O que um dot faz em pesquisa?
A OpenAI lançou os dots em 29 de setembro de 2026. O post de lançamento descreve agentes que trabalham pelos seus objetivos o tempo todo em um computador próprio na nuvem, com acesso a mais de 4.000 apps por meio de plugins. O que mais importa para pesquisa é a persistência. Uma conversa normal, ou até uma sessão de agente do ChatGPT, para quando você para. Um dot mantém um objetivo em mente e volta a ele.
Isso o torna ideal para pesquisa sem data de término:
- Monitoramento de concorrentes. Verificar toda segunda-feira as páginas de preços e de novidades de três concorrentes e dizer o que mudou.
- Acompanhamento de políticas e regulação. Seguir um projeto de lei, um órgão de normas ou os anúncios de um regulador e sinalizar novas versões.
- Literatura e documentos oficiais. Procurar novos artigos, resultados trimestrais ou processos judiciais sobre um tema definido.
- Varreduras de caixa de entrada e Drive. Reunir em um resumo contínuo todos os e-mails e documentos que mencionam um projeto.
- Briefing antes de reuniões. Ler as últimas notícias de uma empresa antes da sua conversa com ela.
Um comentarista do Hacker News descreveu exatamente esse hábito, antes mesmo de existirem os dots, usando as tarefas agendadas do ChatGPT:
"I have ChatGPT set up to do some recurring tasks (keeping track of developments on a policy proposal in politics; on a weekly basis tracking music releases based on my evolving tastes; checking new book releases; basically doing recurring deep dive web research on my behalf and reporting when there is a significant new finding) and this alone keeps me from switching to another service."
Um dot leva esse padrão adiante, porque pode manter vários desses fios ao mesmo tempo e decidir sozinho quando algo merece ser comunicado. Se quiser primeiro o tour pelo produto, comece pela explicação sobre o OpenAI Dots, ou leia a análise do OpenAI Dots do meu colega para ter um veredito.
Como a pesquisa proativa funciona de verdade?
Este é o recurso que torna os dots interessantes para pesquisadores, e também o que tem os limites mais claros. A OpenAI o chama de pesquisa proativa. Segundo o post de segurança, quando você não está conversando com ele, um dot "can start background research tasks to look for other ways to help." Essas tarefas rodam no ambiente em nuvem do dot, usam ferramentas somente leitura nas suas fontes conectadas e salvam notas privadas que o dot lê depois.
Os limites são aplicados no código, não apenas nas instruções. A OpenAI diz que as tarefas de pesquisa "cannot directly send messages to other people, change content in connected apps, or control a browser or desktop." Segundo o FAQ de privacidade, suas Custom Rules também não podem afrouxar essas restrições. Ou seja, a pesquisa proativa pode ler e fazer anotações, mas qualquer coisa sobre a qual ela queira agir passa pelas verificações de aprovação normais.
Dois detalhes importam para o trabalho de pesquisa:
- Treinamento. A OpenAI diz que não treina diretamente com as threads de pesquisa em segundo plano nem com suas notas. Mas, se seu dot trouxer uma nota para uma conversa normal, essa conversa pode ser usada para treinamento, dependendo da sua configuração "Improve the model for everyone". Workspaces Business não são usados para treinamento por padrão.
- Alcance. Ele lê "permitted connected sources", ou seja, os apps que você conectou e que seu workspace permite. Ele não alcança um banco de dados pago que você não conectou.
Nem todos no Hacker News ficaram tranquilos com o enquadramento somente leitura. Um comentarista citou de volta o texto da OpenAI e fez a pergunta óbvia sobre responsabilidade:
"Am I criminally liable when my dot's "proactive research" is to break out of its sandbox and attempt to hack a government website?"
É uma piada com um ponto real por baixo. O limite de somente leitura controla o que as ferramentas de pesquisa podem alterar, não quais páginas públicas um dot decide ler. Diga a ele exatamente o que monitorar.
Quando usar um dot, a deep research ou o ChatGPT Work?
O ChatGPT agora tem três caminhos de pesquisa, e escolher o errado desperdiça tempo ou uso. Minha regra: comece pelo formato do trabalho, não pela ferramenta.
| Trabalho de pesquisa | Melhor escolha | Por quê |
|---|---|---|
| Monitorar um tema toda semana | Seu dot | Mantém o objetivo entre as conversas e pode pesquisar em segundo plano |
| Uma pergunta profunda, muitas fontes | Deep research | Você revisa um plano de pesquisa, escolhe fontes e recebe um relatório com citações |
| Pesquisa que termina em apresentação ou planilha | ChatGPT Work | O Work cria documentos, planilhas, apresentações e Sites |
| Um fato rápido | Conversa normal com busca | Mais rápido e mais leve no uso |
| Um relatório recorrente em horário fixo | Tarefa agendada do Work | Roda em um horário ou gatilho e pode ser compartilhada com colegas |
A deep research continua sendo a melhor ferramenta para um relatório sério. Segundo o artigo de ajuda da OpenAI, ela propõe um plano de pesquisa que você pode editar antes de começar, deixa você interromper enquanto roda e devolve um relatório com sumário, seção de fontes usadas e histórico de atividade. Você pode baixá-lo em Markdown, Word ou PDF. Ela também só usa "read actions from connected apps", nunca ações de escrita.
