nome e número de telefone e eu pedirei a um membro da equipe que ligue para você para encontrar um horário que funcione. Agora, uma coisa que vou mudar é que, como você viu na última execução, havia uma pergunta no final, é tipo, em qual você está interessado? Eu provavelmente tentaria remover isso, não faça uma pergunta no final, apenas dê a eles esta descrição. Então, isso só vai terminar a mensagem dizendo: "Olhe, esta é uma cotação". Bum. E então a próxima mensagem que recebo é esta: por favor, forneça seu nome e número de telefone e eu pedirei a um membro da equipe que ligue para você para encontrar um horário que funcione. E então queremos salvar toda a resposta do usuário com uma etapa de captura, etapa de captura, pronto, mude isso para a resposta completa do usuário. Então, queremos capturar todas as informações que eles enviam pelo telefone ou por chat. Então, nesta resposta, eles vão dizer seu nome e número de telefone, certo? E precisamos extraí-los. Vou colocar isso aqui e fazer uma etapa de configuração, vamos usar um prompt. Estamos configurando isso com IA e vamos criar um novo prompt. Vamos apenas definir a variável primeiro. Digamos que isso será colocado na última resposta. Faça um novo prompt aqui e este é o prompt que vamos usar. Então, acabamos de pedir ao usuário que forneça seu nome e número de telefone. Precisamos tentar extrair as informações e, em seguida, confirmá-las com eles. Aqui está a sua última resposta, que eles acabaram de fornecer e capturamos. Se houver um nome e número de telefone válidos presentes, você deve fazer uma confirmação, por exemplo, ok, rapidamente para confirmar seu nome é este e o número é este, está correto? No entanto, se um ou ambos estiverem faltando ou parecerem inválidos, você deve emitir apenas retentar como sua resposta e nada mais. Esta variável de retentativa será verificada e, se corresponder exatamente, acionará outra tentativa de captura. Ou seja, escreva uma mensagem de confirmação curta e direta ou b emita retentativa para outra tentativa de captura. Então, o que estamos fazendo aqui é usar a IA para analisar a resposta e dizer: olhe, estamos procurando extrair um nome e número de telefone e queremos também confirmar isso, pois isso provavelmente será por telefone. E se a IA não vir um número de telefone claro e válido e um nome válido, ela emitirá apenas a palavra retentativa. Então, nos dê uma resposta se estiver tudo certo e podemos passar para a próxima etapa. Se disser retentativa, tentaremos retentar. Agora, é claro, essa retentativa não faz nada a menos que construamos a funcionalidade para procurar por essa palavra-chave de retentativa, o que faremos em um segundo. Prompt sem título, podemos mudar isso para tentativa de extração do quê, extrair nome e então podemos ir para condições aqui e ir se a última resposta, que é a variável em que estamos salvando a saída desse prompt aqui, se vai ser retentativa ou apenas para confirmar, é este seu nome e número de telefone, se a última resposta for retentativa ou mesmo apenas para torná-la um pouco mais flexível contém retentativa, a menos que o nome da pessoa seja como Bill Retry Smith, então isso deve estar bom. E na verdade, apenas para tornar isso um pouco mais limpo, posso mudar isso para se a última resposta não contiver retentativa, então vamos subir aqui e vamos enviar a última resposta, porque, como dissemos, ela vai gerar a mensagem de confirmação ou emitirá retentativa. Se for válido e colocarmos a última resposta aqui, eles dirão seu nome e número de telefone, analisaremos e depois iremos ótimo, não contém a palavra retentativa e bum, só para confirmar, este é seu nome e este é seu número de telefone. E então para as opções aqui, podemos ir e usar nosso prático, eles vão nos dar uma resposta sim ou não para isso. Então, podemos colocar esses dois gatilhos sim e não. E então, se eles disserem não à confirmação, digam não, este não é meu número de telefone ou nome corretos, então precisamos ter algum tipo de lógica de retentativa aqui. Eu geralmente gosto de tornar minhas retentativas de cor laranja e minha falha é vermelha. Então, dizemos "Ok, vamos tentar novamente, você pode me dar seu nome completo e número de telefone, por favor?" E então vamos enviá-los de volta para esta etapa aqui. Então, eles basicamente vão capturar suas informações novamente e depois passá-las por este processo, e este é um loop que pode ser feito repetidamente. E então também precisamos lidar com esta etapa else. Então, se a palavra contiver retentativa e disser: "Olhe, este não é um número de telefone ou nome válido", então precisamos lidar com isso também. Então, podemos descer aqui e ir para a mensagem, colocá-la aqui embaixo e eu tenho uma mensagem para isso. Desculpe, não entendi muito bem, você pode me dar seu nome completo e número de telefone? Clique com o botão direito aqui e você pode ir para a cor do bloco, alterá-lo para laranja e então vamos voltar aqui também. Então, é útil, você pode clicar nessas setas, então as linhas aqui e você pode alterá-las para a mesma cor. Queremos torná-las um pouco mais óbvias, pois estão vindo de lugares que esperávamos. Podemos tornar esta laranja também e esta também. Então, se eles entrarem e disserem: "Ei, meu nome é Bill e meu número de telefone é 02111". E chega aqui e diz: "Ei, isso não parece apropriado". Vai enviar uma retentativa como saída. Vamos pegá-la aqui e ela vai dizer: "Desculpe, não entendi muito bem". E vai voltar e eles vão ser esperados para dar novamente e vai passar e então uma vez que obtivemos um nome e número de telefone válidos e não está emitindo retentativa, então vai passar por aqui, vai cuspir isso e dizer: "Ei, só para verificar, este é seu número de telefone e e-mail antes de prosseguirmos". Sim e não. Não será tratado lá e vai levá-los de volta à primeira etapa novamente. Então, isso é um bom tratamento de erro e tipo de loop que você precisará construir em muitos de seus agentes de IA conversacional, especialmente no fluxo de voz, certo? E então as últimas etapas aqui são algumas extrações rápidas de variáveis. Então, podemos ir para a lógica div aqui e ir para definir e vamos extrair o nome e o número de telefone. Então, vamos para o prompt, nossa, está, está muito quente aqui. A variável que queremos salvar, íamos extrair o nome. Então, vamos adicionar uma nova variável chamada nome, o nome do usuário e isso será chamado de extrair nome. Aqui está um prompt rápido e fácil, você pode pausá-lo para dar uma olhada, ele apenas vai extrair o nome deles. Precisamos adicionar outra variável, este será o número de telefone deles. E então precisamos de outro prompt, apenas cole este aqui, bem básico novamente, pause se quiser dar uma olhada e eu não dei nome a esse prompt, vai me incomodar, extrair número de telefone. E agora teremos o nome e o número de telefone deles extraídos dessa resposta. Ah, e na verdade, precisamos adicionar o histórico da conversa aí, para que ele realmente tenha essas informações. E então vamos ótimo, deixe-me adicionar isso ao nosso sistema. Isso nos dá um pouco de tempo enquanto usamos nosso webhook make, que vamos configurar agora. Então, a próxima etapa é configurar uma planilha do Google e usar make.com para pegar esses dados e enviá-los para uma planilha do Google. Para fazer isso, deixarei um link, quero dizer, você pode simplesmente pesquisar, é make, é make.com, tudo bem, vou poupar o incômodo. Então, você entra no make.com, cria uma conta, o que quer que você queira ou precise fazer, vá para cenários e, em seguida, vamos criar um novo cenário. Vou construir do zero aqui. Vou tirar todo aquele lixo do caminho. Eu não sei por que está agindo como se eu fosse algum novato aqui. E então precisamos ir para webhooks, webhook personalizado. Vamos adicionar um novo webhook. Este será captura de lead de limpeza do Connor. Vamos salvar isso, vai criar este webhook aqui. Vou copiar estas bordas para a área de transferência. Vamos voltar para nossa construção e, em seguida, vamos para a etapa da API. Então, o que isso está fazendo, se você é um pouco novo em webhooks e chamadas de API e coisas assim, o que podemos fazer aqui no make é configurar isso para basicamente ouvir, é uma URL, você sabe como tínhamos o endpoint, o endpoint, essa coisa aqui que ele nos deu que eu acabei de copiar para nossa área de transferência, é como o endereço, lembra? Então, se você colocar, escrevê-lo na carta, é onde ele vai ir. Isso nos permite basicamente enviar dados por meio de uma chamada de API do fluxo de voz para make. E ele vai pegar aqui e este pequeno raio significa que tudo o que construirmos depois será acionado sempre que receber um desses, sempre que uma nova parte do e-mail chegar, ele então acionará esse processo de várias etapas. Então, vamos colocar isso no fluxo de voz, vamos acioná-lo e garantir que ele saiba quais dados esperar e então vamos poder usar esses dados e colocá-los nas Planilhas Google. Então, fique comigo aqui, mas esta é outra habilidade muito, muito essencial na automação de IA, como configurar um webhook e usá-lo em diferentes aplicativos. Temos nosso webhook aqui, copiamos o endereço para a área de transferência, estamos voltando a configurar uma solicitação GET aqui. Então, não é uma solicitação POST desta vez, estamos apenas recebendo e tecnicamente não estamos recebendo dados, uma solicitação GET é uma solicitação muito mais rápida e suja. E como você verá, nós meio que apenas adicionamos um monte de informações depois disso. Podemos fazer isso por meio do que é chamado de parâmetros aqui. Queremos enviar uma propriedade, vamos dizer tipo de propriedade, na verdade, vamos fazer isso corretamente, vamos ir para o tempo, carimbo de data/hora. Então, nesta planilha do Google, você vai querer saber quando os diferentes leads chegaram. Então, podemos ir para carimbo de data/hora e obter o carimbo de data/hora do fluxo de voz. Essa é uma variável padrão que eles preenchem automaticamente para você. Uma das coisas, uma das linhas na planilha será o carimbo de data/hora. Vamos adicionar outra e vamos para nome. Vamos colocar o nome aqui. Então, agora todas as engrenagens em sua cabeça devem começar a girar enquanto montamos isso. E vamos para número de telefone e vamos para (número de telefone) número. E se adicionarmos outro, podemos ir para tipo de propriedade, deixe-me ir para prop tipo de propriedade. Podemos ir para tamanho da propriedade e ir para tamanho da propriedade. Podemos adicionar outro, podemos ir para preços cotados. Para que a equipe de vendas saiba o que realmente dissemos a eles, caso você esteja brincando com os preços, dados brutos da cotação. E provavelmente adicionarei mais um aqui, que é sua primeira pergunta, primeira pergunta, primeira resposta do usuário. Isso pode dar contexto à equipe de vendas, tipo, para o que eles realmente nos contataram em primeiro lugar? Talvez útil, talvez não, mas podemos simplesmente enviar tudo isso para a planilha do Google. E então agora podemos ver isso, enquanto essa coisa está girando, ela basicamente está esperando que enviemos alguns dados para ela. Ela basicamente está sentada na caixa de correio esperando que chegue. E podemos ir para enviar aqui e vou colocar, nossa.

