A Maestria em IA de Yoichi Ochiai: Aumentando a "Velocidade de Rotação" do Esforço

Não Delegar Esforço à IA, mas Aumentar a "Velocidade de Rotação" do Esforço

A IA generativa permite produzir resultados sem esforço.

A IA escreve textos.

A IA cria imagens.

A IA resume documentos.

A IA implementa código.

A IA lida com a coleta de informações.

Visto dessa forma, a IA parece uma máquina para reduzir o esforço.

No entanto, acompanhar a utilização de IA de Yoichi Ochiai revela um quadro completamente diferente.

Ele não está usando IA para reduzir a quantidade de pensamento.

Ele está aumentando as hipóteses que pode testar, o escopo que pode investigar, os protótipos que pode construir e a velocidade com que passa do fracasso para a próxima tentativa no mesmo período de tempo.

Não se trata de concluir uma única tarefa facilmente com IA.

Trata-se de tornar possível refazer uma tarefa dez ou cem vezes, que antes terminava após uma única tentativa.

Em outras palavras, o que ele está amplificando com IA não é o talento em si, mas a velocidade de rotação do esforço.

Em sua declaração oficial de artista de 2023, Ochiai observou que continuou diálogos com grandes modelos de linguagem da manhã à noite por cerca de dois meses. Em 2025, foi introduzido um fluxo de trabalho onde ele lançava simultaneamente múltiplas IAs como ChatGPT, Gemini, Grok e Claude, atribuindo-lhes tarefas como pesquisa, geração de imagens e implementação por processo. Além disso, em 2026, ele não apenas usou serviços de IA existentes; lançou agentes de codificação como "vibe-local", que roda offline, e "co-vibe", que cruza múltiplos provedores de IA.

Este não é o comportamento de alguém "economizando tempo com IA" como geralmente se imagina.

Conversando com IA por longas horas.

Comparando vários modelos.

Refazendo saídas muitas vezes.

Projetando o próprio ambiente de uso.

Construindo ferramentas ele mesmo se houver partes opacas.

Verificando as ferramentas construídas com IA.

Conectando à pesquisa, obras, espaço e corpo.

Longe de eliminar o esforço com IA, ele está impondo mais tentativas a si mesmo do que antes, usando IA.

O termo "Gênio do Esforço" usado neste artigo não é um título que ele reivindica para si. É um termo usado aqui para descrever a estrutura de trabalho vista a partir das declarações públicas, escritos, obras e software lançado de Yoichi Ochiai. Seu perfil oficial o descreve como artista de mídia, professor na Universidade de Tsukuba, professor associado na Universidade de Tóquio e produtor do projeto temático para a Expo 2025 Osaka/Kansai.

Além disso, nem todos os logs de conversa de IA de Ochiai ou registros de trabalho diário são públicos. O seguinte é uma análise do design do esforço por trás de suas ações, com base em exemplos publicamente disponíveis.

1. Para Yoichi Ochiai, Esforço Não é "Sofrer por um Longo Período"

Quando as pessoas ouvem a palavra esforço, muitas imaginam resistência.

Sentar-se à mesa apesar do sono.

Continuar mesmo que seja doloroso.

Ler quantidades massivas de texto.

Praticar a mesma coisa repetidamente.

Trabalhar mais horas que os outros.

Claro, existem trabalhos que exigem persistência e paciência. No entanto, explicar o trabalho de Ochiai apenas pelo tempo trabalhado perde a essência. Sua força reside não apenas em aumentar o volume de esforço, mas em aumentar a quantidade de informação obtida a partir de um único esforço.

Em vez de perguntar a apenas uma IA sobre o mesmo tema, ele lança para múltiplas IAs simultaneamente. Em vez de apenas pensar em texto, ele transforma em imagens. Em vez de apenas olhar imagens, ele as transforma em protótipos em movimento. Em vez de apenas finalizar um protótipo, ele o move no espaço físico. Se um problema ocorre, ele não apenas o corrige manualmente; ele muda as ferramentas ou sistemas para que não aconteça novamente.

Essa forma de trabalhar pode ser capturada pela seguinte fórmula:

Qualidade dos Resultados = Qualidade da Investigação × Número de Tentativas × Poder de Verificação × Velocidade de Implementação × Feedback da Realidade

A IA generativa aumenta significativamente o número de tentativas e a velocidade de implementação. No entanto, não aumenta automaticamente a qualidade da investigação, o poder de verificação ou o feedback da realidade. Na verdade, à medida que a produção aumenta, a quantidade de julgamento necessária — o que acreditar, o que descartar e onde corrigir — aumenta. O esforço após a IA muda da tarefa de inserir caracteres por caracteres para a tarefa de escolher continuamente direções.

A utilização de IA ao estilo Ochiai não é sobre zerar o esforço. É sobre mudar o local do esforço de repetição de baixo valor para julgamento de alto valor.

2. Não Abra a IA Apenas Depois de Criar uma Pergunta Perfeita

Pessoas que lutam com IA frequentemente tentam fazer o primeiro prompt perfeito. Elas sentem que devem escrever o propósito, organizar condições, especificar papéis e decidir formatos de saída. Enquanto pensam, torna-se uma tarefa árdua e acabam não usando IA.

O método de Ochiai é o oposto. Em um trecho do livro de 2025 "IA Generativa Até um Gato Pode Entender", é introduzido que se você não sabe como usar IA, deve perguntar à própria IA como usá-la, conversar com ela por voz para sentir como funciona, e se ela retornar uma resposta diferente da sua esperança, fazer a IA entrevistar o usuário. A chave aqui é não completar a "preparação da pergunta" apenas por humanos.

Por exemplo, suponha que você está pensando em um novo projeto, mas não consegue verbalizar o propósito sozinho. Normalmente, você tentaria organizá-lo antes de consultar a IA. No entanto, você poderia começar assim:

Estou pensando em um novo projeto, mas ainda não consegui verbalizar o propósito por conta própria. Por favor, faça-me uma pergunta de cada vez para esclarecer o público-alvo, o problema a ser resolvido, os recursos disponíveis e as coisas a evitar. Se houver contradições em minhas respostas, por favor, aponte-as no momento.

