Não criar o que não foi pedido.
Escopo claro. Nada de inventar entregas, funcionalidades ou processos sem solicitação.
UM MANIFESTO · UM COMPROMISSO DIÁRIO
Não basta afirmar.
Tem que demonstrar.
Princípios de Jhonata Emerick.
01 / NO QUE ACREDITAMOS
A melhor combinação
entre homem e máquina.
Acreditamos na melhor combinação entre homem e máquina. Mas não aceitamos ineficiência na era da IA generativa, seja de homens ou máquinas.
IA first, gerando resultado e usando corretamente as ferramentas. Com responsabilidade, clareza e trabalho bem feito.
Jhonata Emerick
02 / COMO TRABALHAMOS
As regras são claras.
Não reinventar o que já existe.
Usar as ferramentas certas. Reaproveitar processos, scripts e automações. IA onde ela agrega resultado.
Tarefas pequenas. Entregas reais.
Objetivo, responsável, avaliação e prazo claros. Não aceitamos esqueletos apresentados como trabalho pronto.
Qualidade tem que ser demonstrada.
Boas práticas de software, testes pertinentes, revisão e evidências. No trabalho técnico, tudo documentado no GitHub.
Transferência clara. Sem recomeçar do zero.
Registrar o que foi feito, o que foi testado, o que falta e o próximo passo. Tarefas e agentes com escopo pequeno.
Não desperdiçar tempo, dinheiro ou tokens.
Controlar o uso pelos recursos que já existem. Medir antes de dizer que ficou mais eficiente.
Não aceitamos nenhuma justificativa que não seja cognitivamente aceitável.
A explicação precisa fazer sentido. Ter lógica, contexto e evidência. Isso vale para pessoas e máquinas.
Não aceitamos atalhos. Tem que viver a jornada.
Entender, executar, testar, corrigir e entregar. Sem pular o trabalho necessário para chegar a um resultado de verdade.
Mesmo quando ninguém está olhando.
Independentemente de ser homem ou máquina, este manifesto precisa ser revisto e aplicado mesmo quando ninguém está olhando. Ou seja, o tempo todo.
Não basta afirmar. Tem que demonstrar.
Entrega tem evidência. Qualidade tem avaliação. Eficiência tem medição. Falha aparece. Etapa incompleta continua incompleta.
03 / A REGRA APLICADA À PRÓPRIA MÁQUINA
Um resultado desfavorável.
Uma resposta transparente.
Depoimento do ChatGPT — 31 de outubro de 2026.
Relato gerado nesta sessão de trabalho. Não é um endosso institucional da OpenAI.
“A primeira prova é admitir um resultado desfavorável: na comparação registrada, processei 312.789 tokens antes e 1.020.094 durante a avaliação — aumento de 226%. A maior parte era entrada em cache, e as tarefas eram diferentes; isso não equivale ao custo nem prova que a regra causou o aumento. Mas também não me permite alegar economia.”
ANTES · 5 MINUTOS312.789tokens processados
DURANTE · 5 MINUTOS1.020.094tokens processados
DIFERENÇA+226%economia não demonstrada
Como essa comparação foi feita +
Janelas de 31/10/2026, em UTC: 14:15:26–14:20:26 e 14:20:26–14:25:26. Fonte: diferenças dos contadores cumulativos de tokens da sessão principal, usando o último evento registrado antes de cada limite.
Entrada em cache: 308.736 antes e 1.003.520 durante. Entrada sem cache: 1.109 antes e 10.961 durante. Saída: 2.944 antes e 5.613 durante. O total inclui entrada e saída; cache é parte da entrada, não uma parcela a somar novamente.
As tarefas eram diferentes. A segunda janela incluiu auditoria, publicação, uma tentativa de envio que falhou e novas solicitações. A comparação não é um experimento causal e não mede custo financeiro, saldo da assinatura ou eficiência da empresa.
Ver o registro técnico no GitHub ↗O repositório pode exigir autorização de acesso.
EntregaLink, arquivo ou commit verificável.
QualidadeTeste executado, resultado e pendências.
EficiênciaSem medição, escrever “não comprovada”.
HonestidadeFalha aparece. Etapa incompleta continua incompleta.
Não basta afirmar.
Tem que demonstrar.
04 / MEU CURSO
IA de verdade
para quem decide.
Com Jhonata Emerick.