Cavei um buraco aqui, hum, vamos lá. Nome: Liam, hum, casa, provavelmente tamanho, hum, hum, muito dinheiro, hum, quanto para limpeza de lã, hum, enviar e se voltarmos, bam, determinado com sucesso e o que fizemos e determinado significa que o Make recebeu o, o, o pedido que enviamos e agora ele sabe que vamos enviar um carimbo de data e hora e um tipo de propriedade. Isso, isso é uma habilidade realmente, realmente crucial de entender, porque agora quando eu for, oh, salvar, agora quando eu for aqui e eu for ao Google Sheets e eu for adicionar uma linha, hum, você precisará configurar sua conexão com o Google Sheets aqui, então você só precisa entrar com o Google, adicionar sua conexão. Hum, vou ter que criar uma nova planilha para isso rapidamente, vou colocar carimbo de data e hora, então vou ampliar isso: carimbo de data e hora, nome, telefone, tipo de propriedade, tamanho da propriedade, 1, 2, 3, 4, 5, 6, 7. Sim, temos todos eles, certo. Então eu posso ir, então chame isso de minhas leads de agente de suporte de limpeza Connor. Então agora eu quero voltar para o Make e quero clicar aqui para, hum, Connor, lá vamos nós, limpeza do Connor, por que eu continuo escrevendo limpeza, limpeza? Agora temos a planilha configurada, o nome da planilha será apenas Planilha 1. Planilha 1, a tabela contém cabeçalhos? Sim, contém. E agora podemos inserir todos os nossos valores. Bam, carimbo de data e hora, coloque isso aí, nome, coloque isso aí, telefone, coloque isso aí, tipo de propriedade. Então você vê que é uma habilidade tão crucial que eu realmente, realmente quero que vocês aprendam, hum, porque isso é muito, tipo, se você só tiver algumas dessas coisas-chave usando essas APIs e diga Voiceflow ou em ferramentas de construção de NAD e relevância e, em seguida, usando-as via API, sabendo como configurar webhooks e, em seguida, enviar dados entre elas e para definir essa estrutura de dados, você envia esse primeiro lote inicial para o Make em um pedido de teste, ele vai dizer, ok, isso é o que eles vão me enviar no futuro e, então, isso está bloqueado e você pode enviar milhares e milhares de solicitações através dele e ele funcionará como você espera. Primeira pergunta, então, hum, ele tem todas as outras linhas, não precisamos nos preocupar, salvar. Certo, e então isso deve estar funcionando, podemos mudar isso para imediatamente, oh, preciso salvá-lo, salvar, hum, vou imediatamente conforme os dados chegam. Então isso vai ficar esperando o tempo todo, na verdade, eu tenho um monte de outras coisas rodando no Make para meus, meus vários negócios, então eu só vou configurar isso, se você quiser que isso rode o dia todo, ligue isso, só vou ligar para rodar uma vez e isso só vai ficar esperando pelos dados. Então o que podemos fazer é apenas terminar isso rapidamente, então eu só vou colar isso, tenho tudo feito, obrigado, esse é o fim, hum, o que queremos fazer é ter um caminho de falha, então caso isso falhe, nós só colocamos isso aqui e dizemos: "Droga, algo deu errado". Vou colocar isso como vermelho, hum, e então este é assim, tudo bem. Então, se olharmos para o Make, ele ainda espera que enviemos alguns dados para ele. Vamos esperar que tenhamos feito tudo isso certo e que funcione na primeira vez, mas você nunca sabe, querida. Então vamos dar uma rodada nisso e vamos tentar passar por esse segundo caminho e vamos tentar adicionar essas coisas à planilha. Preciso de limpeza de fim de semana, por favor. Então, fazer uma pergunta vai direto para o preço. Você está procurando serviços de limpeza de fim de semana e quer saber o preço, correto? Sim. Então nosso roteador vai pegar isso e dizer que ele está procurando o preço, vamos enviá-lo para a ferramenta de cotação. Ok, certo, para dar a você uma cotação instantânea, preciso apenas do tipo e tamanho da propriedade e pés quadrados. É uma propriedade, vamos lá, apartamento de hortelã, ele detectou isso corretamente, e quantos pés quadrados? São 500, tamanho típico de apartamento em pés quadrados. Ok, então 500 não é realmente ridículo, hum, ótimo. E então recebemos nossa resposta com base em seu apartamento de 500 pés, bam, bam, bam, aí estão todos os preços. Por favor, forneça seu nome e número de telefone e eu pedirei a uma das equipes que ligue para você com um horário que funcione. Vamos dar a isso um, um teste, ver se está realmente pegando na falha. Meu nome é e o telefone é. Boom, desculpe, não entendi bem. Então ele detectou que não estava certo, então obtivemos a saída de nova tentativa, obtivemos a saída de nova tentativa disso, que é o que queríamos. Desculpe, não entendi bem. Pode me dar novamente? Hum, Liam Otley, o número é, hum, 021, 021, é assim que os números parecem aqui na Nova Zelândia. Ok, só para confirmar rapidamente, seu nome é Liam Mley e seu número de telefone é esse, correto? Sim senhor. Nome e número de telefone. Oh, o que ele fez lá? Oh, droga, eu não sei por que ele, eu só quero o número de telefone. Então temos um pequeno erro aí, eu só volto e ajusto o prompt, certificando-me de que seja apenas obter o número de telefone, não queremos nada além de números aqui. Ótimo, deixe-me adicionar ao sistema e, em seguida, se voltarmos ao Make, vemos que todos estão verdes agora e vemos esses pontos. Então, esta é a informação que veio, nomeadamente, Mley, número de telefone. E aqui está o pequeno erro onde tínhamos um apartamento de linha nova, bam, bam, bam, toda essa informação e, então, ele adicionou isso ao Google Sheets aqui, vemos atualizações, número de linhas atualizadas, todos os valores que ele atualizou e podemos ir para, ok, nossa senhora, certo, estamos prontos para colocar isso em nosso site e também colocar em um número de telefone. Então vamos apenas terminar o trabalho, pessoal. Estou ficando com muita fome, mas podemos, podemos continuar. Então eu só vou ligar isso, então se estivermos testando na web e por telefone, hum, está pronto para receber, hum, se quisermos ser pedantes, eu voltaria e mudaria, tenho que fazer isso, vai me irritar, vou colocar o nome deles, é por isso que vou colocar apenas o número de telefone deles, meu erro, vou colocar apenas o número de telefone deles e temos esses pontos de falha aqui, hum, não vou me dar ao trabalho de preenchê-los, acho que vocês podem descobrir com base em como eu liderei com isso como vocês podem lidar com esses também. Então, o que você vai descobrir é que ao construir esses, esses tipos de falha, como tratamento de erros, hum, é uma espécie de fio sem fim que você continua puxando, é tipo, bem, agora tenho que lidar com isso, isso e isso, isso. Então, hum, não vou, este é um protótipo, não vou fazer todo o tratamento de erros para vocês aqui no modelo, na verdade há um pouco mais, hum, alguns exemplos melhores, então talvez se você importar isso, você possa simplesmente roubar o trabalho que eu fiz lá, mas o que precisamos fazer agora é que podemos publicar isso, vamos chamá-lo de V1, primeira queda, certo. Então agora está publicado, podemos adicionar o agente a um site, vamos clicar nisso e isso nos leva para esta guia de integrações, hum, vamos colocar isso para baixo, não preciso ver isso, hum, eles têm uma nova versão, isso é bom saber. Eu disse que a instalação é bem simples, então podemos simplesmente clicar em copiar aqui e então vou abrir, vou abrir colchetes aqui só para dar a vocês uma demonstração de um site, eu uso isso em todos os meus tutoriais, é muito fácil de girar, hum, deixarei um link para este modelo se você quiser, hum, e também algumas instruções sobre como você pode abrir um site. Eu sei que isso parece código e é assustador, mas, hum, isso está apenas me permitindo criar um site muito rapidamente. Então vou deixar o arquivo de modelo, tudo o que você precisa fazer é, uma vez que você tenha baixado o arquivo de modelo, você precisa baixar os colchetes, que é o software, você pode ir para arquivo, depois abrir pasta e, em seguida, você deseja clicar na pasta quando você descompactá-la e ela vai abrir toda a pasta e então você vai obter tudo isso, hum, aberto assim e você vê todos esses arquivos, ra, tudo o que você precisa fazer é clicar no index.html e então você verá algo semelhante a isso. Bem, vou rolar para o final do index.html, vou excluir este antigo agente de voz que estava testando aqui, colocar isso aqui, colar isso e depois salvar, comando S, clicar neste botão aqui em cima e ele vai nos mostrar uma versão local do site rodando em nosso computador aqui através dos colchetes. Então aqui está meu homem com uma barba magnífica e temos a bolha do agente testador aqui embaixo e lá vamos nós. Eu quero saber onde você mora, meu amigo. Sim, uau. Ok, hum, eu nem programei isso aí, talvez você apenas tenha achado inapropriado, hum, mas estamos funcionando em um site agora. Se voltarmos para, hum, Voice Flow aqui e você for para as integrações, o widget, vemos que temos esta coisa de testar seu agente, então aqui embaixo podemos brincar com a aparência, não vou realmente entrar nisso aqui, há muito o que brincar, mas basicamente tudo o que você vê aqui pode ser alterado, diferentes logos, diferentes textos aqui, diferentes ícones etc., diferentes cores e você pode simplesmente fazer com que pareça e se sinta como quiser. Então tenho certeza de que vocês são grandes e feios o suficiente para descobrir isso sozinhos, provavelmente quereríamos mudar para, hum, isso aqui, uma coisa que você gostaria de fazer é desligar o recurso "alimentado por Voiceflow", então não está enviando tráfego para eles quando está em seu próprio site e é isso por enquanto, não vou passar por todo o fluxo novamente aqui, apenas saiba que a funcionalidade que construímos que acabei de mostrar para vocês no construtor vai funcionar porque acabamos de implantá-la, é exatamente com o que estamos interagindo, então está tudo funcionando aqui. O único passo a fazer agora é colocar isso neste número de telefone para que possamos conversar com ele por telefone, o que vamos fazer agora. Para fazer isso, precisamos ir para o bit Telefan aqui, está em beta agora, mas para a maioria de vocês assistindo não vai ser até o momento em que você estiver assistindo isso. Então precisamos configurar um número de telefone do Twilio, importá-lo e, em seguida, conectar nosso agente e sua funcionalidade a isso para que possamos ir importar o número. Você verá que temos essas informações aqui, então podemos usar o Twilio ou o Vonage, o Twilio geralmente é o ideal aqui. Então, se clicarmos em aprender mais, eles vão nos ajudar, basicamente a melhor maneira de garantir que você está obtendo as informações mais atualizadas é ir para os documentos da plataforma, encontrar, ler e extrair informações da documentação nessas plataformas é outra habilidade chave que você precisa adquirir para ter sucesso no espaço. Então, se formos aos documentos aqui, vamos para, hum, número de telefone de voz, configurando a integração do Twilio e eles têm um vídeo aqui, adicionando um número de telefone ao seu agente. Então, se você alguma vez ficar preso, sabe que você tem a documentação aqui e para todas as outras plataformas, mas eles vão continuar atualizando esses vídeos se as coisas mudarem, o que provavelmente acontecerá à medida que esse espaço de IA de voz realmente decolar. Então, se formos para o Twilio, você precisará se inscrever e criar uma conta no Twilio. Certo, então estamos logados no Twilio, você precisará criar uma conta para a maioria de vocês, mas o Twilio é um provedor de número de telefone que você pode conectar e interagir pela internet, super útil quando você pode comprar muitos números de diferentes locais e coisas quando se trata de números de telefone, pode haver muitas regras e regulamentos em torno de diferentes, como varia muito de país para país, então dependendo, como se você estiver na Alemanha, acredito que para obter um número de telefone alemão, você precisa ter uma empresa registrada e obter o número através do registro de sua empresa e fornecer esses detalhes, então pode ser difícil, vou apenas