Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Exemplos: GPTs ligados a um CRM, calendário e base de dados

Aula 11 de 17 Atualizada a 5 de novembro de 2026 Intermediario
Nesta página
  1. Da teoria à prática
  2. Caso 1: Consultar o seu CRM em linguagem natural (HubSpot)
  3. Caso 2: Gerir um calendário via chat (Google Calendar)
  4. Caso 3: Explorar uma base de dados de feedback (Airtable)
  5. O que estes três casos têm em comum
  6. A sua vez
  7. Pontos-chave

Estado em 5 de novembro de 2026: os GPTs estão nas suas últimas semanas. A OpenAI vai desativar os GPTs personalizados a 11 de dezembro de 2026 (11 de fevereiro de 2027, para certos espaços de trabalho Enterprise com isenção). As contas Personal, Free, Go, Plus e Pro já não podem criar nem publicar novos GPTs; nos espaços de trabalho Business, Enterprise e Edu, a criação depende das definições e cessou a 26 de outubro de 2026 nos espaços Enterprise afetados. Os GPTs existentes permanecem utilizáveis e editáveis se o seu plano o permitir até à desativação; as suas conversas com eles permanecerão acessíveis depois disso. A migração (Migrate to plugin, em My GPTs) converte as instruções numa competência (skill), a base de conhecimento em ficheiros de referência e as aplicações ligadas em apps; as ações personalizadas não são transferidas. Esta lição explica como funcionam os GPTs para o ajudar a mantê-los, migrá-los e adaptar os seus princípios a um plugin (Lições 15–17).

Da teoria à prática

Já sabe o que é uma Ação e como proteger a sua autenticação. É altura de ver como fica um GPT ligado fora do laboratório. Esta lição decompõe três exemplos do mundo real — um CRM, um calendário e uma base de dados — detalhando a necessidade inicial, a configuração escolhida e o que o utilizador obtém no dia a dia. Verá que, para além das diferenças de ferramentas, as três configurações seguem os mesmos princípios de conceção, que resumiremos no final da lição.

Caso 1: Consultar o seu CRM em linguagem natural (HubSpot)

Imagine um diretor comercial que passa os dias a saltar de reunião em reunião. Sempre que quer verificar o estado de uma oportunidade, tem de abrir o HubSpot, navegar pelos filtros e encontrar a vista correta. A necessidade é simples: fazer perguntas como faria a um assistente humano e obter uma resposta sem sair do chat.

A configuração é intencionalmente mínima: o esquema OpenAPI expõe apenas três endpoints — GET /contacts para pesquisar contactos por nome, empresa ou estado; GET /deals para listar oportunidades com filtros (valor, fase, data); e POST /notes para adicionar uma nota a um contacto. A autenticação baseia-se no token de acesso de uma aplicação privada HubSpot, passado como token Bearer, com permissões limitadas à leitura e adição de notas. Esta escolha não é arbitrária: mesmo que um utilizador mal-intencionado manipulasse o GPT, este não poderia modificar um negócio nem alterar detalhes de contacto, porque a própria API o proíbe. As instruções do GPT restringem o âmbito uma segunda vez: especificam que se trata de um assistente comercial ligado ao CRM HubSpot, que deve usar a API sempre que lhe perguntarem sobre um contacto ou oportunidade, que deve reformular qualquer nota e pedir confirmação antes de a adicionar, e que nunca deve modificar o estado de um negócio nem os detalhes de um contacto.

Na prática, o resultado altera a rotina diária do diretor comercial. Ele escreve “Quais são os meus negócios em negociação superiores a 50.000 €?” e recebe uma lista formatada. Pergunta “Mostra-me os contactos da empresa Durand & Fils” ou dita “Adiciona uma nota ao contacto Marie Leroy: chamada a 15 de março, interessada na oferta Premium” — o GPT reformula, aguarda luz verde e, só então, escreve no HubSpot.

Caso 2: Gerir um calendário via chat (Google Calendar)

Segundo cenário: um assistente de direção gere a agenda do seu gestor, tratando da criação de reuniões, reagendamentos de última hora e verificações de disponibilidade. Aqui, ao contrário do CRM, a escrita é central para a necessidade — é preciso poder criar, mover e cancelar eventos. O esquema OpenAPI cobre, portanto, quatro endpoints: GET /events para listar eventos num período, POST /events para criar um evento, PUT /events/{id} para modificar um evento existente e DELETE /events/{id} para cancelar um.

Como o GPT acede a dados pessoais do Google, a autenticação usa OAuth 2.0 apenas com o âmbito calendar.events: o GPT pode ler e escrever eventos, mas não pode tocar nas definições do calendário. Quanto maior o poder de escrita, mais críticas se tornam as barreiras de segurança nas instruções. Estas exigem que o GPT resuma qualquer criação ou modificação e peça confirmação antes de agir, exijam dupla confirmação antes de qualquer eliminação e instruam-no a verificar sistematicamente conflitos de agenda antes de propor um horário.

Na prática, o assistente pergunta “O que tenho amanhã à tarde?”, “Agenda uma reunião com a equipa de marketing terça-feira às 14h durante 1 hora” ou “Move o check-in com o Pierre das 10h para as 11h”. O GPT verifica a disponibilidade, anuncia o que vai fazer e só executa após validação. O atrito adicionado pela confirmação é o preço modesto de uma agenda que nunca fica arruinada por um mal-entendido.