Então, o diálogo com a própria IA se torna a definição de requisitos. Quem você quer alcançar? Por que está fazendo isso? Quais são as alternativas atuais? Qual é o orçamento? O que constitui fracasso? Quais partes são inegociáveis? Você não dá uma instrução completa para a IA; você completa a instrução através da conversa com a IA.

Essa diferença é enorme. Se você tentar fazer um prompt perfeito primeiro, só pode escrever dentro do escopo do que já entende. Ao fazer a IA fazer perguntas, você pode perceber condições que ainda não pensou. A IA se torna um dispositivo de questionamento para descobrir ambiguidades humanas, além de uma máquina de respostas. Um gênio do esforço não é alguém que tem a investigação correta desde o início, mas alguém que pode começar em um estado ambíguo e aumentar a resolução da investigação enquanto interage.

3. Capture o que Vem à Mente Primeiro por Voz

O pensamento humano não ocorre necessariamente na forma de frases. Você pode pensar que algo parece interessante, ou uma conversa de ontem se conecta com uma imagem vista hoje. Você pode ter um sentimento inexplicável de desconforto ou uma imagem sem nome. Tentar escrever frases nesse estado interrompe o pensamento. Você acaba editando — corrigindo a primeira frase, verificando significados de palavras, adicionando contexto ou reordenando a lógica. Você deveria estar registrando ideias, mas acaba editando no meio do caminho.

Em 2023, Ochiai escreveu sobre um método de complementar-se digitalmente combinando a ferramenta de reconhecimento de voz Whisper com o GPT-4. Ele afirmou que o contexto das ideias pode ser suplementado depois, permitindo que o tempo gasto em explicação seja redirecionado para pensar mais adiante. Esta é uma técnica de anotação muito poderosa para a era da IA. Em anotações normais, registrar e editar acontecem simultaneamente. No estilo Ochiai, esses dois são separados.

Primeiro, fale sem parar o pensamento. "Eu sinto que isso e aquilo são semelhantes." "Não sei por que, mas estou curioso." "O que aconteceria se eu fizesse uma imagem assim?" "Talvez a premissa esteja errada." "Isso contradiz o que pensei antes, mas..." Você não precisa corrigir a gramática ou se preocupar com a ordem. Depois, peça à IA para categorizar a transcrição em:

• Fatos observados
• Interpretações pessoais
• Hipóteses não verificadas
• Ideias para produção ou pesquisa
• Itens a investigar a seguir
• Partes onde falta explicação
• Declarações contraditórias

Então, o humano adiciona contexto aos resultados organizados pela IA. Nessa ordem, o estágio criativo não é prejudicado pela habilidade de escrita. Você pode manter a velocidade do pensamento e devolvê-lo a uma forma explicável mais tarde. A IA pode ser usada como um buffer para evitar perder pensamentos que ainda não se tornaram palavras. No entanto, ao gravar voz, é necessário verificar se não inclui conversas de outras pessoas, informações confidenciais ou dados pessoais. Você não envia tudo para a IA; à medida que a velocidade de gravação aumenta, gerenciar os limites de quais informações podem ser inseridas torna-se mais importante.

4. Não Confie em Uma Única IA; Execute Múltiplas IAs Simultaneamente

Simbólico da utilização de IA de Ochiai é a operação paralela de múltiplos modelos. Em um artigo da PIVOT do final de 2025, foi introduzido que, ao iniciar um novo projeto ou pesquisa, ele lança ChatGPT, Gemini, Grok e Claude simultaneamente e usa funções de deep research para investigar informações de contexto de uma só vez. O valor disso não é apenas que a quantidade de informação quadruplica. Cada modelo tem diferentes pontos fortes em organização, informações referenciadas, cautela e estilo de escrita.

Mesmo com a mesma pergunta, um pode enfatizar o lado institucional, outro o lado técnico, outro pode se mover em direção a previsões futuras, e outro pode fornecer muitas opiniões contrárias. O importante não é calcular a média das quatro respostas, mas olhar para onde as respostas entram em conflito. Partes consistentes podem ser informações relativamente estáveis. Um ponto levantado por apenas uma IA pode ser uma nova descoberta. Se os números diferem, pode haver diferenças no período alvo ou na definição. Se as citações diferem, você precisa voltar às fontes primárias.

Usar uma IA como chefe torna uma escolha binária de adotar ou rejeitar a resposta. Usar múltiplas IAs como uma equipe de pesquisa permite que você choque as respostas umas contra as outras. Por exemplo, você pode dividir papéis: fazer a primeira criar uma explicação padrão, a segunda encontrar contraexemplos onde a explicação padrão não se sustenta, a terceira coletar apenas fontes primárias, a quarta estimar obstáculos e custos de implementação, e a quinta traduzir para uma linguagem que usuários comuns possam entender.

Em julho de 2026, algumas funções de deep research podem incluir não apenas pesquisas na web, mas também arquivos permitidos pelo usuário, documentos na nuvem e e-mails como alvos de pesquisa. Agentes de codificação avançaram para ler bases de código, editar múltiplos arquivos e executar comandos. Nessa situação, decidir de uma vez "qual IA é a mais inteligente" não faz muito sentido. Os modelos são atualizados, os preços mudam e as áreas de especialização se deslocam. O que importa não é a lealdade a uma marca específica, mas desconstruir o trabalho e colocar a habilidade que se encaixa naquele trabalho.

5. Não Deixe Um Único Chat Lidar com Tudo, do Planejamento à Conclusão

Pedir a uma IA para "planejar um novo produto, pesquisá-lo, projetá-lo, escrever o texto promocional e implementá-lo" parece eficiente. No entanto, se você prosseguir com todas as etapas na mesma conversa, a hipótese que a IA criou primeiro provavelmente será tratada como fato nas etapas posteriores. A IA cria um plano com base em uma hipótese de mercado que ela mesma fez, depois escreve o texto assumindo que esse plano está correto e, finalmente, avalia o próprio plano. É consistente internamente, mas essa consistência pode ser o resultado de carregar a suposição inicial por todas as etapas.