mostrar a vocês como usar um número baseado nos EUA aqui, então podemos ir para os números de telefone à esquerda aqui, pode haver alguma configuração que o Twilio irá guiá-lo, pode ser um pouco irritante às vezes, eles dizem que você precisa fazer todas essas declarações e formulários e coisas, mas na maior parte deve ser bastante simples se você seguir as instruções de configuração deles quando criar sua conta para então vir e ir para seus números de telefone e gerenciar e ir para comprar um número agora, a menos que você tenha outros propósitos que deseja usar isso, você pode simplesmente pegar qualquer um aleatório se você estiver seguindo este tutorial, hum, se você obviamente estiver fazendo isso para um cliente, você pode obter um que corresponda à localização deles ou ao estado deles ou até mesmo à cidade deles e quando você clicar em comprar, você pode ver que existem todos esses tipos de registros e RAR que você precisa fazer, mas felizmente a voz é, é uma que não precisa de tudo isso e você tem roteamento global etc., então você pode descer aqui e comprar isso, vai custar um dólar por mês, eu sei que o custo de iniciar um negócio é ridículo hoje em dia, como eles ousam, mas só para mostrar as coisas e fazer isso com vocês, vou comprar este número, mesmo que eu realmente não precise dele, lá vamos nós, tenho meu número, vou copiar isso para não esquecer, 517 e então vou para números ativos, tenho meu cara, onde ele está? 517 aqui embaixo, copiar este garoto mau, voltar para o Twilio, colocar nosso número aqui, nosso SID da conta do Twilio, você precisa voltar para o Twilio, você vai para o painel da sua conta, isso foi um pouco confuso quando eu fiz isso pela primeira vez, então estou feliz, estou feliz em ajudar vocês, porque foi uma dor na bunda para mim, você acha que toda essa informação vai estar como escondida nos painéis laterais, mas não, está apenas no painel, quem diabos coloca seu, ou tokens e coisas em um painel, quero dizer, é quando você sabe que está lá, é útil, mas foi um pouco confuso na época para mim, hum, vou colar isso aqui, vamos copiar este ou token e colar isso aqui e vamos dizer que este é meu tutorial do YouTube e vou importar este garoto mau, selecionar ambiente, vou apenas colocar em desenvolvimento por enquanto, hum, podemos atribuir isso e com isso você pode ver se eu clicar em desatribuir aqui, isso significa que vou remover, então está atribuído e deve estar pronto para conversar. Então, se eu clicar para copiar este número aqui, volto para meu pequeno código do site aqui, se eu encontrar, hum, mais um, lá vamos nós. Então temos a chamada, hum, isso está no cabeçalho, hum, isso sou eu querendo colocar no site para vocês, então vocês não precisam necessariamente copiar isso, vou salvar isso, se eu voltar para meu site aqui, agora tenho o número de telefone real e se eu abrir o Skype no meu telefone, vocês, se estiverem nos EUA, podem simplesmente, ou onde quer que seu número esteja baseado, podem simplesmente ligar, palco, mais um. Certo, vamos dar uma ligação ao nosso amigo. Bem-vindo à Limpeza do Connor, como posso ajudar? Ei, hum, eu estava apenas me perguntando, hum, onde vocês estão localizados, negócio é isso mesmo? Sim, isso mesmo, estamos localizados na Rua Beacon 247, em Boston, Massachusetts, 0216. Atendemos a Grande Boston, incluindo bairros como o centro de Boston, Cambridge, Somerville, Brooklyn e vários outros. Há mais alguma coisa em que posso ajudá-lo hoje? Doce. Ok, então isso está feito, o caminho baseado em conhecimento. Agora vamos dar outra volta, ligue para ele novamente. Ok, ei, bem-vindo à Limpeza do Connor, como posso ajudar? Olá, estou apenas interessado em conseguir, hum, alguma limpeza para meu lugar nos fins de semana. Parece que você está interessado em reservar um serviço de limpeza para um fim de semana licenciado, correto? Sim. Ok, certo, para dar a você uma cotação instantânea, preciso apenas do tipo e tamanho da propriedade e pés quadrados. A propriedade é uma casa ou um apartamento? É uma casa. Desculpe, não entendi. É uma casa ou um apartamento? É uma casa, uma casa. E quantos pés quadrados tem? São cerca de mil. Um segundo enquanto gero sua cotação com base em seus requisitos. Podemos oferecer quatro pacotes diferentes: limpeza de manutenção regular a US$ 90, que cobre a limpeza semanal ou quinzenal padrão; limpeza profunda a US$ 150, para uma atualização mais completa de cima para baixo; limpeza de mudança a US$ 170, para preparar ou limpar após uma transição de casa e limpeza pós-reforma a US$ 200, para lidar com poeira e detritos de construção. Por favor, forneça seu nome e número de telefone e eu pedirei a uma das equipes que ligue para você para encontrar um horário que funcione. Claro, meu nome é Liam Otsley e meu número de telefone é 021, hum, 1111 9792. Ok, só para confirmar rapidamente, seu nome é Liam Oxley e seu número de telefone é 02119792, correto? Sim, isso mesmo. Ótimo, deixe-me adicionar isso ao nosso sistema. Tudo feito, obrigado. Boom, tudo bem. Isso está feito, isso está dunzos. Certo, então vocês aprenderam muito nisso, integração de voz, integração de site, hum, conectando webhooks ao Make, configurando automações do Make, enviando dados, conectando ferramentas de IA de relevância ao Voiceflow, hum, integração básica com um CRM, neste caso é uma planilha, mas há muito lá, pessoal, espero que vocês realmente, realmente, hum, tenham aprendido muito com isso, esta foi uma grande, e ainda temos, hum, mais uma para ir, então espero que estejam com a gente, hum, mas voltando ao nosso Figma aqui, hum, marcamos tudo isso, então temos como um widget de bate-papo na web e temos como um número de telefone. Pelo que sei, você pode ter ambas as opções para o mesmo agente no Voice, você pode ter no site e por voz, não precisa duplicá-lo e definir qual modalidade será, então marcamos todas as caixas para isso. Todos os recursos estarão aqui, todos os prompts, um modelo para toda essa construção final também, se você só quiser pegar todo o meu trabalho duro e vendê-lo para alguém novamente, eu realmente, realmente não me importo, hum, é para isso que esses vídeos são, e estamos entrando na construção do agente número quatro agora. Tudo bem, então por último, mas não menos importante, é um agente construído em meu próprio software. Eu não queria fazer isso, não é sobre mim vendendo para você ou fazendo você usar meu software, então pensei em colocar no final só para você saber que eu não era realmente, isso é sobre vocês aprenderem e meu software acontece para ajudá-lo a colocar um agente no WhatsApp muito, muito facilmente. É por isso que está incluído aqui, mas novamente, isso não é patrocinado, não promovido, não sei o quê, estou apenas realmente tentando compartilhar com vocês o que acho que é um conjunto de habilidades realmente valioso de ter. Certo, agora entrando na construção do agente de IA número quatro, isso vai ser, tada, um agente de geração de leads e suporte ao cliente baseado em WhatsApp e ARI construído no Agentive, meu software. Então, este é um construtor de agente de IA noode que é construído em cima da API de assistência do OpenAI, então você está tecnicamente usando sua conta OpenAI obtendo taxas muito, muito baratas no uso de tokens que você está executando através deste agente, mas o Agentive simplesmente permite que você construa em cima dele muito facilmente, mas mais importante, implantar esses agentes não apenas em widgets de bate-papo na web, como fizemos com o Voiceflow, mas facilmente em coisas como WhatsApp e Instagram etc. Então, essa é realmente a coisa chave que o Agentive se concentra em fazer agora é tornar mais fácil para você colocar seus agentes nessas plataformas. Como você pode ver, é uma construção bastante semelhante ao que acabamos de fazer no Voiceflow em termos de funcionalidade, vamos ter um banco de conhecimento que podemos fazer perguntas, ele será capaz de gerar outra cotação instantânea, então vamos apenas conectar rapidamente essa mesma ferramenta de relevância aqui e, finalmente, vamos fazer uma captura de leads, mas desta vez será feita através do Air Table. Quero misturar e mostrar a vocês como vocês podem conectar seus agentes ao Air Table, que é uma integração muito, muito comum que vocês precisarão saber e a diferença entre este agente, vocês verão que é muito, muito mais rápido de construir, isso não pretende ser uma comparação lado a lado do que é melhor, o quão mais rápido é, é apenas que quando você constrói em uma plataforma de agente de IA mais baseada em conversa, como o Agentive, que é construído em cima da API de assistência, é uma maneira muito diferente de construir agentes, porque tudo é apenas baseado em um prompt e fornecendo as ferramentas certas e toda a magia acontece por si só através do prompt, enquanto o Voiceflow lhe dá muito mais controle, então é realmente a diferença entre a construção de agentes de IA estruturados versus bate-papos mais conversacionais e abertos através de uma experiência mais parecida com o ChatGBT que pode simplesmente continuar e continuar, que é o que esses agentes podem fazer. Então, o propósito é, claro, bastante semelhante, mas o valor disso é ligeiramente diferente, pois estamos usando o WhatsApp, então muitas pessoas que procuram serviços online hesitam em usar formulários de contato do site ou outros ou chatbots que acham que não vão dar a eles acesso a um ser humano real devido aos potenciais atrasos que vêm disso, certo? Você chega em um site e está procurando um serviço ou produto diferente e então há este formulário de contato ou há um widget de bate-papo na web e você vai dizer, bem, eu realmente não acho que vou obter a ajuda que realmente preciso aqui na velocidade que eu quero, então você pode procurar um widget do WhatsApp e sabe que se clicar nesse widget do WhatsApp, você poderá falar diretamente com alguém e isso está meio que brincando com o fato de que se você tiver a opção do WhatsApp em seu site, as pessoas têm muito mais probabilidade de simplesmente clicar nisso e passar e tentar ter uma conversa diretamente para obter o que querem. Então, tendo uma opção do WhatsApp em um site ou outros gatilhos, por exemplo, você pode ter um código QR que você pode colocar, digamos, em uma placa de imóveis e você constrói um agente, conecta-o ao seu número do WhatsApp, como vamos fazer aqui, e então você cria um código QR que as pessoas podem escanear e abrir imediatamente o WhatsApp e começar a conversar com ele, existem muitas maneiras diferentes de ter um ponto de acesso a um agente do WhatsApp como este, mas basicamente abre mais conversas através de uma plataforma mais nativa de smartphone, para que eles possam acessar seu telefone e ter uma conversa com ele em vez de estar em um site no computador ou um pequeno chatbot de site em seu telefone, hum, para essencialmente envolver mais potenciais clientes ou mais pessoas interessadas no negócio em conversa rapidamente, fornecer valor através do banco de conhecimento e essas ferramentas aqui e cotações em tempo real e, finalmente, porque você está fornecendo esse valor instantâneo e feedback instantâneo deles, colete as informações de leads deles ou melhor ainda, defina até mesmo compromissos através do WhatsApp, que você pode construir no Agentive, mas esse caso de uso é um pouco mais avançado e não é algo que eu possa mostrar neste vídeo, mas definitivamente é possível, mas é realmente apenas alguns passos longe das habilidades que vocês aprenderam neste vídeo até agora. Então, fique de olho nesse caso de uso de definição de compromissos, porque se você conseguir fazer isso com o agente de IA, é muito, muito valioso e eu fiz outros vídeos no canal aqui mostrando como fazer isso. Então, o uso disso é que eles vão encontrar o número do WhatsApp da empresa em seu site ou em outro lugar, talvez um código QR, como eu disse, e eles vão começar uma conversa no WhatsApp e então o agente vai entrar imediatamente e começar a responder e ser capaz de responder do banco de conhecimento.