O controle que mais uso é a restrição de sites. Em Sites > Manage sites, você pode limitar a pesquisa a domínios de confiança, ou apenas priorizá-los e continuar pesquisando na web toda.
O ChatGPT Work é para pesquisa que termina em um arquivo. Segundo o guia do Work da OpenAI, o Work pode "research a topic, analyze information, or create a document, spreadsheet, presentation, report, or Site", e suas Scheduled Tasks podem rodar uma vez, se repetir ou monitorar mudanças. Seu dot pode iniciar tarefas do Work para você, então os dois combinam bem: o dot percebe que algo mudou e depois entrega ao Work o trabalho de montar a planilha comparativa atualizada. Não encontrei a OpenAI dizendo que um dot pode iniciar sozinho uma execução de deep research, então eu não contaria com isso.
Se o que você quer é principalmente respostas rápidas com citações, o ChatGPT não é a sua única opção. O comparativo de alternativas ao Perplexity e o guia de buscadores com IA comparam o cenário, e os preços do Perplexity mostram quanto esse caminho custa.
Quem usa o Notion também tem uma opção embutida no modo de pesquisa do Notion.
Como configurar um dot para pesquisa?
A configuração leva cerca de 15 minutos. A ordem importa, porque cada etapa amplia o que o dot pode ler.
- Crie o dot no desktop. O celular não consegue criar um.
- Escreva uma lista de monitoramento, não um objetivo vago. "Toda segunda-feira, verifique estas três páginas de preços e o changelog neste URL e me diga o que mudou, com links" funciona. "Me mantenha informado sobre o meu setor" produz ruído.
- Conecte apenas as fontes de que ele precisa. Google Drive, SharePoint, seu e-mail, Slack. Segundo o guia de primeiros passos da OpenAI, os plugins são compartilhados entre dots, ChatGPT, Work e Codex, então confira o que você já conectou.
- Escolha onde os resumos chegam. Um dot pode trabalhar no ChatGPT, no Slack ou no Teams. Um canal dedicado do Slack mantém as descobertas pesquisáveis. O guia do Slack AI cobre as alternativas.
- Defina Custom Rules para tudo que sai da sua mesa. Ler tudo bem. Enviar um resumo a qualquer pessoa além de você deve ser "Ask first".
O FAQ de privacidade acrescenta um limite que os pesquisadores devem conhecer: você não pode ver nem apagar memórias individuais de um dot, só o dot inteiro. Se você pesquisa temas sensíveis, mantenha esse dot separado do seu do dia a dia.
O uso é a outra coisa para planejar. Segundo o post de lançamento, as conversas com seu dot não contam para os limites de uso do ChatGPT, mas as tarefas que ele inicia no ChatGPT Work ou no Codex contam. A deep research tem seu próprio contador, que varia conforme o plano. Assim, um resumo diário escrito pelo próprio dot custa quase nada além do seu plano, enquanto pedir a ele que refaça no Work uma planilha comparativa de 40 linhas consome a cota compartilhada. O guia de preços do ChatGPT Work explica esse pool.
Seu primeiro dot vem com o Pro (a partir de US$ 100/mês, indisponível no EEE, na Suíça e no Reino Unido) ou com um assento Business Premium (US$ 100/usuário/mês anual, US$ 125 mensal). Na Europa, o assento Business é a única entrada. Todos os detalhes estão em preços do OpenAI Dots.
Como conferir o que seu dot encontra?
Esta é a parte que decide se um dot economiza seu tempo ou te constrange. A OpenAI é incomumente direta sobre o risco. No post de lançamento da deep research, ela diz que o modelo "can sometimes hallucinate facts in responses or make incorrect inferences" e "currently shows weakness in confidence calibration, often failing to convey uncertainty accurately." Isso foi escrito sobre a deep research, mas um dot lendo a mesma web tem o mesmo problema.
Trato cada descoberta como uma pista até que ela suba essa escada. Esta é a lista de verificação que uso nos posts de pesquisa na eesel, e funciona igual no resumo de um dot:
- Peça links, sempre. Coloque "inclua a URL da fonte para cada afirmação" nas instruções do dot. Uma afirmação sem link fica fora das suas notas.