No fluxo de trabalho público de Ochiai, ele usa ferramentas diferentes para cada etapa: múltiplos modelos de linguagem para coleta de informações, Midjourney ou Stable Diffusion para visualização de conceitos e Cursor para implementação. Esse método tem duas vantagens. Uma é poder usar a IA mais adequada para cada etapa. A outra é poder inserir julgamento humano entre as etapas. Você lê os resultados da pesquisa e um humano escolhe uma hipótese. Você cria uma imagem com base na hipótese escolhida. Você olha a imagem e corrige a direção. Você traduz a direção corrigida em uma especificação. Você dá a especificação para uma IA de geração de código. Um humano testa o produto em movimento e encontra problemas. Em outras palavras, você não conecta o trabalho da IA diretamente à IA; você coloca portões de seleção no meio. Nesses portões, um humano decide o que manter e o que descartar. Abstraindo o fluxo de trabalho ao estilo Ochiai, fica assim:

Pesquisa → Seleção de hipótese humana → Visualização → Correção de direção humana → Implementação → Teste em ambiente real → Avaliação humana → Repesquisa

Pessoas com utilização superficial de IA tentam receber um produto acabado da IA. Pessoas com utilização profunda de IA cortam o processo em etapas finas e reconfiguram a atribuição de IA e humano em cada etapa.

6. Deep Research Não é uma Função para Criar "Respostas"

Deep research encontra quantidades massivas de material em pouco tempo, compara-os e os resume em longos relatórios com citações. Em fevereiro de 2025, Ochiai introduziu em seu note que, como resultado de teste de deep research, uma saída de cerca de 25.000 caracteres cruzando Digital Nature, Ontologia Orientada a Objetos, Pós-humanismo e pavilhões da Expo foi gerada de uma só vez. Olhando apenas para isso, pode-se pensar "a pesquisa termina se você deixar a IA escrever 25.000 caracteres". No entanto, um texto longo gerado e conteúdo correto são coisas diferentes.

A IA pode criar citações inexistentes. Pode confundir pesquisadores ou artigos com o mesmo nome. Pode conectar fatos e conjecturas com frases suaves. Pode explicar números antigos como se fossem atuais. Materiais resumindo os workshops Ochiai-juku também afirmam que, embora a IA possa acelerar a busca de literatura, análise e construção de hipóteses, a precisão da saída e a validade das citações devem ser verificadas por humanos. Portanto, o que deve ser solicitado ao deep research não é "diga-me a verdade", mas tarefas como:

• Quais pontos estão incluídos neste tema?
• Quais são as fontes primárias importantes?
• Onde as opiniões diferem entre os pesquisadores?
• Quantos tipos de definições existem para os números?
• Quais alegações não são verificadas?
• Quais materiais devem ser verificados adicionalmente?

Em suma, o papel principal do deep research é criar um mapa de pesquisa. É um humano que realmente verifica as estradas desenhadas no mapa. Para aumentar a precisão da pesquisa, é bom exigir as seguintes saídas da IA:

• Separe fatos, conjecturas e previsões.
• Anexe fontes para cada afirmação.
• Separe a data de publicação da fonte e o período alvo dos dados tratados.
• Distinga entre fontes primárias e secundárias.
• Declare claramente os itens que não puderam ser confirmados.
• Forneça contra-evidências em uma coluna separada.
• Se os números diferirem entre múltiplos materiais, estime o motivo da diferença.

O tempo economizado pelo deep research não deve ser usado diretamente para outro trabalho. Reinvista parte do tempo economizado em verificação. Esta é a responsabilidade dos humanos que lidam com quantidades massivas de informação com IA.

7. Prompts Longos Não São uma Competição para Escrever Textos Longos

Em um workshop para alunos do ensino fundamental e médio em 2024, foi introduzido que Ochiai aconselhou a tornar os prompts longos e específicos, e que a IA não se importa de ser solicitada a refazer coisas muitas vezes. Os participantes criaram "histórias ambientadas no ano 2300" com o ChatGPT e as expandiram para storyboards usando IA generativa. No entanto, as palavras "quanto mais longo, melhor" não devem ser interpretadas literalmente. Escrever quantidades massivas de informações irrelevantes torna as instruções ambíguas. O valor não está no comprimento em si, mas em colocar premissas que estavam apenas na cabeça humana em uma forma que a IA possa processar.

Em 2024, Ochiai escreveu sobre a possibilidade de trazer conceitos abstratos e estruturas orientadas a objetos para prompts à medida que a quantidade de informação que pode ser inserida aumenta. Ele também atualiza suas instruções personalizadas de acordo com o suporte de pesquisa do ChatGPT. O que é visto aqui não é uma atitude de buscar um "prompt divino" único, mas uma atitude de atualizar o próprio sistema de instruções de acordo com o trabalho. Um prompt profundo tem pelo menos os seguintes elementos:

• Propósito: O que você quer decidir em última análise desta vez?
• Contexto: Por que este trabalho é necessário?
• O que se sabe atualmente: Fatos confirmados, histórico passado, recursos disponíveis.
• O que não se sabe: Itens não confirmados, definições ambíguas, informações conflitantes.
• Restrições: Orçamento, prazo, direitos, proibições, público-alvo.
• Critérios de avaliação: Quais critérios determinam uma boa saída?
• Processo de trabalho: Como dividir pesquisa, ideação, comparação, implementação e verificação.
• Permissões da ferramenta: O que permitir, como pesquisa, visualização de arquivos ou execução de código.
• Condições de parada: Em que ponto parar a execução automática e verificar com um humano.
• Formato de saída: Exibir fatos, hipóteses, propostas e itens não confirmados separadamente.

Isso é mais uma especificação para um pequeno trabalho do que um prompt. Na era da IA, a capacidade de escrever texto e a capacidade de projetar sistemas convergem. Não se trata de escrever um "pedido inteligente", mas de descrever o propósito, estado, restrições e critérios de julgamento em uma forma que a IA possa processar. Prompts longos ao estilo Ochiai não são sobre aumentar palavras, mas passar pensamento estruturado.

8. A Primeira Resposta Não é um "Produto Acabado", mas Material para Exploração

Pessoas que começam a usar IA julgam com base na primeira resposta. Se é boa, adotam; se é ruim, pensam "IA é inútil". No entanto, o que se vê nos exemplos públicos de Ochiai é uma atitude de não tratar a primeira saída como um produto acabado. Camadas de diálogo. Traga detalhes. Mude formatos. Jogue para outra IA. Transforme em imagem. Transforme em código. Mova realmente. Se surgirem problemas, mude as instruções novamente. Em 2023, Ochiai escreveu que, ao prosseguir com o diálogo em etapas, os detalhes emergem, facilitando a expansão de linguagem natural para código, imagens e voz.