Gere quotes e, em seguida, capture suas informações principais. Então, sem mais delongas, vamos começar a construir este agente. Podemos clicar aqui para ir ao meu site, Agentive. Você pode clicar em "Registrar agora" e simplesmente se registrar com sua conta do Google. Vou entrar com a minha. É gratuito para criar uma conta e temos um plano gratuito, para que você possa experimentar o quanto precisar. Em seguida, você só será cobrado com base na quantidade de uso, então é muito, muito barato e acessível. Eu queria criar esta plataforma para que vocês pudessem entrar e experimentar a construção de agentes de IA sem codificação. Esse foi realmente o cerne do porquê de termos iniciado tudo isso.

Temos o painel aqui, que carregará meus dados em um segundo, para que você possa ver aqui como o painel ficará quando você tiver seus próprios agentes em execução. Estamos executando o chatbot de suporte ao cliente Agentive por meio desta conta que estou usando agora. Você pode ver os custos de uso, muito baratos, sessões etc. É realmente legal quando você acessa a seção de análises e pode usar o Agentive para ver como as pessoas estão usando seus agentes, mas isso obviamente é algo para um pouco mais tarde, depois que você colocá-los em produção. Agora, o que vamos fazer é, claro, podemos ir para agentes ou podemos simplesmente criar um agente a partir daqui. Vou chamar este de "Agente WhatsApp de Limpeza do Connor". Temos uma pequena descrição também: "Responde a perguntas do KB, fornece orçamentos de limpeza em tempo real e pode capturar leads para o Airtable". Você verá que a configuração é muito mais rápida do que algumas dessas outras plataformas. Novamente, não estou me gabando, é apenas uma maneira diferente de abordar a construção de agentes, é muito mais rápido e a prototipagem rápida e fácil de colocar as coisas em funcionamento. Claro, se você precisar de uma funcionalidade muito mais avançada, precisará ir além e usar plataformas como o Voice Flow.

Mas, neste caso, temos um prompt muito fácil, temos um conhecimento e temos ferramentas. Lembre-se de quando voltamos a ser um chef e o conceito dos três ingredientes? Esses são seus três ingredientes: o prompt que você fornece como instruções, o conhecimento que você fornece como banco de dados de conhecimento externo e as ferramentas que podemos conectar a ele também. Podemos selecionar o modelo aqui. Acho que quero um tempo de resposta bom e rápido, porque isso será no WhatsApp e voltado para o cliente, então vou para o GPT-4 mini, para que seja bom e rápido. Agora podemos colocar "teste teste teste" ali, ou "você é um assistente de ajuda", apenas para colocar isso por enquanto como prompt. Para o banco de dados de conhecimento, podemos ativá-lo, podemos criar um novo banco de dados de conhecimento, chamar isso de... vamos clicar aqui e vamos carregar o mesmo arquivo que usamos no Voice Flow, o mesmo documento que estará disponível nos recursos para este guia. Dê um segundo para processar. Assim que ficar verde, podemos enviar. Você pode adicionar vários arquivos aqui, permitimos cinco arquivos por vez, mas você pode adicionar dezenas e dezenas de arquivos, para que você tenha um banco de dados de conhecimento enorme para trabalhar. E assim, conectamos nosso banco de dados de conhecimento. A coisa legal sobre o Agent é que, como somos construídos na API de assistência, este é realmente um banco de dados de conhecimento independente. Você pode criar um banco de dados de conhecimento e conectá-lo a vários agentes diferentes. O conhecimento não se restringe ao agente em que você o constrói. Posso ir e criar um novo agente e conectar este mesmo banco de dados de conhecimento, e tenho todos esses outros aqui.

E então, quando vamos à seção de ferramentas, teremos duas ferramentas para isso. Bem, o banco de dados de conhecimento, se voltarmos ao nosso Figma aqui, tecnicamente o banco de dados de conhecimento é uma forma de ferramenta que o agente está usando, mas em plataformas como a API de assistência e muitas plataformas, você verá o conhecimento tratado como algo próprio, mas essencialmente é apenas outra ferramenta que o agente está usando no momento certo, quando precisa buscar conhecimento para responder a perguntas. O OpenAI separa isso em algo próprio, e nós também, porque construímos em cima dele. Então, temos três ferramentas diferentes, mas o conhecimento é uma ferramenta própria que é configurada por meio desta conexão de banco de dados de conhecimento que acabamos de fazer antes. Então temos as ferramentas e aqui temos nossa cotação instantânea da Relevance e temos nossa captura de informações de leads. Conhecemos o processo de ir para a Relevance, então podemos simplesmente criar uma nova ferramenta aqui. Isso mostrará um esquema. Lembre-se de quando falamos sobre esquemas? Isso explica ao agente como usar a ferramenta. Para adicionar uma ferramenta a este agente, precisamos adicionar um esquema a ela. E, felizmente, nossos amigos da Relevance AI fornecem uma maneira muito, muito fácil de criar esquemas para importar para agentes como no Agentive.

Aqui posso pegar a mesma ferramenta de estimativa de custo para cotações instantâneas de serviços de limpeza que usamos anteriormente. Novamente, isso será vinculado, você pode clonar isso se ainda não o tiver. Fornecerei um link para você clonar isso em sua conta Relevance, que estará nos recursos deste vídeo, e é como o tutorial anterior que fizemos, onde tem tipo de propriedade, metragem quadrada e uma etapa LLM aqui para calculá-lo. Ele vai devolver isso e vamos transformar isso em uma boa resposta com nosso agente no Agentive. Podemos garantir que salvamos isso. A coisa legal aqui é que, para conectar isso ao Agentive e nosso agente lá, podemos simplesmente ir para ações personalizadas aqui na página de ferramentas. Como você pode ver aqui, é principalmente destinado ao uso com os GPTs personalizados do OpenAI, aos quais você pode acessar por meio do ChatGPT, e eu recomendo fortemente que você confira os GPTs do OpenAI, porque é uma maneira super simples de criar seus próprios agentes no site do ChatGPT. Então podemos selecionar nossa ferramenta aqui e podemos obter um esquema para ela. Mas o que acabei de perceber é que eu realmente tenho uma ferramenta de captura de leads do Airtable aqui que já criei na Relevance, e será realmente mais fácil para nós configurá-la aqui na Relevance do que ter que fazer tudo separadamente. Então vamos configurar isso rapidamente agora. Se formos para o Airtable, vamos pegar uma simples que capture o nome e o telefone. Fornecerei o modelo para esta ferramenta, para que você possa cloná-la, mas basicamente ela recebe como entrada o nome do lead e o endereço de e-mail do lead, e o telefone também. Então está capturando esses três como informações de lead e, em seguida, está enviando para o Airtable, que vamos configurar agora, e está usando uma solicitação POST para enviar os dados que coletamos aqui e que eventualmente coletamos por meio do WhatsApp, e está enviando para o banco de dados do Airtable. Vamos configurar isso rapidamente.

Se você for ao Airtable, vou apenas usar um CRM fictício que uso para todos esses tutoriais, e vocês poderão clonar isso se quiserem nos recursos deste vídeo. Haverá um link como este. Então, se eu compartilhar isso publicamente, vocês obterão algo parecido com isso. E este botão aqui diz "Copiar base", que copiará para sua conta. Então, tudo o que você precisa fazer para copiar esta base do Airtable é criar uma conta do Airtable e clicar em "Copiar base" e ela será copiada. Você pode obter isso com o conjunto de origem da coluna predefinido. É bastante fácil configurar esses campos você mesmo, mas quero facilitar para vocês, para que possam simplesmente copiar isso. Estará incluído nos recursos, mas aqui temos os campos que estamos procurando. Então, agora tudo o que precisamos fazer para enviar dados para este banco de dados por meio de nosso agente Agentive baseado no WhatsApp, para que, quando alguém fornecer seus dados, ele seja enviado para cá, é ver nossos detalhes para a API web do Airtable. O Airtable tem sua própria API, que nos permite interagir com nossos bancos de dados como este programaticamente. Então, tudo o que precisamos fazer é ir para o canto superior direito aqui, ir para o Builder Hub e, se formos para a documentação do desenvolvedor aqui e rolarmos para baixo até a API web, esta é uma referência para a API web do Airtable. Esta documentação essencialmente nos dirá como interagir com nosso Airtable programaticamente por meio de nossos agentes e por meio do Voice Flow e por meio da Relevance e por meio do Agentive também. De qualquer maneira que você queira interagir com ele, você pode agora usar o conhecimento que você adquiriu neste vídeo, examinar isso e modelar o que vamos fazer aqui na Relevance. Você pode pegar essa mesma ideia e colocá-la, digamos, no Voice Flow, e pode criar uma integração do Airtable no Voice Flow, onde pode enviar e puxar dados. Essas habilidades se sobrepõem e realmente se concentram em entender como as APIs funcionam, e isso se resume a ler a documentação também.