- Abra a página. Confirme que a página realmente diz o que o dot diz que ela diz. O desvio ao parafrasear é o erro mais comum que encontro.
- Confira a data. Páginas de preços e artigos de ajuda mudam. Um dot pode citar uma versão antiga em cache ou uma cópia de terceiros.
- Prefira a fonte primária. A página de preços do próprio fornecedor vale mais do que um blog que a resume. Se o dot só achou um resumo, peça que encontre o original.
- Anote o que ele não conseguiu ver. Bancos de dados pagos e ferramentas com login ficam invisíveis se não estiverem conectados. Silêncio não é prova.
Pesquisar bem é uma habilidade à parte. Para pesquisa de conteúdo em especial, veja como pesquisar temas para blog e estas ferramentas de IA para pesquisa de palavras-chave.
Onde os dots ficam devendo em pesquisa?
Três limites se destacam para pesquisadores.
Sem plano de pesquisa editável. A deep research mostra o plano antes de começar. Um dot decide sozinho como perseguir um objetivo de monitoramento, o que é ótimo para verificações de rotina e mais fraco para uma pergunta de alto risco em que você quer aprovar o método.
Preço para um único pesquisador. O ponto de entrada é de US$ 100/mês. Um comentarista do Hacker News gostou da ideia para pesquisa de mercado, mas torceu o nariz para o plano:
"I would use dots to manage things like market research, checklists, and design ideas. Since it starts with the Pro pricing plan, I'll have to try it out later when it's available on the Plus plan."
Funciona para uma pessoa. Um dot roda nas suas contas e guarda notas privadas. As descobertas ficam nos seus resumos, a menos que você as compartilhe. Equipes que querem pesquisa compartilhada tendem a usar tarefas agendadas do Work, que podem ser compartilhadas, ou um canal comum. Outro comentarista descreveu esse padrão compartilhado funcionando bem para eles:
"We use it for quick research that other teammates can follow, filing bugs, quick first round investigations on incidents, etc."
Outros agentes pessoais disputam a mesma mesa, como o Meta Muse, o Grok Bot e o Instinct AI.
O comparativo dos melhores assistentes de IA compara mais, incluindo o Copilot Autopilot da Microsoft.
Para trabalhos parecidos, veja dots para trabalho, dots para vendas e dots para recrutamento.
O que acontece depois que a pesquisa termina?
Para muitas equipes, a pesquisa não é o produto final. Ela alimenta algo: um relatório, um briefing de vendas ou, mais comumente nas equipes de marketing, um artigo. Esse último passo é onde passo meus dias. Escrevo para o blog da eesel, e a parte difícil de um post com muita pesquisa nunca é achar mais um link. É transformar uma pilha de fontes verificadas em uma peça estruturada e com citações em que o leitor confie, com imagens, links internos e um ângulo claro.
Um dot não faz esse trabalho. Ele monitora e resume para uma pessoa. Publicar um post exige um redator que cuide de todo o processo.
É para isso que servem os colegas de IA da eesel. São contratações prontas para trabalhar em tarefas definidas: o colega de IA de helpdesk para suporte e o redator de blog com IA para conteúdo. O redator pesquisa fontes primárias sobre um tema e depois rascunha um post longo com citações, infográficos gerados e capturas de tela do produto, pronto para a sua edição.
Se quiser ver a mecânica primeiro, eu a detalhei na explicação do redator de blog com IA e no fluxo de trabalho do redator de blog.
Os dois se encaixam. Deixe seu dot monitorar um mercado e avisar que um concorrente acabou de mudar os preços. Depois entregue o tema a um redator feito para pesquisá-lo direito e publicar. Para equipes de SEO, o comparativo de redatores de blog para SEO mostra como as opções se comparam. Para equipes que publicam em volume, veja a automação do redator de blog com IA.
Se sua equipe trabalha no terminal, a eesel tem uma CLI que opera o mesmo colega e workspace a partir de scripts, e agentes de programação como Codex ou Claude Code podem controlá-la. Um engenheiro de operações de conteúdo poderia fazer um script iniciar um rascunho assim que uma lista de monitoramento sinalizar um novo tema, sem abrir um painel.
Para ser justo com o dot: se sua pesquisa termina nas suas próprias notas, você não precisa da eesel. Um dot é uma boa escolha. A linha divisória é a entrega. Se a pesquisa precisa virar um artigo publicado e com citações, isso é trabalho de redação, e pertence a um redator.
Experimente a eesel para o post que vem depois da pesquisa
Deixe seu dot monitorar as fontes e sinalizar o que mudou. Quando uma descoberta merecer um artigo completo, o redator de blog com IA da eesel pesquisa as fontes primárias, rascunha um post longo com citações e imagens e entrega a você para revisão. É grátis para experimentar, e os preços são públicos.