A maior característica da IA não é ser capaz de dar a resposta correta desde o início, mas que o custo social de refazer é baixo. Se você pedir a um designer humano cem revisões sem fundamento, o relacionamento se quebra. Se você fizer um funcionário refazer o mesmo documento muitas vezes por capricho, você tira seu tempo e motivação. A IA não se cansa, não importa quantas vezes você mude o mesmo pedido. É por isso que, ao usar IA, em vez de forçar revisões sem sentido em humanos, você pode aumentar a quantidade de exploração no estágio da IA. No entanto, apenas repetir "melhore" atingirá um teto. O que é necessário é registrar o motivo da revisão:

• Este plano se aplica a qualquer um.
• Esta imagem tem composição fraca, não cor.
• Este código funciona, mas é difícil de manter.
• Este texto está correto, mas falta minha experiência.
• Este projeto é interessante, mas não tem executor.

Devolver o motivo da rejeição para a IA torna-se a condição da próxima geração. Então, o sistema de instruções fica mais inteligente a cada iteração. Esforço não é repetir a mesma tarefa muitas vezes, mas converter cada fracasso na próxima condição.

9. Use Linguagem Natural como uma Linguagem de Implementação

Ochiai observou cedo que a IA generativa reduz a distância entre linguagem natural e linguagens de programação. Em um artigo de 2023, ele argumentou que o advento do reconhecimento de voz e do ChatGPT facilita a conversão de linguagem natural em código, permitindo a criação de diversas saídas como vídeo, música e texto através de palavras. Esta não é uma história simples de "ser capaz de fazer qualquer coisa sem saber programação". Pelo contrário, a importância da capacidade de verbalizar requisitos aumenta:

• O que inserir?
• Quais dados usar?
• Qual é a ordem do processamento?
• Como agir em caso de erro?
• O que exibir para o usuário?
• O que pode ser salvo?
• Quais condições devem ser atendidas para a conclusão?

Anteriormente, tais designs eram escritos como código. Agora, parte disso pode ser transmitido à IA em linguagem natural. No entanto, se você passar linguagem natural ambígua, obtém um programa ambíguo. Portanto, à medida que a codificação por IA avança, o poder de descobrir contradições em especificações torna-se mais importante do que a velocidade de escrever código. Em 2026, a PIVOT introduziu o uso de IA de Ochiai em um curta-metragem intitulado "Produtividade é 32x". No entanto, as condições de cálculo como tarefas alvo, período de comparação e avaliação de qualidade não podem ser confirmadas apenas na página pública. É apropriado tomar esse número como uma expressão simbólica de que a codificação por IA mudou significativamente a velocidade de implementação, em vez de um índice estrito de produtividade corporativa.

Na verdade, mesmo que o número de linhas de código se torne 32 vezes, o valor não se torna necessariamente 32 vezes. Bugs também podem se tornar 32 vezes. O código para verificar também aumenta. O escopo de impacto durante mudanças de especificação também se amplia. Há a possibilidade de criar quantidades massivas de funções não utilizadas. O verdadeiro resultado da codificação por IA deve ser medido pelo tempo da hipótese ao protótipo, pelo tempo para obter uma reação dos usuários, pelo tempo para encontrar, corrigir e republicar problemas, e pelo número de ideias realmente testadas que não podiam ser testadas antes devido ao custo.

10. Não Apenas Use IA Conveniente; Construa as Ferramentas para Usar IA

Particularmente simbólicos da mais recente utilização de IA de Ochiai são "vibe-local" e "co-vibe". Vibe-local é lançado como um agente de codificação de código aberto que usa Python e um ambiente de execução LLM local, permitindo que funcione sem conexão de rede ou serviços pagos em nuvem. É projetado em torno de um único arquivo Python e destinado ao uso em educação, pesquisa e workshops offline. Co-vibe tem um mecanismo para cruzar múltiplos provedores como Anthropic, OpenAI, Groq e modelos locais, distribuindo tarefas de acordo com a complexidade. É projetado para lidar com pesquisa na web, operações de arquivos, codificação, execução paralela de múltiplos agentes e continuação de sessão em um único ambiente de terminal.

O que se vê a partir desses dois é uma atitude de não aceitar serviços existentes como eles são. Existem ambientes que não podem se conectar à nuvem. Alunos não podem assinar serviços pagos. Ele não quer depender de um único provedor de IA. Ele quer verificar o que aconteceu internamente. Ele quer conectar com equipamentos de pesquisa. Ele quer continuar tarefas de pesquisa longas. Para tais insatisfações, em vez de continuar procurando outros produtos, ele constrói o ambiente necessário. O esforço nativo de IA não é apenas sobre criar prompts. É sobre eliminar inconveniências recorrentes melhorando as ferramentas. Há uma tarefa que leva cinco minutos por dia. Se continuada manualmente todos os dias, torna-se uma grande quantidade de tempo em um ano. Uma vez que um script é feito, leva quase nenhum tempo a partir do dia seguinte. Além disso, se esse script for incorporado a um agente de IA para que ele possa julgar automaticamente o mesmo tipo de tarefa, pode ser usado para outros trabalhos. Um gênio do esforço não é alguém que apenas lida rapidamente com a tarefa à sua frente, mas alguém que encontra partes que não requerem esforço da próxima vez e passa para um novo esforço nessa medida.

11. Não Use Convenientemente Enquanto É uma Caixa Preta

As ferramentas de IA se tornam mais difíceis de ver por dentro à medida que se tornam mais convenientes. Você coloca instruções, espera um pouco e o produto acabado sai. O usuário não sabe qual modelo foi usado no meio, quantas vezes falhou, o que pesquisou ou quais arquivos alterou. Para trabalhos simples, isso pode ser suficiente. No entanto, em trabalhos onde o impacto do fracasso é grande, como pesquisa, sistemas empresariais, informações pessoais ou controle de equipamentos, você deve ser capaz de verificar "por que se tornou assim" posteriormente.