Então, neste caso, se voltarmos à nossa ferramenta Relevance aqui, precisamos obter nossa URL, que é nosso ponto final, sobre o qual falamos antes. Este é o endereço para o qual estamos enviando a solicitação e o Agentive, onde estamos construindo o agente, usará a Relevance para chamar o Airtable. É uma maneira um tanto indireta de fazer as coisas, mas para obter todas essas informações, a maneira mais fácil é voltar a esta documentação, e a maneira mais fácil para nós encontrarmos as informações que nos permitem interagir com nossa própria base do Airtable que estamos configurando é descer aqui e encontrar a base que você acabou de clonar em sua conta, que provavelmente será o Smith Solar CRM. Não se preocupe com o nome. O Airtable faz um trabalho muito bom em tornar isso super fácil, e podemos simplesmente vir aqui para a tabela de leads. Então, se voltarmos ao Airtable aqui, você vê que estamos na tabela de leads, temos essas guias diferentes, você pode simplesmente ignorar essas, são apenas projetos diferentes que fiz no YouTube, eles estão todos lá caso as pessoas também estejam clonando isso em suas contas, mas estamos olhando para a guia leads aqui. Então vamos para os leads aqui e queremos criar registros, e então ele nos dá todas as informações que precisamos aqui para criar registros. Então você pode ver que é uma solicitação POST e tem HTTPS e todas essas informações. Este é o ponto final que queremos copiar, tudo isso até leads, copiar isso, voltar para a Relevance e colar isso. Oh, talvez isso já estivesse lá, e colar isso ali, e então precisamos adicionar dois cabeçalhos, então temos autorização e tipo de conteúdo. Agora, lembrando o que aprendemos antes, você pode ver que temos H, e esta tag H significa que há um cabeçalho, e então o cabeçalho é a autorização, e então o valor será portador e, em seguida, nosso token. Esta é uma coisa que me atrapalhou quando estava aprendendo isso, usando APIs, é que você precisa adicionar esta palavra "portador" e, em seguida, um espaço e, em seguida, sua chave de API. É uma maneira estranha de fazer as coisas, eu realmente não sei por que é assim, mas às vezes, quando você está fazendo essas autorizações, precisa adicionar "portador", espaço e, em seguida, sua chave de API. Está lá por um motivo, é o que estou dizendo, e então temos o tipo de conteúdo sendo application/json. Já estamos familiarizados com isso. Voltando à Relevance, temos o cabeçalho de autorização e tipo de conteúdo aqui, application/json, e agora precisamos adicionar nossa chave de API do Airtable, para que estejamos autenticados e tenhamos permissão para enviar uma solicitação de API. Eles não vão deixar ninguém usar esses detalhes e começar a enviar dados para nosso banco de dados, certo? Eles precisam ser autenticados, e é isso que as chaves de API fazem.

Para obter nossa chave de API do Airtable, claro, vamos ao Airtable, podemos ir para o canto superior direito aqui, voltar ao nosso Builder Hub, ir para tokens de acesso pessoal e podemos criar um novo token, chamar isso de YouTube, podemos ir, adicionar a base, esta será a Smith's Solar CRM, podemos adicionar um escopo de leitura e gravação, e às vezes acho útil ter os esquemas de leitura lá também. Basicamente, o que estamos fazendo aqui é dizer que dou a esta chave de API que estamos criando permissão para interagir com este Airtable e dou a ela permissões para fazer essas coisas, como ler o que está no banco de dados, gravar nos bancos de dados e criar coisas novas, e também para ver a estrutura geral da base e os tipos de campo. Podemos adicionar isso e criar o token. Pegamos este token, voltamos para a Relevance e, novamente, este modelo, para que você possa cloná-lo em sua conta, estará nos recursos. Então, se você estiver acompanhando, você deve simplesmente cloná-lo em sua conta e, em seguida, descer aqui e fazer as alterações conforme eu as faço. Podemos adicionar, garantir que temos um espaço após o portador e, em seguida, colar nossa chave, porque se voltarmos para a documentação da API web, podemos ver que temos autorização, portador, espaço, sua chave de API, tipo de conteúdo e, em seguida, application/json, então temos os dados como carga útil, lembre-se, é isso que está dentro do envelope, então temos registros e temos os campos nome, telefone e status, e então ele nos forneceu um exemplo de como enviaríamos dados para isso, sobre o qual não precisamos nos preocupar muito porque já tenho isso configurado aqui. Pode ser bastante complicado, na verdade, para isso, vou adicionar outro campo aqui. Esta é uma coisa sobre a Relevance, não sou muito fã disso, pode parecer super complicado às vezes. Então, se formos para e-mail, isso já estará no modelo que eu lhe darei, aliás, e-mail, por que isso deletaria isso? OK, então temos a URL atualizada, o método é POST, isso está correto, temos a autenticação, temos o tipo de conteúdo, temos o corpo todo configurado, adicionamos nossos campos de nome, telefone e e-mail, que temos nome, e-mail e telefone, então podemos dar uma olhada aqui, se dissermos Liam, lá vamos nós, e dermos uma olhada, executar a ferramenta, veremos se ela nos aceita, sim, e lá vamos nós. Se voltarmos ao Airtable, abrir a base, lá está, Liam, telefone, e-mail. Então podemos pegar esta ferramenta, podemos pegar o gerador de cotação instantânea, podemos colocar isso no Agentive e, antes que você perceba, teremos nosso agente pronto para uso. Então vamos voltar para a Relevance aqui, vamos salvar esta ferramenta e vamos mudar isso para nome, e-mail e telefone. E rapidamente antes de fazermos essa integração, é quando a descrição entra em jogo aqui. Lembre-se dessas descrições em linguagem natural do que a ferramenta faz, o que cada um dos parâmetros e entradas são, é muito importante acertar isso na Relevance e vejo muitas pessoas pulando esta etapa, mas é isso que será colocado naquele esquema, certo? Quando a Relevance gera um esquema para nós, aquele manual de uma página sobre como usar esta ferramenta e usar a API para interagir com esta funcionalidade, quando a damos ao Agentive, ele lerá tudo ali e serão aquelas pequenas descrições sobre o que a ferramenta faz e o que ela deve receber e essas partes aqui na Relevance são onde configuramos isso. Uma descrição adequada é necessária antes de fazermos essa integração. Então, esta ferramenta captura informações de leads, armazena no CRM do Airtable, requer nome, telefone e e-mail do lead, nome, telefone e e-mail, o nome é o nome do lead, sim, e-mail, endereço de e-mail do lead e telefone é o número de telefone do lead. Então está tudo bom aí e pronto para integrar, posso até fazer uma verificação rápida na estimativa de custo brilhante também. Sim, tipo de propriedade, metragem quadrada da propriedade e estamos prontos para ir. Então agora podemos clicar na etapa de ação personalizada aqui, rolar para baixo e clicar em ambos, bam, bam, rolar para baixo, vamos mudar isso para personalizado ou vamos gerar uma chave de API, lá vamos nós, e vamos gerar nossa API aberta, não OpenAI, API aberta, é essencialmente um tipo de API e uma maneira de descrever como a API funciona, e ela nos dá todas essas informações aqui. Na verdade, vou expandi-la para que vocês possam ver pelo menos parte dela. Na verdade, é provavelmente mais fácil no Agentive, e então voltamos ao Agentive, o que podemos fazer é colar o esquema e agora, se rolarmos rapidamente por isso, eu só quero que você veja como um esquema se parece nos bastidores, porque temos algumas partes importantes que realmente conectarão os pontos para você depois de tudo o que aprendemos neste vídeo. Então vou ampliar um pouco aqui, temos o título da ferramenta, então temos algumas coisas importantes aqui que podemos dividir, basicamente os caminhos, temos dois caminhos aqui, este é um deles e este é o outro. Estes representam as duas ferramentas que estamos integrando. Você pode ver que um aqui é o ID da operação, que é basicamente o nome da ferramenta e que é tirado diretamente da Relevance, a captura de leads do Airtable, e o resumo aqui é o nome real ou o título da ferramenta que tínhamos na Relevance. Esta é apenas uma versão em que eles colocaram sublinhados para conectar os intervalos e a descrição aqui, você pode ver que é a mesma descrição que configuramos, não quero voltar lá, mas essa era uma descrição que colocamos sob o nome para descrever o que a ferramenta faz e, quanto às entradas, a Relevance tornou isso um pouco mais complicado usando esses esquemas para as entradas aqui, mas resumindo, se então formos para o botão adicionar ou, precisamos configurar nossa autenticação, o que podemos fazer voltando para a Relevance e copiando isso, voltamos para cá, colamos isso, vamos para personalizado ou e vamos autorizar, autorização com z, oh, preciso criar a ferramenta, desculpe, então podemos simplesmente clicar em criar ferramenta. A ferramenta foi criada com sucesso e lá vamos nós, temos as duas ferramentas adicionadas porque fizemos as duas em um pacote na Relevance, e então, se formos editar, podemos inserir chaves de API para ambas, para que tenhamos permissão para usá-las, e podemos fazer o mesmo para esta e lá vamos nós. Agora temos nosso conhecimento configurado, nossas duas ferramentas configuradas e você pode ver que estamos muito perto de concluir esta construção. Temos esses três prontos, podemos muito bem torná-los verdes, só para constar, e agora a única coisa que resta a fazer é escrever um prompt que conecte tudo isso, e isso é realmente a cola que mantém tudo unido. Meu método preferido de criar prompts rapidamente para agentes de IA é usar uma ferramenta de Relevance, perfeito, que criei e disse que daria a vocês de graça também, que estará incluído nos recursos, mas se eu for usar aqui, é um escritor de prompts que inclui todas as informações de como fazemos prompts na Morningside, que é baseado em pesquisa e inclui todas as coisas importantes, como detalhes da tarefa, contexto, explicando como usar as ferramentas que foram fornecidas também. Então vou preencher isso rapidamente aqui e depois obter um prompt, e vocês podem pegar meu prompt dos recursos ou podem usar isso também para criar o seu próprio, mas é um bom exercício porque você pode ver aqui que temos o nome do agente sendo, e o que gosto de fazer aqui é, então isso é apenas uma breve descrição do que o agente faz, onde ele está sendo implantado e por quê. Você pode pausar o vídeo e olhar para isso, mas apenas um pouco de contexto sobre o que o agente faz, onde ele está sendo implantado e por quê. Contexto de conversas, podemos dizer contexto de conhecimento, podemos dizer com um contendo, então chegamos à seção de ferramentas disponíveis e podemos dizer e então temos a outra ferramenta, que é e então, para os exemplos ideais de entrada e saída, vou apenas dizer nenhum para fornecer um assistente amigável e útil, e assim, em apenas alguns minutos, digitei todas essas informações sobre o agente e o que ele faz, e agora posso simplesmente clicar em executar ferramenta aqui e ele pegará todas essas informações, executará no prompt que escrevi que integra as melhores práticas de prompts para agentes de IA de acordo com minha experiência e os projetos que fazemos na Morningside AI, e também toda a pesquisa que usamos para criar essas práticas de prompt, e ele nos dará um prompt de agente de IA que podemos lançar diretamente no Agent e ele simplesmente colará tudo o que fizemos juntos, dirá quem é e o que está tentando fazer, dirá como deve usar o banco de dados de conhecimento e dirá como e quando deve usar essas ferramentas para atingir seu objetivo de capturar esses leads para nós via WhatsApp e lá vamos nós. Então, se rolarmos para baixo, podemos ver que ele gerou todo este prompt. Vou alterá-lo para o texto bruto, para que tenhamos toda essa formatação Markdown incluída, podemos visualizar tudo aqui, vou copiar tudo e vamos levá-lo para cá e colar isso e lá vamos nós. Aja como agente de suporte e geração de leads do WhatsApp de limpeza do Connor, interaja com clientes potenciais no WhatsApp para fornecer informações potenciais sobre nossos serviços de limpeza, responda a perguntas frequentes, responda a cotações instantâneas quando houver consultas de preços, use a ferramenta geradora de cotações instantâneas, ferramentas que você tem esta ferramenta e esta ferramenta, exemplos, vou apenas cortar isso por enquanto e depois notas ra, então isso deve estar tudo certo, podemos começar a dar uma olhada aqui, vou diminuir um pouco, certo, certo, então vou apenas publicar isso e garantir que tudo seja integrado em um segundo e agora podemos conversar com ele aqui, oi, como vai, na verdade, deslize isso, quero saber onde vocês estão localizados, lá vamos nós, a limpeza do Connor está localizada em XYZ, então obviamente está usando o banco de dados de conhecimento corretamente e dizer "quais serviços vocês oferecem?" E não estamos perguntando sobre preços, então não deve ir para a cotação ou pode tentar fazer isso no final, sim, veja, está perguntando se você tem algum requisito específico, precisa de uma cotação, basta me avisar, sim, eu gostaria de uma cotação, bum, preciso do tipo de propriedade e metragem quadrada.

