👤 Para quem concluiu a série e quer aprofundar o uso
🔐 Disponível nos planos pagos
🎯 Para quem quer expandir o uso para processos críticos e para o time inteiro
Se você chegou até aqui, o Pipefy já está conectado ao seu assistente, você fez seus primeiros comandos, auditou um pipe e talvez já tenha criado um agente. O que vem a seguir é usar o que você aprendeu em processos com mais complexidade, mais sistemas envolvidos e mais impacto na operação.
Este artigo consolida a série, mostra onde o ganho é maior e aponta o caminho para quem quer ir além.
📖 O que você vai encontrar aqui:
O que muda quando o time inteiro passa a operar assim
Nos primeiros artigos o foco era individual: você conectando o assistente, você auditando um pipe, você criando um agente. À medida que o uso amadurece, o alcance muda.
O uso de IA na empresa deixa de ser ganho de produtividade pessoal e passa a gerar resultado em processos completos, de ponta a ponta. Processos que cruzam sistemas, times e aprovações começam a ser acionados pela conversa, dentro das regras que já estavam configuradas.
Como a governança acompanha essa expansão
Uma dúvida comum ao ouvir que um assistente de IA pode executar ações dentro dos processos é: "e se ele pular uma aprovação ou criar um card sem os campos obrigatórios?"
A resposta está em duas camadas, e nenhuma delas depende de confiança no assistente.
- Primeira camada: identidade. O assistente opera com as permissões da conta autenticada. Os pipes que ele alcança são exatamente aqueles em que você já é membro, e a recusa não vem de uma curadoria de ferramentas: vem da própria API do Pipefy. Quando o acesso não existe, a resposta é um erro de permissão que aponta quem precisa ser convidado para o pipe.
- Segunda camada: processo. Dentro do que a sua conta alcança, o que o assistente pode fazer é o que o processo permite. Campos obrigatórios continuam obrigatórios, condicionais continuam valendo, e as transições de fase ficam limitadas às conexões configuradas em Fase > Conexões. Essas conexões são definidas apenas na interface do Pipefy, e o assistente as consulta antes de mover um card.
Exclusões seguem um contrato de dois passos: a primeira chamada devolve uma prévia, sem executar nada, e só uma aprovação explícita executa. Em vários casos a prévia vem acompanhada dos dependentes do item, ou seja, as automações, condicionais e etiquetas que dependem dele. Você vê o que quebra antes de confirmar.
Essa é a razão pela qual expandir o uso não exige uma camada de controle nova: o controle já existe no processo, e ele vale igual para uma pessoa operando pela tela ou pelo assistente.
Três casos de uso onde o ganho é maior
Os processos que mais se beneficiam têm três características em comum: cruzam mais de um sistema, envolvem aprovações com regras claras e já estão mapeados no Pipefy. Três exemplos ilustram bem esse perfil.
Um lembrete útil antes dos exemplos: quando você pede "aprove o pedido #4471", o assistente executa a aprovação do jeito como ela está modelada no seu pipe, seja mover o card de fase, preencher um campo de decisão ou acionar uma automação. O artigo de primeiros comandos detalha isso.
Procurement e aprovação de fornecedor
- Contexto: O gestor de compras aprova pedidos que envolvem fornecedor cadastrado em um sistema de registro, contrato no jurídico e notificação para o time. Cada aprovação atravessa mais de um sistema.
- O que o MCP Server torna possível: O gestor pede a aprovação pelo assistente. O Pipefy valida a alçada, executa a aprovação dentro do fluxo configurado, escala para o nível seguinte quando o valor exige e registra quem aprovou, quando e em que contexto.
- Resultado esperado: Aprovação executada sem abrir o Pipefy, com registro auditável e escalonamento respeitando as regras do processo.
Onboarding de fornecedor
- Contexto: Cadastrar um novo fornecedor envolve conferir documentos enviados, consultar o cadastro em um sistema de registro, aprovar no jurídico e avisar o time de compras.
- O que o MCP Server torna possível: O agente de onboarding lê o cadastro do fornecedor no CRM, atualiza a planilha de controle com o resultado de cada conferência, move o card conforme as etapas são concluídas e notifica os responsáveis na ferramenta de mensageria do time.
- Resultado esperado: Onboarding com menos passos manuais, com o registro de cada etapa no processo e no log do agente.
Aprovação financeira
- Contexto: Reembolsos e aprovações financeiras exigem conferência de documentos, verificação de limites por alçada e registro do resultado.
- O que o MCP Server torna possível: O assistente consulta o histórico do solicitante, aplica as regras de alçada configuradas no pipe e registra a decisão. A conferência de documentos fica com quem tem essa alçada, e o registro do que foi decidido fica no processo.
- Resultado esperado: Aprovações mais rápidas, com o rastro da decisão no audit log do pipe.
Esses três casos têm algo em comum: nenhum deles pertence a um único sistema. O processo existe no espaço entre eles, e é exatamente aí que o ganho aparece.