O documento de posição da Co-vibe avalia positivamente o suporte à codificação comercial por IA, mas afirma que a opacidade se torna um problema para fins de pesquisa, sendo necessária uma estrutura que possa rastrear chamadas de API, seleção de modelos e execução de ferramentas. Também estabelece como requisito de design a capacidade de alternar entre modelos locais e em nuvem sem ficar preso a um único provedor de IA. Esta é uma característica importante da utilização de IA ao estilo Ochiai. Não use a IA como mágica; use-a como um dispositivo observável. Qual instrução falhou? Quantas vezes refez? Qual modelo lidou com o quê? Quanto custou? Quais arquivos foram alterados? Quantos testes passou? Onde um humano aprovou? Se isso puder ser registrado, a falha se torna reproduzível. Falhas reproduzíveis podem ser melhoradas. Por outro lado, um estado de "de alguma forma funcionou desta vez" não pode ser reproduzido no próximo trabalho. Não há necessidade de ler os pensamentos verbais não públicos dentro da IA. O que é necessário é um histórico de ações confirmáveis, como materiais pesquisados, operações executadas, diferenças de alteração, resultados de testes, custos e tempo de processamento. À medida que você delega mais trabalho à IA, não deve negligenciar os registros. Não olhe apenas para o produto; salve o processo até que o produto seja feito. Esta é a base para treinar a IA como uma ferramenta.

12. Na Criatividade, Não Faça a IA Obedecer Demais às Palavras Humanas

Ao usar IA para o trabalho, é importante que ela se mova de acordo com a intenção do usuário. No entanto, na criação, as coisas são diferentes. Se apenas coisas como o humano imaginou surgirem, o sentido de usar IA é fraco. Se a forma final já está na cabeça, o humano deveria apenas fazê-la daquele jeito. O valor da IA está em, às vezes, produzir conexões que o usuário não esperava. Ochiai foi apresentado como alguém que avaliava a natureza "literária" do GPT-4.5 na época, que não se encaixava apenas em formas lógicas, mas saltava entre palavras e símbolos. Esta não é uma avaliação universal de superioridade de modelo, mas uma atitude de tentar usar a IA que produz conexões imprevisíveis para a criação.

Em outra peça, Ochiai categorizou a criação por IA em casos onde os humanos controlam tudo, casos onde é deixado inteiramente para a geração automática, e casos onde os humanos realizam apenas seleção e ajuste fino com base na geração da IA, e examinou as contradições entre eles. Se os humanos fixam algo com muitos detalhes, os desvios específicos da IA se perdem; se for totalmente automático, o desejo criativo humano é difícil de satisfazer. O que deriva disso não é um "prompt para fazer a IA criar um bom trabalho", mas uma técnica de edição de quanto da imprevisibilidade da IA deixar. Por exemplo, suponha que uma forma estranha apareça em uma imagem feita por IA. Normalmente, você a deletaria como um defeito. No entanto, se houver uma nova impressão nessa estranheza, você também pode ajustar a composição geral para aquela forma. Se conceitos que normalmente não se conectam estiverem alinhados em um texto feito por IA, você poderia cortá-los como sem sentido. Por outro lado, um humano pode pensar sobre por que aqueles dois foram alinhados e transformar isso em uma nova investigação. No vídeo "Liquid Universe" de Ochiai, onde a imagem do cristal líquido rachado muda fluidamente, foi produzido por IA generativa. Na exposição de 2025, foi adotada uma configuração onde o vídeo por IA generativa muda constantemente, e imagens de vida marinha e estátuas de dragão nascem e desaparecem. A IA não está substituindo completamente a mão do autor. O humano projeta o método de geração, materiais, dispositivos de exibição, espaço, tempo, mudanças a deixar e distância do público. O esforço humano na criação muda de desenhar tudo à mão para dar limites a coisas que continuam a ser geradas.

13. Tire a IA da Tela de Chat e Conecte-a ao Espaço e ao Corpo

Para muitas pessoas, a IA está dentro de um navegador. Você insere uma pergunta e o texto retorna. Mas a utilização de IA de Ochiai não fica na tela. Em seu ambiente de trabalho móvel, é apresentado que ele usa o Apple Vision Pro como "fones de ouvido para a visão" para bloquear informações visuais ao redor e expandir uma tela virtual enorme. É uma ideia de reconstruir seu próprio ambiente de concentração até mesmo no Shinkansen. Na exposição "null²" da Expo Osaka/Kansai, a IA não apenas retornava texto; estava conectada ao alter ego do usuário, voz, vídeo e produção espacial. No Mirrored Body, foi adotado um mecanismo para criar um avatar de IA fazendo com que os usuários registrassem informações e vozes, conectando-o à produção do pavilhão. Além disso, parte da tecnologia de avatar 3D real usada ali foi disponibilizada como código aberto após a Expo.

Há uma grande sugestão aqui para entender a utilização de IA. Usar IA não é apenas solicitar trabalho a partir de um chat. Mude o que os humanos veem. Mude o espaço onde os humanos estão. Use movimentos corporais como entrada. Use a voz como interface. Mova dispositivos reais. Mude a expressão de acordo com a reação da audiência. Projete a IA como parte do ambiente. Claro, nem todos precisam preparar headsets caros ou equipamentos de exposição em larga escala. O que deve ser transferido é o princípio, não o equipamento. Bloqueie notificações que atrapalham a concentração. Torne possível chamar a IA sempre a partir do mesmo ambiente de trabalho. Consolide voz, fotos, documentos e código em um único projeto. Modele instruções usadas com frequência. Retorne resultados de trabalho reais para a IA. Crie primeiro o ambiente onde a concentração ocorre para que os humanos não tenham que se concentrar por força de vontade toda vez. Pessoas que conseguem manter o esforço não são apenas as de força de vontade forte; elas estão criando um ambiente ao seu redor onde o esforço é fácil.