É uma casa e tem 1000 pés quadrados. Então, agora o agente está tentando acionar essa ferramenta, pegando a casa e o 1000, e depois colocando-os na ferramenta de relevância, com base no que o esquema lhe disse sobre como usar a API. Vai pegar isso da relevância, enviar de volta para nós e pronto. Aqui estão as cotações para você, Ra. Se estiver interessado em algum serviço adicional específico e precisar de assistência, avise-me. Também posso ajudá-lo com a reserva agora. Aqui, provavelmente mudaria o prompt e o tornaria um pouco mais incisivo, e diria: "Envie-me, tipo, tipo, vamos para a próxima etapa agora". Mas, por enquanto, está bom o suficiente. Podemos dizer: "Claro, gostaria de reservar uma limpeza profunda agora". Ele deve me pedir minhas informações de lead. Ok, Huge Jackman é o nome, é o telefone, e hugejackman é o email. Devemos conseguir ver se voltarmos para nossa prática tabela Airtable aqui, Huge aparecendo aqui, oh bang, e Huge Jackman está no CRM aqui, diz que está reservado. Brincaria um pouco mais com o prompt, tipo: "Ei, olhe, isso está apenas configurando a próxima etapa para alguém ligá-los e reservar o serviço, mas você também pode fazer o agendamento de compromissos por meio do Agentive". Novamente, como eu disse, é um pouco mais avançado do que queremos fazer aqui, mas, como você pode ver, esta é uma maneira muito diferente de abordar a construção de agentes, porque você diz, você basicamente fornece todos os ingredientes e usa essa espécie de abordagem de chef, o conhecimento e as ferramentas, e conecta tudo, e garante que as ferramentas tenham esquemas bem descritos, para que saibam como usá-las e saibam quando acioná-las. O banco de dados foi incluído no prompt, e também as ferramentas foram incluídas no prompt, dizendo como e quando usá-las. É realmente uma maneira muito mais rápida de construir agentes a partir da solicitação de alta fidelidade, e as pessoas estão apenas perguntando e tendo uma espécie de conversa fluida com ela.

Ok, e rapidamente, antes de passarmos para a etapa de colocá-la no WhatsApp, o que não levará muito tempo, quero mostrar como você pode depurar e, quando estiver trabalhando no Agentive, é útil saber quando as ferramentas estão sendo acionadas e porquê. Por exemplo, se entrarmos nas transcrições aqui e olharmos para essa grande transcrição aqui com 14 mensagens que acabamos de ter, "Ei, como vai, Ra", podemos ver aqui que está usando as ferramentas, e podemos passar o mouse sobre ela e podemos ver que está chamando a ferramenta com a URL, é um método POST, e podemos ver os dados aqui. Vou apenas ampliar isso, o tipo de propriedade e a metragem quadrada que foram enviados para a relevância estão aqui. Então, se você estiver tendo problemas com suas ferramentas ou estiver dando respostas estranhas, você pode entrar aqui nas transcrições depois do fato, digamos que talvez isso esteja no WhatsApp, e algo esteja dando errado, ou os clientes estejam ficando chateados, você pode entrar nas transcrições aqui e ver o que está dando errado com as ferramentas, e assim como aqui embaixo também, a captura de leads, podemos ver que o nome, o email e o telefone foram colocados nesta solicitação e enviados para o Relevance AI e, em seguida, para o Airtable como uma segunda etapa, e você também pode ver a saída. Então, a saída da ferramenta está toda aqui, basicamente está apenas nos dando uma confirmação de volta do Airtable de que sim, tudo correu bem, e aqui em cima você pode ver a saída como a resposta com as estimativas de limpeza profunda e coisas assim, você pode ver com muito mais facilidade se dissermos: "Ei, posso ter uma cotação?" Ok, e se você der um segundo a isso, assim que terminar de gerar, o Agentive irá então mostrar o uso e pronto, aqui no editor, você pode então depurar. Ok, quantos tokens estão sendo usados, quanto isso está custando, qual foi o modelo, etc, e então você pode ver a entrada das ferramentas aqui, apartamento de 500 pés quadrados, etc, e a saída também. Então, é realmente fácil depurar essas ferramentas enquanto você está no Agentive. Vamos garantir que publicamos isso. Vou publicá-lo novamente no Agentive. Temos o histórico de versões, então, se você publicá-lo e quiser reverter ou ver como o configurou anteriormente, você pode ver agora que tenho duas versões, V1 aqui, e eu apenas tirei esse pequeno ponto final aqui, e você pode ver que isso é, eu alterei o prompt, então você pode atualizá-lo ao longo do tempo, pode fazer edições dentro do Agentive aqui e testar, testar, testar, e quando estiver pronto para enviar isso para a produção, e basicamente, se tivéssemos isso em um agente do WhatsApp e digamos que eu publiquei isso conectado ao WhatsApp e estava funcionando, e então eu olhei as transcrições, e algo não estava exatamente como eu queria, eu poderia entrar aqui e fazer edições e então testar, testar, e então quando eu estivesse pronto para publicar, eu clicaria em publicar, e então isso iria enviar essas atualizações para o agente, então você não vai bagunçar as coisas brincando com as coisas aqui.

Então, a etapa final é, claro, implantá-la no WhatsApp. Vá para a guia Implantar aqui, você pode clicar em Conectar WhatsApp. Vou clicar em Continuar, começar. Você precisará, é claro, de um gerenciador de negócios do Facebook para configurar totalmente essa integração, isso é gratuito com todas as contas do Facebook. Então, se você ainda não tem uma, deixarei um link na descrição para que você possa configurá-la. Leva alguns cliques, então você verá esta página aqui e poderá selecionar o gerenciador de negócios que você criou. Neste caso, usarei este de teste, e então você poderá configurar uma nova conta comercial do WhatsApp, na qual posso clicar aqui. Vou clicar em Avançar, configurar um nome de conta comercial, e este é o nome de exibição para o negócio, e vamos chamar isso de um negócio de varejo. Agora você precisa fornecer o número de telefone que deseja conectar seu agente, infelizmente você não pode ter seu próprio número pessoal do WhatsApp e também ter uma conta comercial funcionando através dele, então você precisa comprar outro cartão SIM ou pedir o número emprestado de um amigo que não tenha WhatsApp, etc. Neste caso, usarei um número reserva que tenho. Então, eles vão enviar um código de verificação para o seu número, que você precisa inserir, e então você deve ver a tela depois de passar com sucesso na verificação. Então, quando continuarmos, estamos verificando nossas informações por um segundo, e agora nosso agente está conectado a esse número de telefone e estamos prontos para fazer um teste. Então, se formos finalizar aqui, há mais uma coisa que precisamos fazer no Agentive, que é clicar aqui, o seu pode dizer "Não registrado", não se preocupe, você pode simplesmente clicar nesta caixa de seleção aqui e clicar em Confirmar, dar um segundo para conectar, agora conectamos com sucesso nosso agente a esse número do WhatsApp. A coisa aqui é esse intervalo, se você não tiver certeza do que é o intervalo, você pode ler esta dica de ferramenta aqui, e se você terminar a implantação e quiser removê-la desse número, você sempre pode voltar e clicar em Desativar implantação aqui, mas tudo o que resta a fazer agora é testar nossa funcionalidade. Então, tenho conectado ao meu telefone aqui, então vou mostrar um pouco na tela aqui de mim criando este contato e tendo uma mensagem com ele. Então, o número que configurei, posso criar um novo contato e então posso enviar uma mensagem, ei, e você pode ver na tela aqui, diz: "Este é o negócio usando um serviço seguro do Meta". Isso significa que esta é uma conta comercial, como a conectamos por meio do nosso perfil comercial do WhatsApp que configuramos antes, e pronto, recebemos uma mensagem de volta: "Olá, obrigado por compartilhar suas informações, como posso ajudá-lo hoje? Se tiver alguma dúvida sobre o serviço de limpeza ou precisar de uma cotação, fique à vontade para me avisar". Então posso dizer: "Sim, uma cotação". Vamos fazer uma pergunta ao banco de dados: "Onde vocês estão localizados?" Pronto, estamos localizados na área metropolitana de Boston. Está me dando a localização correta. Então podemos ir para a captura de leads agora. Então, se dissermos: "Gostaria de uma cotação", tipo de propriedade, é uma casa que tem cerca de 800 pés quadrados, pronto, estamos recebendo as estimativas e nossa cotação de volta, está perguntando se estamos interessados em algum desses serviços, eu diria: "Sim, gostaria da limpeza profunda, por favor". Agora ele deve me pedir minhas informações de contato. Pronto, então Liam, quero dizer, Liam em mail legal, e então devemos vê-lo aparecer aqui em nosso CRM Smith Solar, e pronto, está lá. Então, fizemos tudo isso, isso é apenas uma passagem usando este agente do WhatsApp, mas, como você pode ver, as mensagens não voltam instantaneamente, então parece que é como se fosse realmente um humano aplicando, e está dando informações claras através do WhatsApp. Imagine que você está entrando em contato para talvez reservar uma acomodação ou está entrando em contato com um serviço de limpeza como este ou está entrando em contato com qualquer tipo de empresa e deseja algumas informações reais diretamente do que parece ser uma pessoa, e então você também tem as funções de obter uma cotação real, quero dizer, um ótimo caso de uso para esse tipo de coisa são os barbeiros, como eu disse, se você, você envia uma mensagem para um barbeiro no WhatsApp, talvez você esteja na Europa em algum lugar, você está na América do Sul ou está na América Central ou, e você quer ir a um barbeiro, e este é um problema comum que encontrei quando estou viajando, é como se eu quisesse enviar uma mensagem para este barbeiro, mas talvez eu não fale o idioma tão bem, e então, se você enviar uma mensagem para eles em inglês, ele poderá lidar com isso em inglês, bem como em espanhol ou em português, ou onde quer que você esteja. Então, esse tipo de funcionalidade construída através do WhatsApp é um caso de uso realmente muito bom para vocês pegarem, por isso eu queria ensiná-los, e também podemos voltar para o Agentive aqui, e se formos para nossas transcrições para este agente, podemos ver que a de hoje está aqui, então 12 mensagens, você pode percorrer toda a transcrição e pode ver que está chamando a ferramenta de cotação aqui, vemos todas as informações que entraram e saíram dela, e então vemos as informações de captura de leads do Airtable também, entrada e saída. Então, é assim que você usa o Agentive, meu software para construir esses agentes baseados no WhatsApp e também outras implantações. Então, se formos para o estúdio e formos para implantar, temos o Instagram também, então, por meio do nosso modelo de bate-papo mini, você pode se conectar ao Instagram e fazer configurações de compromissos e coisas no Instagram, você pode usar o Messenger se quiser executar alguns anúncios de leads do Facebook para o Messenger por meio do fluxo de voz também, Telegram, Discord, temos integrações com tudo o que você precisa também. Então, este é o fim desta construção, espero que tenham gostado, e este é um caso de uso super prático e implantação para seus agentes de IA.