Como expandir para outros processos e times
Expandir não exige um projeto novo, mas exige distinguir duas coisas que costumam ser confundidas. Operar o Pipefy pelo assistente é imediato: qualquer processo que já está no Pipefy fica acessível no momento em que a conexão é feita, sem reimplementação. Conectar sistemas externos é outro passo: cada um exige uma conexão configurada no pipe, autenticada, com as ferramentas selecionadas. É rápido, mas não é nada.
- Comece por um processo crítico com fluxo bem definido. Processos com aprovações, prazos claros e mais de um sistema envolvido são os que mais se beneficiam.
- Configure o MCP Client para os sistemas que o processo alcança. Esse é o passo que exige configuração por pipe, e ele tem artigo próprio na série.
- Crie ou refine os AI Agents nos pontos de decisão. Conecte o Pipefy ao seu assistente via MCP Server para propor os behaviors a partir da estrutura do pipe, e ajuste com o contexto que o time tem.
- Convide o time a operar pelo assistente no dia a dia. Consultas de status, aprovações pontuais e geração de análises são bons pontos de entrada para quem está começando.
Dois detalhes que afetam o cronograma. O MCP Client depende de liberação por organização, então confirme antes de prometer prazo ao time. E se você usa Service Account, ela precisa ser adicionada como membro de cada pipe que as ferramentas devem alcançar: não é habilitar uma vez e tudo passa a funcionar.
Como medir se o uso está evoluindo
A série ensinou você a pedir coisas ao assistente, então vale usar isso para medir a própria adoção. Em vez de observar sinais no olhômetro, pergunte:
| O que você quer saber | O que pedir ao assistente |
|---|---|
| Se os agentes estão sendo acionados mais | "Compare as execuções dos agentes do pipe [nome] deste mês com o mês passado" |
| Se o consumo de IA está acompanhando o uso | "Mostre o consumo de créditos de IA da organização nos últimos três meses" |
| Se as automações estão executando mais | "Traga as métricas de execução das automações do pipe [nome]" |
| O que mudou nos processos e por quem | "Exporte o audit log do pipe [nome] do último mês" |
Além dos números, dois sinais qualitativos indicam que o uso amadureceu:
- Operações rotineiras resolvidas onde o time já está trabalhando, sem troca de contexto
- Pedidos mais sofisticados ao assistente: o time evolui de consultas simples para comandos que combinam leitura e execução
Como continuar aprendendo e contribuir
O Pipefy AI Toolkit é software livre, sob licença Apache 2.0, com o código público no GitHub. Isso abre alguns caminhos que não dependem de você ser desenvolvedor.
Instale o catálogo de skills
As skills são os playbooks que orientam o assistente a seguir boas práticas em cada caso de uso. Elas vêm no instalador, mas você também pode instalá-las separadamente:
npx skills add pipefy/ai-toolkit
Contribua com uma skill
Este é o ponto de entrada mais acessível, e vale destacar por quê: contribuir com uma skill é escrever Markdown. Não exige linguagem de programação. Se você resolveu um caso de uso de processo no seu dia a dia e quer que outras empresas consigam repetir, esse é o formato.
As diretrizes de contribuição estão no arquivo CONTRIBUTING.md do repositório. Vale ler antes de abrir a primeira proposta, porque ele define o formato esperado.
Reporte problemas e peça funcionalidades
O repositório aceita issues e propostas de mudança. Se um comando não se comportou como o esperado, ou se falta uma ferramenta que resolveria o seu processo, é ali que o pedido chega a quem constrói. Existe também um canal de contato por e-mail para desenvolvedores, documentado no próprio repositório.
Acompanhe a Community do Pipefy
Os artigos desta série ficam publicados na Community, junto com o restante do conteúdo educacional. É onde as atualizações aparecem primeiro quando uma ferramenta muda ou uma capacidade nova entra.
O que esta série cobriu
Uma visão do caminho percorrido, para consultar ou compartilhar com o time:
| Artigo | O que você consegue fazer depois de ler |
|---|---|
| Explicar para o time o que muda, e escolher entre o caminho hospedado e o local | |
| Conectar o assistente e resolver os erros mais comuns de instalação | |
| Dar aos AI Agents acesso a ferramentas externas dentro do processo | |
| Seus primeiros comandos: operando o Pipefy em linguagem natural | Operar o Pipefy sem abrir o app, sabendo o que cada comando exige |
| Diagnosticar gargalos, aplicar melhorias e conferir no audit log | |
| Criar, validar e ativar um agente configurado a partir do processo real | |
| O que fazer depois: próximos passos e casos de uso avançados | Expandir para processos críticos e medir a evolução do uso |
Checklist final da série:
☐ Pipefy conectado ao assistente, por um caminho só
☐ Pelo menos um processo auditado, com as mudanças conferidas no audit log
☐ Pelo menos um AI Agent criado, validado e ativado na ordem certa
☐ MCP Client configurado para pelo menos uma ferramenta externa, se o processo precisa
☐ Um próximo processo identificado para expandir o uso