14. Quanto Mais a Era da IA, Mais Valor a Experiência Manual à Moda Antiga Tem

Muitas vezes se pensa que, para dominar a IA, você só precisa conhecer as ferramentas mais recentes. No entanto, Ochiai enfatiza o valor da experiência "analógica de velha guarda" — ter escrito código à mão, entendido mecanismos e passado por mudanças tecnológicas. Mesmo que a IA gere código ou texto, se você não entender a estrutura interna, não conseguirá julgar a causa quando um problema ocorrer. Se você tem experiência em mover suas próprias mãos, pode perceber rapidamente sinais de defeitos ou locais de erro. Esta não é uma história simples de pessoas mais velhas serem superiores à geração mais jovem. O que importa não é a idade, mas se você experimentou os processos básicos por si mesmo. Alguém que reescreveu textos muitas vezes provavelmente notará conexões lógicas não naturais em textos de IA. Alguém que experimentou fotografia pode perceber contradições em fontes de luz ou expressões de lente em imagens geradas. Alguém que depurou programas provavelmente identificará código perigoso só de executá-lo. Alguém que leu artigos pode sentir desconforto em citações que parecem existir, mas não existem. Alguém que lidou com atendimento ao cliente pode imaginar por que um fluxo de negócios ideal feito por IA não pode ser usado no local.

A IA aumenta a velocidade de saída dos iniciantes. No entanto, ela não transforma automaticamente um iniciante em um especialista. Para avaliar se uma saída está correta, um senso daquela área é necessário. Portanto, aprender na era da IA não é sobre omitir todos os fundamentos. É sobre experimentar tarefas básicas o número necessário de vezes e acelerar as repetições massivas subsequentes com IA. Só porque existem calculadoras não significa que você não precisa aprender o significado dos números. Só porque existe IA de tradução não significa que você não precisa conhecer as diferenças culturais na linguagem. Só porque existe IA de codificação não significa que você não precisa entender dados, permissões, testes e segurança. A alfabetização em IA sozinha não pode substituir a expertise. A utilização de IA ao estilo Ochiai não é sobre descartar habilidades antigas, mas usar habilidades antigas como dispositivos de inspeção para a saída da IA.

15. Não Preencha o Tempo; Deixe Margens para a Curiosidade se Mover

Quando você vê alguém fazendo uma quantidade incrível de trabalho, pensa que essa pessoa gerencia sua agenda minuto a minuto. No entanto, Ochiai mostra a ideia de que a gestão excessiva do tempo tira a curiosidade. Por outro lado, ele não gerencia nada; ele projeta intervalos de tempo para se concentrar, como usar o período da manhã para trabalho criativo. Este é um paradoxo importante sobre eficiência. Você economizou uma hora com IA. Você colocou uma nova reunião nessa hora. Economizou outra hora. Você assume outra solicitação. Se você preencher todo o tempo economizado com planos, o volume de processamento aumenta. Mas descobertas acidentais diminuem. Se você usar a eficiência da IA apenas para acumular trabalho, os humanos se tornam dispositivos para digerir listas de tarefas feitas pela IA.

Em entrevistas sobre o processo criativo de Ochiai, é relatada uma atitude de buscar resultados que a humanidade ainda não produziu e tentar elevar tanto a base técnica quanto a perfeição artística. Além disso, vê-se a ideia de que, em vez de fixar um tema desde o início, o assunto emerge enquanto se mexe as mãos e se experimenta interesses ao redor. Coisas novas não nascem preenchendo lacunas em um plano. Investigar algo pelo qual você está de alguma forma curioso. Escrever código que você não sabe se é útil. Ler livros de outras áreas. Tocar em materiais. Tirar fotos. Jogar combinações estranhas para a IA. Olhar para falhas. Esse tempo parece ineficiente a curto prazo. Mas temas desconhecidos vêm de fora dos produtos planejados. Se a IA torna o trabalho rotineiro mais rápido, os humanos não devem preencher essa margem com mais trabalho rotineiro. Eles devem retorná-la à exploração sem um propósito fixo. Um gênio do esforço não é alguém que consegue acumular planos o dia todo, mas alguém que consegue escolher no que se concentrar, o que automatizar e onde deixar tempo sem propósito.

16. Depois de Passar a "Inteligência" para a IA, No Que os Humanos Colocam Esforço?

Em uma entrevista de 2026, Ochiai falou sobre a possibilidade de que, à medida que as máquinas assumem o que os humanos ganharam através do esforço e da inteligência, muitas pessoas enfrentarão ansiedade existencial sobre "o que devem fazer". Esta é a sua visão de futuro, não um fato de que todos os empregos já foram substituídos. Este problema está no ponto final das técnicas de utilização de IA. Tornar o trabalho mais rápido. Tornar os documentos mais rápidos. Escrever código mais rápido. Terminar a pesquisa mais rápido. Depois que isso é realizado, o que os humanos fazem? Eles fazem ainda mais documentos? Eles escrevem ainda mais código? Eles assumem ainda mais trabalho? Se for assim, o propósito do uso da IA apontará para sempre aumentar o volume de processamento. Ochiai imagina um modo de vida "tipo Matagi" — ter relações com comunidades específicas enquanto encontra coisas novas acidentalmente em suas bordas. É um modo de vida que usa tecnologia sem perder o contato com o ambiente, a fisicalidade, os rituais e a comunidade.

Se você passar o "trabalho de processar de forma inteligente" para a IA, os seguintes trabalhos permanecem para os humanos:

• Com o que se surpreender?
• O que achar bonito?
• Qual problema considerar impossível de ignorar?
• Com quem estar?
• No que gastar tempo?
• Qual falha assumir?
• Onde assumir responsabilidade?
• Que tipo de experiência ganhar com o corpo real?

Estes não são mero processamento de informação. A IA pode fazer candidatos. Ela também pode prever. Mas qual candidato escolher como a própria vida é algo que só um humano pode assumir. O esforço na era da IA está mudando de lembrar mais respostas corretas para atualizar continuamente aquilo que se valoriza.

17. O Que Você Não Deve Imitar São Hábitos de Vida Extremos

Quando técnicas de trabalho de produtores famosos são apresentadas, o tempo de acordar, o tempo de dormir e o número de refeições tendem a atrair atenção. Para Ochiai também, como ele usa o tempo da manhã e seus hábitos alimentares únicos são apresentados. No entanto, tais hábitos de vida não devem ser imitados como o centro das técnicas de utilização de IA. Dieta, sono, exercício e medicação têm condições apropriadas dependendo da constituição, idade, doenças crônicas e conteúdo do trabalho. O que a pessoa está fazendo e o que pode ser geralmente recomendado são diferentes. O que deve ser extraído neste artigo não é o número de refeições. É:

• Comparar múltiplas IAs.
• Deixar materiais por voz.
• Desconstruir processos de trabalho.
• Não considerar o primeiro rascunho como produto final.
• Verificar fontes.
• Deixar o histórico de execução da IA.
• Fazer suas próprias ferramentas se necessário.
• Retornar ao corpo real e ao ambiente.