Agora que você entende como os agentes de IA funcionam e pode construí-los por si mesmo, vamos falar sobre a parte mais importante disso, que é realmente ganhar dinheiro com essas habilidades. Mas primeiro precisamos destruir um enorme equívoco, e que você não precisa construir o próximo Chat GPT ou criar algum startup revolucionário de IA para ganhar dinheiro no espaço da IA. A verdadeira oportunidade é muito, muito mais simples, é apenas ajudar as empresas a entender e implementar IA. Foi assim que monetizei minhas habilidades de agente de IA, e tem sido o crescimento mais explosivo que já experimentei na minha carreira, e a boa notícia é que, se você chegou até aqui no vídeo, você está muito mais perto de ser capaz de aproveitar este mercado faminto por serviços de IA do que pensa. Mas não acredite na minha palavra, afinal, sou apenas um cara na internet. Talvez você deva ouvir alguns dos empresários mais famosos do mundo dizendo que esta é a oportunidade de entrar agora. Se eu tivesse 25 anos hoje, em 2024, o que eu faria? Qual é um bom setor para se envolver? Em qual negócio eu me envolveria? Acho que tudo está olhando para a IA agora de uma maneira diferente, e acho que o crescimento da IA vai ser exponencial. Então, qualquer coisa a ver com IA agora, o que poderia ser na forma mais simples é ajudar as pessoas a usar a tecnologia. Haverá uma quantidade enorme de pessoas que querem usá-la e não sabem como, e estão dispostas a pagar para resolver esse ponto problemático. Então, isso é consultoria? Não exatamente, é implementação e execução, então ajudar uma empresa a fazer essa transferência para um mundo em que ela está controlando seus dados e obtendo informações dele. Agora, a maioria das empresas na América, por exemplo, tem entre 5 e 500 funcionários, então são pequenas empresas, elas criam 62% dos empregos, elas querem usar IA, você deve ajudá-las a resolver isso, e elas vão pagar você.

Outro tubarão, Mark Cuban, está dizendo exatamente a mesma coisa, que a maior oportunidade agora é ajudar essas pequenas e médias empresas que ainda não entendem IA, mas desesperadamente precisam dela para acompanhar, e estão absolutamente certos. Se olharmos para os dados, é bastante óbvio. De acordo com dados recentes, existem 1,7 milhão de empresas apenas nos EUA que estão ganhando entre US$ 500.000 e US$ 10 milhões por ano. Essas são pequenas empresas que, como Kevin O'Leary diz, representam 62% dos empregos nos EUA. Elas criam 62% dos empregos, elas querem usar IA, você deve ajudá-las a resolver isso, e elas vão pagar você. Essas empresas sabem que precisam de IA para se manterem competitivas, mas não têm tempo para aprendê-la sozinhas, e basicamente não há ninguém para ajudá-las. Todas as grandes empresas de consultoria estão olhando para outras grandes empresas e simplesmente deixando essas empresas menores completamente ignoradas, mas elas ainda ganham muito dinheiro e ainda têm muito dinheiro para investir nesses tipos de serviços. Basicamente, todas as pequenas empresas estão famintas por algum tipo de serviço de IA, seja serviços de educação para ajudá-las a entender o que é IA em primeiro lugar e por que elas podem precisar dela, há a grande necessidade de serviços de consultoria, onde você as ajuda a identificar onde a IA pode ajudá-las mais em seu negócio particular, e, claro, há serviços de implementação, onde você as ajuda a construir e manter os sistemas de IA, como os agentes de IA que acabamos de construir. E agora, com base nos dados coletados na minha comunidade, e nós somos a maior comunidade de negócios de IA do planeta agora, para cada pessoa ou agência que está atualmente oferecendo serviços de IA, existem mais de 1.100 empresas apenas nos EUA que precisam de ajuda. Então, essa é uma proporção de 1 para 1.100, o que significa que este é um mercado completamente inexplorado, e é aí que pessoas como você e eu entramos, ajudando esses donos de pequenas empresas trabalhadoras a entender a IA e a implementá-la, para que eles tenham a chance de acompanhar, e é isso que realmente me motiva e a equipe da Morningside, porque a visão da nossa empresa é um mundo onde os benefícios da IA generativa são distribuídos o mais justa possível, e eles chegam a pessoas como eu e você e os donos de pequenas empresas, em vez de apenas ir para esses gigantes no topo. E todo esse conceito de vender serviços em torno de uma tecnologia emergente não é novidade, e vimos o mesmo padrão quando a internet surgiu pela primeira vez. As empresas que ajudaram as empresas a se adaptarem à web e a entrar online fizeram fortunas, você sabe, agency.com, Razorfish, etc, e eu vi essa oportunidade no espaço da IA em 2023, quando não estava nem perto de ser tão claro como agora. Ninguém realmente sabia como ganhar dinheiro com essas coisas, e então eu comecei a Morningside AI, e desde então geramos mais de US$ 5 milhões vendendo esses tipos de serviços de IA de educação, consultoria e implementação, e estamos literalmente apenas começando. E a melhor parte de tudo isso é que, como já provamos neste vídeo, você não precisa ser um gênio técnico para entender a IA e até mesmo para construir agentes de IA. Você só precisa estar um passo à frente das empresas que você vai estar ajudando. Então, deixe-me mostrar as três maneiras específicas pelas quais você pode começar a ganhar dinheiro com suas habilidades de agente de IA.

Então, como eu disse, existem basicamente três tipos de serviços que você pode fornecer às empresas para monetizar suas habilidades. Primeiro, há a educação, e isso é ensinar as empresas sobre IA, realizar workshops e fazer apresentações, treinar suas equipes e criar cursos para elas assistirem. As empresas estão desesperadas por alguém que possa explicar o que essas coisas são em termos simples e, mais importante, o que elas podem fazer por elas. Depois de assistir a este vídeo e provavelmente meu outro grande vídeo que fiz sobre agentes de IA, que deixarei um link abaixo, você saberá mais do que o suficiente para começar a educar as empresas sobre IA e agentes de IA. Em segundo lugar, é a consultoria, e é aqui que você analisa as operações de uma empresa e mostra a ela onde a IA pode ajudá-la a economizar tempo ou ganhar mais dinheiro. Você está essencialmente sendo seu estrategista de IA. Por exemplo, você pode entrar em uma empresa e, em seguida, recomendar algo como o sistema de copiloto de vendas que acabamos de criar para ajudar seu departamento de vendas com dificuldades. E terceiro é a implementação, e é aqui que você realmente constrói e implanta soluções de IA para empresas, ou melhor ainda, como minha agência, você pode fazer todos os três, mas levou dois anos para chegar aqui, então não há pressa, você simplesmente escolhe onde quer entrar e trabalha para fazer cada vez mais, se fizer sentido. Acredite ou não, existem pessoas com apenas alguns meses de experiência no espaço de IA vendendo tudo isso agora, e a demanda das empresas está aumentando insanamente agora. Estamos vendo isso na Morningside, apenas muitas mais empresas entrando em contato, mas aqui está a coisa, você tem um pequeno problema, e é que você não sabe o suficiente para começar a avançar nisso. Você está perto, mas não está lá ainda. A maneira de ganhar dinheiro no espaço da IA ou com quaisquer serviços é criar uma lacuna de conhecimento entre você e as pessoas que você está ajudando. Sua lacuna de conhecimento é sua criadora de dinheiro, e as empresas vão pagar você proporcionalmente a quanto mais você sabe sobre agentes de IA e suas aplicações comerciais do que elas. Embora este vídeo tenha lhe ensinado muito, sua lacuna de conhecimento ainda é pequena, mas podemos resolver isso. Então, deixe-me detalhar exatamente o que você precisa fazer a seguir para expandir sua lacuna de conhecimento ao ponto em que você pode começar a ganhar dinheiro. Podemos chamar este vídeo de etapa um. Contanto que você tenha anotado e seguido todos os tutoriais e construído os agentes ao meu lado, você já está à frente da maioria das pessoas que não têm ideia do que são agentes, como funcionam ou como construí-los. Então é um grande passo em frente com este vídeo, mas a etapa dois é construir ainda mais experiência construindo agentes de IA, para que você esteja mais familiarizado com as plataformas e entenda melhor as diferentes maneiras como elas podem ser usadas para entregar diferentes tipos de casos de uso de agente de IA ou até mesmo apenas ferramentas de IA em geral. Eu só dei uma amostra aqui, mas tentei torná-la o mais diversificada possível, como você provavelmente pode dizer. Para fazer essa segunda etapa de expandir sua lacuna de conhecimento ainda mais e construir mais experiência, você pode ir ao meu curso gratuito na escola, onde poderá construir mais 5 a 10 agentes seguindo os tutoriais que estão lá para você. O link para se juntar à minha escola gratuita estará na descrição. Se você passar por todos esses tutoriais lá, isso expandirá ainda mais sua lacuna de conhecimento e lembre-se de que quanto mais você sabe em comparação com as empresas que você está tentando ajudar, mais elas vão pagar você. Então, a etapa dois é construir mais alguns agentes e obter um pouco mais de experiência nas ferramentas, vendo diferentes casos de uso, etc. E depois de fazer isso, você terá o que eu chamo de conhecimento fundamental. Então, você entende os conceitos centrais de IA que passamos neste vídeo, você pode construir soluções básicas nessas plataformas, você sabe o que é possível para as empresas com agentes agora, e então vem a grande decisão. Você quer aprofundar tecnicamente neste lado da construção de colocar as mãos na massa ou quer começar a monetizar o que você já sabe? Como vimos, a construção e implementação dos sistemas de IA é apenas um dos serviços que você pode vender. Naturalmente, as habilidades técnicas necessárias para ganhar dinheiro nos serviços de implementação, na verdade, construir esses sistemas e empresas, são muito maiores do que apenas ter uma base, mas com uma boa base, você está basicamente pronto para começar a tentar os outros dois serviços de educação em IA e consultoria em IA. A decisão do que fazer a seguir se resume a realmente saber quem você é e no que você realmente está interessado, e isso parece tudo woo woo e tipo, oh, você tem que se conhecer e coisas assim, mas isso é, quero dizer, muito, muito seriamente, em que, se eu usar a mim mesmo como exemplo, eu sempre amei fazer as coisas, eu costumava construir casas de blocos com crianças, eu costumava fazer cerveja com meu avô, eu sempre gostei de mexer em motores, então, quando cheguei a esse nível fundamental em que vocês estarão depois de concluir essas construções extras no curso gratuito, eu meio que naturalmente me aprofundei no lado técnico, em construir mais coisas, continuei construindo sistemas de IA cada vez mais complexos e construindo sobre as habilidades que já havia construído, o que me levou, finalmente, a começar a Morningside AI, onde nosso primeiro serviço era construir soluções e sistemas de IA para clientes. Mas aqui está a coisa, é claro, muitas pessoas não são como eu, elas não têm tanta animação em construir coisas. Muitos de vocês serão muito melhores ou apreciarão mais o aspecto do ensino ou trabalhar com pessoas e fazer o aspecto da consultoria em vez de construir coisas. Nestes casos, usar o conhecimento fundamental que você vai construir para vender educação em IA para empresas ou consultoria em IA faz muito mais sentido. Volta para toda aquela coisa de Einstein sobre julgar um peixe pela sua capacidade de escalar uma árvore. Se para você a construção é como uma árvore e você se sente como um peixe e não é um ajuste muito bom, então há coisas melhores que você pode fazer, e você pode encontrar uma maneira de ganhar dinheiro no espaço da IA que se incline mais para seus pontos fortes, como no caso de um peixe seria nadar, certo? Sendo honesto consigo mesmo e dizendo: "Ei, olhe, isso não sou eu, sim, eu fiz, sei como funciona agora, mas não sinto nenhuma atração em fazer mais disso." Embora você possa ver isso como um negativo e dizer: "Oh, eu não tenho o que é preciso", isso pode ser muito fortalecedor se você disser: "Bang, estou parando aqui, estou parando de aprender, estou parando a procrastinação agora, vou direto para a monetização". É basicamente colocar um fim em quando você faz essa grande e longa fase de aprendizado e dizer: "Não, a ação começa agora, não vou chegar lá, mas com esta base eu posso fazer muito e vou começar a tomar medidas com ela e ganhar dinheiro com ela hoje". Essa autorreflexão é realmente o que o impede de ficar preso em uma fase interminável de aprendizado e procrastinação, quando você poderia estar lá fora ganhando dinheiro.