Caso 3: Explorar uma base de dados de feedback (Airtable)

Terceiro caso: uma equipa de produto centraliza tickets e feedback de clientes no Airtable, mas nem todos dominam a sintaxe de filtros. Em vez de formar toda a gente na ferramenta, a equipa coloca a base de dados em conversação. Dois endpoints bastam: GET /records para listar registos com filtros e ordenação, e POST /records para criar um novo registo. A autenticação usa um token de acesso pessoal do Airtable, passado como token Bearer, com acesso restrito apenas à base “Product Feedback” — as outras bases no espaço de trabalho permanecem invisíveis.

As instruções atribuem ao GPT o papel de assistente de produto ligado à base de feedback, dizem-lhe para consultar a base com os filtros adequados sempre que uma questão disser respeito ao feedback do cliente e impõem um formato de resposta: uma tabela com colunas para data, cliente, categoria e resumo. Mais importante ainda, estabelecem um limite claro: o GPT pode criar novos tickets, mas nunca modificar ou eliminar os existentes. Qualquer membro da equipa pode então perguntar “Quantos bugs foram reportados este mês?”, “Quais são os feedbacks mais recentes sobre a funcionalidade de faturação?” ou ditar “Cria um ticket: bug de visualização na página de pagamento, reportado pelo cliente Dupont a 28 de março”.

Três GPTs ligados Três blocos: um CRM HubSpot consultado e anotado, com token de app privada e direitos de leitura/nota; um Google Calendar lido e preenchido, via OAuth apenas com o âmbito calendar.events; uma base de feedback Airtable explorada, com token pessoal limitado a uma base. CASOS PRÁTICOS Três GPTs ligados 1 CRM HubSpot Consultar contactos, adicionar notas. Token de app privada Leitura e notas 2 Google Calendar Ler e criar eventos. OAuth calendar.events 3 Airtable Explorar uma base de feedback. Token pessoal Apenas uma base Antes de criar uma ação, procure uma app existente no diretório de Plugins.
Com base no artigo "Configuring actions in GPTs" do Centro de Ajuda da OpenAI (novembro de 2026) e na documentação do Airtable e do HubSpot.

O que estes três casos têm em comum

Recuando um pouco, três padrões percorrem estas diferentes configurações. O primeiro é a regra de ouro dos GPTs ligados: leitura livre, escrita controlada. Os três GPTs consultam os seus dados sem atrito, mas nenhum escreve sem confirmação explícita do utilizador. O segundo padrão diz respeito às instruções: um GPT não adivinha quando acionar uma Ação. Em todos os três casos, as instruções afirmam explicitamente “quando o utilizador pedir X, usa a ação Y” — sem esta diretiva, o modelo arrisca-se a responder com base na memória em vez de consultar a fonte. O terceiro padrão é a sobriedade do âmbito: nenhum dos três GPTs expõe toda a API da sua ferramenta. Apenas dois a quatro endpoints, escolhidos para o caso de uso, nada mais.

Para adaptar esta abordagem às suas necessidades, siga a ordem de construção que estes três exemplos ilustram:

  1. Identifique uma ferramenta que usa diariamente e que tenha uma API, e defina dois ou três casos de uso concretos — as perguntas que faz com mais frequência
  2. Crie um esquema OpenAPI mínimo apenas com os endpoints necessários
  3. Configure a autenticação adequada (chave de API ou OAuth)
  4. Adicione barreiras de segurança nas instruções para quaisquer operações de escrita
  5. Teste com consultas reais antes de abrir o acesso a outros

Uma palavra sobre as armadilhas observadas com criadores iniciantes. A mais frequente é ligar uma API “no caso de”, sem um caso de uso específico: acaba com um GPT que teoricamente pode fazer tudo, mas na prática nada faz bem. A mais perigosa é permitir a escrita sem confirmação — um GPT que cria ou modifica dados sem validação pode causar danos reais num CRM ou num calendário partilhado. Considere também os erros de API: se o serviço estiver indisponível ou devolver um erro, o seu GPT deve saber o que dizer ao utilizador em vez de inventar uma resposta. Por fim, resista à tentação de expor demasiados endpoints: cada um consome contexto e, além de cinco, a precisão do GPT degrada-se.

A sua vez

Ação ou app? Para um dos três casos, ou para uma ferramenta na sua empresa, pesquise primeiro no diretório de Plugins do ChatGPT para ver se já existe uma app para esse serviço. Se sim, anote o que permite e o que falta; se não, elabore o plano de ação: operações do esquema, modo de autenticação, direitos mínimos e barreiras de segurança nas instruções. Guarde este plano: é a base para uma integração de plugin, uma vez que as ações não são migradas.

Fontes oficiais: Configuring actions in GPTs (Centro de Ajuda da OpenAI: autenticação, esquema OpenAPI, testes, limites) · Plugins in ChatGPT (diretório e apps) · Authentication (Airtable: tokens de acesso) · Private apps (HubSpot: token de acesso)

Pontos-chave

  • Os GPTs ligados a ferramentas reais (CRM, calendário, base de dados) resolvem problemas concretos do dia a dia
  • Aplique a regra de ouro “leitura livre, escrita controlada”: confirme sempre antes de modificar
  • Mencione explicitamente as Ações nas instruções para que o GPT saiba quando as deve acionar
  • Limite os endpoints ao estritamente necessário (2 a 5) e planeie o tratamento de erros da API
  • Comece simples — uma ferramenta, dois endpoints — e enriqueça progressivamente