Cortar o sono para aumentar a produção com IA não é um design de esforço de longo prazo. Em vez de tirar ainda mais do sono o tempo encurtado pela IA, aloque-o para recuperação, aprendizado, observação e tempo com a família ou outros. O que se deve aprender com um gênio do esforço não é como suportar o sofrimento. É como criar um sistema para não ter que repetir o mesmo sofrimento e avançar para um trabalho desconhecido com essa quantidade.

"Sistema Operacional de Esforço de IA ao Estilo Ochiai" Abstraído de Exemplos Públicos

Organize o conteúdo até agora em uma forma que possa ser transferida para o trabalho geral. Este não é o procedimento de trabalho diário exato divulgado pelo próprio Ochiai. É um modelo prático abstraído por este artigo a partir de exemplos públicos de uso de IA.

Estágio 1: Comece em um Estado Desorganizado

Não escreva uma proposta desde o início. Primeiro, por cinco a dez minutos, coloque para fora o que está na sua cabeça como está, por voz ou texto. Você pode misturar propósito, contexto, emoções, desconforto, ideias e preocupações. Em seguida, pergunte à IA o seguinte:

Categorize minhas declarações em fatos confirmados, interpretações, hipóteses, esperanças, restrições e itens não confirmados. Ainda não tire uma conclusão e faça perguntas uma de cada vez para esclarecer o propósito.

Aqui, não deixe a IA dar uma resposta. Faça-a descobrir a ambiguidade do lado humano.

Estágio 2: Passe a Mesma Tarefa para Três ou Mais IAs

Não dependa de uma única IA. Passe os mesmos materiais de contexto e perguntas para múltiplas IAs. No entanto, não apenas colete três respostas idênticas; mude os papéis. Peça para uma fazer pesquisa padrão, uma procurar contraexemplos e uma pensar sobre métodos de implementação e custos. Se possível, peça para outra lidar com a perspectiva dos usuários ou oponentes. Após a saída, peça para criar uma tabela de comparação:

• Pontos em que todas as IAs concordaram
• Pontos que apenas algumas afirmaram
• Pontos onde números ou fatos entraram em conflito
• Pontos para verificar com fontes primárias
• Pontos que ninguém considerou O humano lê as diferenças entre as respostas, não as respostas em si.

Estágio 3: Não Termine com Texto; Converta para Outro Formato

Não se satisfaça apenas em ler resultados de pesquisa. Se for um plano, faça um diagrama único. Se for um produto, faça um protótipo de tela. Se for um trabalho, faça uma imagem ou vídeo curto. Se for um sistema, faça um diagrama de procedimento pelo qual os usuários passam. Se for uma pesquisa, divida-a em hipóteses e métodos de verificação. As ideias podem esconder contradições no texto. Quando você tenta implementá-las, condições ausentes aparecem. Quem usa? Qual botão apertam? De onde vêm os dados? Como retornam em caso de falha? A implementação é um dispositivo de inspeção para ideias.

Estágio 4: Peça para Outra IA Quebrar o Que Uma IA Fez

Não deixe a IA geradora realizar apenas autoavaliação. Passe o produto para outra conversa, outro modelo ou outro papel. Peça para ela procurar problemas sob as seguintes perspectivas:

• Erros factuais
• Inexistência de citações
• Problemas de segurança
• Questões de direitos
• Identificação errada do público-alvo
• Subestimação dos custos de execução
• Partes que não podem ser mantidas
• Partes que escapam para generalidades
• Partes que exigem aprovação humana
• Partes que não podem se recuperar em caso de falha Um humano verifica problemas de alta prioridade em fontes primárias ou ambientes reais. A inspeção por IA não é uma garantia final. Use-a para estreitar os lugares que um humano deve inspecionar.

Estágio 5: Transforme Razões de Rejeição no Próximo Ativo de Prompt

Não apenas delete saídas ruins e termine. Deixe uma linha sobre por que não foi bom.

• "O público-alvo é muito amplo."
• "Tecnicamente possível, mas sem caso de uso."
• "Texto está organizado, mas falta experiência."
• "Imagem é bonita, mas sem relação com o propósito."
• "Resultados de pesquisa carecem de fontes primárias."
• "Código funciona, mas falta gerenciamento de permissões." Adicione estas a proibições do projeto ou critérios de avaliação. Da próxima vez, a IA terá menos probabilidade de cometer o mesmo erro. A experiência humana é convertida em instruções personalizadas, especificações, testes e listas de verificação. Este é o trabalho de transformar o esforço em uma forma acumulável.

Estágio 6: Automatize ou Transforme em Ferramenta Inconveniências Recorrentes

Se você escreve a mesma instrução toda vez, faça um modelo. Se converte para o mesmo formato toda vez, faça um script. Se procura os mesmos materiais toda vez, salve o processo de pesquisa. Se realiza a mesma verificação toda vez, transforme em um teste. Se escolhe um modelo toda vez, crie regras por tarefa. Se passa arquivos manualmente toda vez, considere um método de conexão segura. O que importa não é apenas encurtar uma tarefa em três minutos. É não deixar que esses três minutos ocorram centenas de vezes no futuro.

Estágio 7: Finalmente, Leve para a Realidade

Não avalie apenas por conversas entre IAs. Mostre para pessoas. Mova no local. Imprima. Projete. Faça os clientes usarem. Pense enquanto caminha lá fora. Toque em materiais. Experimente com seu próprio corpo. A IA pode criar personas de usuário plausíveis. Mas onde os usuários reais se perdem não pode ser sabido a menos que você leve para a realidade. A realidade quebra a lógica bonita feita pela IA. Essa destruição determina a direção do próximo esforço.

Prompt Prático de Rotação de Esforço

O seguinte não é uma reprodução do prompt do próprio Ochiai. É um protocolo de diálogo único da estrutura analisada neste artigo: pesquisa paralela, implementação em etapas, contraevidência e registro.