Em resumo, as duas rotas que você tem e as duas opções que você tem a partir daqui são: se você adora construir e sente naturalmente que quer aprender mais, como eu quando estava na sua fase, então continue, assista os tutoriais do curso gratuito na minha escola e comece a construir seus próprios projetos e projetos para amigos e familiares, e qualquer coisa que você se sinta naturalmente atraído, e em dois ou três meses você terá habilidades e experiência suficientes para realmente começar a vender implementação corretamente. Mas, por outro lado, se você não se apaixonou pelo aspecto da construção, provavelmente é melhor que você simplesmente vá para o curso gratuito, termine os tutoriais restantes e termine sua base e, em seguida, comece a monetizar suas habilidades, seja vendendo educação em IA ou consultoria em IA.

Educação ou vendendo consultoria em IA? Assim que você tiver claro que tipo de serviços de IA quer vender, conseguir seus primeiros clientes é bastante simples. As pessoas tentam complicar demais, mas há apenas duas maneiras principais que eu recomendaria, baseadas em todo o sucesso que vi em milhares e milhares de pessoas em minhas comunidades gratuitas e pagas.

A primeira e, de longe, a mais fácil é através de suas conexões quentes ou contatos quentes. Isso significa entrar em contato com pessoas com quem você já tem algum tipo de relacionamento, sejam amigos, familiares, conhecidos ou até mesmo amigos de amigos que você conheceu uma vez. Todas essas pessoas contam como conexões quentes. Em vez de tentar convencer completos estranhos a confiar em você com seu negócio, você pode começar com pessoas que você já conhece ou com as quais tem algum relacionamento anterior e, portanto, tem um nível maior de confiança com você através do seu relacionamento. Já cobri isso muitas e muitas vezes no canal antes, então na postagem da escola para este vídeo, adicionarei meus guias completos para alcance quente, incluindo recursos diretamente do meu programa AAA Accelerator.

A segunda maneira é usando o que eu chamo de "volante de conteúdo da comunidade". É assim que você pode construir um momentum de longo prazo além do alcance quente. Veja como funciona: você se junta à comunidade escolar gratuita, começa a criar conteúdo sobre o que está aprendendo em cada etapa. Isso pode ser através de tutoriais no YouTube — que funcionou para mim —, postagens no LinkedIn, ou qualquer plataforma que você realmente prefira para criar conteúdo. Mas aqui está a chave: compartilhe esse conteúdo de volta para a comunidade. Com mais de 120.000 membros, ao postá-lo na comunidade, você obtém uma audiência instantânea e pessoas que estão realmente interessadas nas coisas sobre as quais você está falando.

Um exemplo perfeito disso é um cara chamado Rory Ridges, um jovem do Reino Unido que se juntou à minha comunidade gratuita e basicamente seguiu esse processo exato que eu contei a vocês neste vídeo até agora. Ele fez meu curso gratuito, aprendeu todos os fundamentos, construiu sua base, então começou a postar tutoriais simples sobre IA de relevância, que você já usou neste vídeo. Ele literalmente começou a compartilhar o que aprendeu com meus vídeos e a fazer outros vídeos sobre isso. No início, ele estava literalmente apenas compartilhando o que havia aprendido com meus vídeos; ele assistia a um vídeo e então fazia seu próprio vídeo sobre o mesmo tipo de tópico. Cada vez que ele fazia um tutorial, ele o compartilhava na comunidade, a comunidade assistia, dava feedback e ia se inscrever em seu canal. Isso não apenas o ajudou a crescer mais rápido no YouTube, mas também começou a se posicionar como um especialista na comunidade, e ele também está construindo sua autoridade no espaço da agência de IA ao ganhar mais impulso no YouTube. Agora, seu canal do YouTube lhe traz leads suficientes para apoiar sua agência em crescimento, e eu o vi recentemente na comunidade dizendo que está contratando, o que geralmente é um ótimo sinal de que ele está ganhando um bom dinheiro com isso. Ele basicamente começou o mesmo volante que me levou do zero para onde estou agora: mais de US$ 5 milhões em receita gerada em todos os meus negócios e mais de 450.000 inscritos em apenas dois anos. A comunidade lhe dá uma audiência, e o conteúdo lhe dá credibilidade; juntos, este método lhe traz clientes. Os recursos para este vídeo na escola, deixarei links para meu guia completo para criar conteúdo para gerar leads, assim como Rory e eu fizemos com sucesso. E, claro, incluirei um link para o canal do Rory nos recursos da comunidade escolar.

A coisa realmente importante a notar com ambos os métodos que acabamos de falar — o alcance quente e o volante de conteúdo da comunidade — é que ambos os métodos começam dando valor primeiro. Seja ajudando suas conexões quentes a entender a IA ou compartilhando seu conhecimento por meio de conteúdo, você precisa dar antes de começar a receber. Agora, eu sei que todas essas coisas empresariais podem parecer um pouco opressoras ou inacessíveis para alguns de vocês, mas você ficará seriamente surpreso com o que os pequenos passos se somam no espaço da IA. Você já deu o primeiro passo assistindo a este vídeo e seguindo até o fim, então parabéns por isso, e eu sinceramente, sinceramente quero dar-lhe um tapinha nas costas, e você deve dar um a si mesmo. Mas tudo o que você precisa fazer agora é manter esse ímpeto. O próximo passo para todos vocês é bem claro: vocês precisam entrar na comunidade gratuita. Esse é, de longe, o melhor lugar se você estiver moderadamente interessado em fazer qualquer uma dessas coisas; minha comunidade é o lugar número um para ir. É 100% gratuito para entrar, e uma vez lá dentro, publique uma apresentação dizendo quem você é, do que se trata, por que você quer fazer isso, e então comece a trabalhar em meu material do curso gratuito. Eu coloquei tudo o que aprendi sobre IA e negócios de IA em vídeos como esses, e no curso gratuito, todos eles estão lá em uma sequência agradável para você trabalhar na escola. E cada vez que você completar um vídeo e o tutorial, você pode clicar na pequena caixa de seleção para que possa continuar acumulando essas pequenas vitórias e esses pequenos passos em direção ao letramento em IA e ao sucesso no espaço. Todos os recursos mencionados na parte de vendas deste vídeo estarão na postagem da escola para este vídeo; então você vai para a escola, vai para a guia Recursos do YouTube e este vídeo estará lá. Então não se esqueça de verificar tudo isso, e claro, todos os recursos para os tutoriais, se você ainda não os fez, estão incluídos nessas postagens também.

Finalmente, se você chegou até aqui, poderia me fazer um favor? Deixe um like no vídeo e deixe um comentário abaixo, deixe-me saber o que você mais gostou, o que você quer ver mais. Clique no botão compartilhar, envie para seus amigos, familiares e entes queridos para que eles também possam começar a aprender essas habilidades. Todas essas ações realmente ajudam meu vídeo a alcançar mais pessoas no algoritmo do YouTube. E se você se inscrever no canal, poderá ver muito mais conteúdo como este, ajudando você a entender a IA e mais sobre como construir negócios em torno dessa incrível oportunidade. E se você ainda está faminto por mais e quer assistir ao meu guia completo para construir um negócio de IA, isso estará vinculado aqui. Mas isso é tudo para o vídeo. Estou tão animado para você começar com isso, sinceramente espero que você tenha tirado algo disso, porque eu coloquei muito trabalho nisso, assim como minha equipe, então estou apenas realmente, realmente desejando a todos, todos, todos, todos os melhores. Nos vemos no próximo.