1Você não é uma IA que age em meu nome para fazer um produto final de uma só vez, mas um "Orquestrador de Pesquisa e Desenvolvimento" que aumenta a velocidade de rotação de pesquisa, prototipagem, contraevidência e melhoria.
2
3【Tema】
4{{Tema para trabalhar desta vez}}
5
6【O que eu quero decidir em última análise】
7{{Preencha com o que souber. Pode estar indeciso}}
8
9【Materiais que tenho atualmente】
10{{Notas, transcrições de voz, documentos, dados, código, etc.}}
11
12【Princípios Básicos】
131. Não crie um plano final enquanto meu propósito estiver ambíguo.
142. Faça uma pergunta de cada vez para esclarecer o propósito, alvo, restrições e condições de sucesso.
153. Separe claramente fatos, interpretações, hipóteses e propostas.
164. Anexe fontes a fatos e priorize fontes primárias.
175. Para coisas que não podem ser confirmadas, não preencha com conjectura; marque como "não confirmado."
186. Não trate o primeiro plano como o plano final.
197. Trate pesquisa, ideação, implementação e avaliação como processos separados.
208. A mesma IA não deve servir como criadora e única avaliadora.
219. Indique claramente as partes que exigem aprovação humana.
2210. Registre todas as razões de rejeição como condições para a próxima geração.
23
24【Fase 1: Descoberta do Propósito】
25Classifique minha entrada no seguinte:
26- Fatos confirmados
27- Minhas interpretações
28- Hipóteses não verificadas
29- Emoções ou desconforto
30- Recursos disponíveis
31- Restrições
32- Palavras ainda não definidas
33Faça uma pergunta de cada vez para informações ausentes.
34
35【Fase 2: Design da Pesquisa Paralela】
36Divida o tema nos seguintes papéis:
37A. Pesquisador coletando explicações padrão e materiais principais
38B. Contestador procurando contraexemplos, evidências opostas e exemplos de falha
39C. Praticante pensando sobre métodos de implementação, custos e prazos
40D. Analista de partes interessadas pensando sobre usuários, não usuários e pessoas desfavorecidas
41E. Explorador procurando conexões inesperadas com outras áreas
42Crie perguntas para cada papel investigar, garantindo que não haja sobreposição nos pontos.
43
44【Fase 3: Livro-Razão de Evidências】
45Formate os resultados da pesquisa da seguinte forma:
46- Afirmação / Base / Fonte / Data de publicação / Período dos dados / Primária ou secundária / Contraevidência / Nível de confiança / Pontos para verificação humana
47
48【Fase 4: Prototipagem】
49Crie 3 planos de protótipo mínimos a partir dos resultados da pesquisa. Para cada plano, mostre:
50- Hipótese a verificar / O que fazer / O que não fazer / Tempo necessário / Custo necessário / Processo tratado pela IA / Processo tratado pelo humano / Condições para falha
51Não prossiga para a implementação completa até que eu escolha um plano.
52
53【Fase 5: Contra-Auditoria】
54Contra o protótipo ou primeiro rascunho, procure problemas sob as perspectivas de:
55- Fato / Lógica / Tecnologia / Segurança / Direitos / Custo / Alvo / Mantenabilidade / Originalidade
56Exiba a gravidade em 4 níveis: Parar / Correção necessária / Observação / Permitir.
57
58【Fase 6: Registro de Melhoria】
59Registre o seguinte cada vez que uma correção for feita:
60- Antes da mudança / Problema / Conteúdo da mudança / Razão da mudança / Problema recém-surgido / Condições a adicionar ao prompt ou teste a partir da próxima vez
61
62【Fase Final】
63Não aja na decisão final. Organize opções, evidências, opiniões contrárias e itens não confirmados, e peça para eu escrever o plano adotado e a razão pessoalmente.
64
65Na primeira resposta, não faça uma proposta; faça uma pergunta sobre o desconforto ou propósito mais específico que estou sentindo em relação a este tema.

Conclusão — Yoichi Ochiai Não "Abandonou o Esforço" com a IA

Se você entender a utilização de IA de Yoichi Ochiai como uma coleção de prompts convenientes, perde a sua essência.

Executar múltiplas IAs simultaneamente. Recuperar pensamentos desorganizados por voz. Estruturar instruções longas. Refazer a primeira resposta muitas vezes. Dividir pesquisa, imagens e implementação em ferramentas diferentes. Pedir para uma IA criticar a saída de outra. Detectar anormalidades com a experiência de mover as próprias mãos. Construir ferramentas observáveis se as caixas pretas forem um problema. Conectar a IA não apenas a texto, mas a vídeo, espaço, corpo e equipamentos de pesquisa. E retornar o tempo economizado pela IA para a curiosidade e a experiência real.

O que é comum a esta série de ações não é a ideia de tentar ser preguiçoso. É a ideia de tentar testar mais dentro do mesmo tempo. Antes da IA, um dia terminava apenas investigando e implementando uma hipótese. Depois da IA, você pode investigar múltiplas hipóteses, fazer três protótipos, comparar razões de falha e retornar esses resultados para a próxima instrução. Você pode usar a folga resultante para descanso. Pode usar para outro trabalho. Pode usar para novas expressões ou pesquisas. É um humano que decide para que usar.

Se chamamos Yoichi Ochiai de "Gênio do Esforço", a razão não é simplesmente que ele trabalha mais do que os outros. É porque ele não torna o esforço uma questão de espiritualismo. Tornar o pensamento em uma forma registrável. Transformar a falha na próxima condição. Automatizar a repetição. Atualizar ferramentas. Criar ambientes. Ainda deixar lugares onde os humanos devem julgar. O que ele está aumentando com a IA não é apenas o número de produtos acabados. É o número de vezes que ele pode continuar girando sem desistir até alcançar algo desconhecido. O que é questionado na era da IA não é "qual IA você está usando?" O que o humano está observando enquanto a IA está gerando? O que o humano está corrigindo depois que a IA fez? Para onde o humano está tentando ir como resultado da IA se tornar mais rápida? A melhor técnica de utilização de IA não é uma maneira de evitar o esforço. É para o esforço não desaparecer como algo pontual, mas se transformar em um sistema que acelera o próximo esforço.