Mando nota de voz pro meu próprio número no WhatsApp quando tenho uma ideia. O áudio chega, um agente transcreve, classifica e direciona — task no ClickUp, nota no Brain ou um simples “registrado”. Três notas de voz por dia, 90% processadas sem eu tocar em nada.
Não é mágica. É um workflow com duas peças: o hábito de captura e o agente que faz o processamento. Esse post explica as duas.
Por que captura de ideia precisa de zero atrito?
A ideia não espera você abrir o app certo. Ela aparece no meio de uma caminhada, no intervalo entre reuniões, cinco minutos antes de dormir. Se o sistema de captura exige mais de dois toques, a ideia vai embora.
A psicóloga Mihaly Csikszentmihalyi, que estudou criatividade por décadas, documenta que insights acontecem com frequência em momentos de baixa atividade cognitiva — banho, caminhada, dirigindo. Nesses momentos, ninguém abre Notion, digita um título, escolhe uma pasta e formata o texto. Ninguém. O que todo mundo faz é falar.
O custo de não capturar é alto. Uma ideia que você não registra desaparece dentro de minutos na maioria dos casos — a literatura sobre memória de trabalho mostra janelas de 15 a 30 segundos antes da decadência sem ensaio ativo. Não é preguiça. É fisiologia.
O critério pra um sistema de captura funcionar é um só: tem que ser mais rápido do que a ideia some.
Qual é o hábito de voz pro próprio WhatsApp?
O hábito é simples: abro o WhatsApp, vou na minha própria conversa (você pode fixar o chat com seu número no topo) e mando uma nota de voz de 10 a 60 segundos.
Nada de formatação. Nada de categorização na hora. Falo o que veio — ideia de conteúdo, lembrete de dar um retorno, insight de uma reunião, hipótese de produto, tarefa que surgiu na cabeça. O contexto que importa entra no áudio: “Ideia pra post sobre como faço triagem de inbox”, “Lembrar de responder o Rafael sobre o orçamento”, “Insight da call com o João: o problema real dele não é ferramenta, é processo”.
O WhatsApp está na home do celular. Não precisa fazer login, não precisa escolher workspace, não precisa lembrar qual app você está usando pra captura esse mês. Isso elimina a decisão no momento mais crítico — quando a ideia está viva e você tem dez segundos.
Média atual: três notas de voz por dia. Às vezes cinco, em dias mais densos. Raramente zero.
O que a IA faz com cada áudio?
Quando a nota de voz chega no meu número, o agente WhatsApp (rodando via MCP whatsapp-agent) detecta o áudio, transcreve usando Whisper e passa o texto por uma classificação antes de executar qualquer ação.
A classificação tem quatro categorias:
Task acionável — algo com verbo + objeto claro (“responder o Rafael”, “revisar a proposta”, “marcar reunião com equipe”). O agente cria uma task no ClickUp na lista correta, com prioridade inferida do contexto, e responde confirmando o ID da task criada.
Ideia ou insight — observação, hipótese, aprendizado, padrão (“percebi que clientes que chegam por indicação fecham três vezes mais rápido”). O agente salva como nota no Expert Brain com o kind correto (insight, pattern ou question) e o domínio inferido. Sem intervenção minha.
Lembrete com prazo — algo com data ou contexto temporal (“antes da reunião de quinta”). O agente cria no ClickUp com due date ou registra como task com prazo explícito.
Informação pura — dado, número, referência que precisa existir em algum lugar mas não exige ação imediata (“pesquisa da Gloria Mark sobre interrupções, UC Irvine”). Vai pro Brain como fact com fonte.
Se o áudio for ambíguo, o agente responde uma pergunta de clarificação diretamente no WhatsApp. Na prática isso acontece em menos de 10% dos casos.
Como configurar o workflow?
O workflow tem três componentes que precisam estar em pé antes de funcionar.
1. O agente WhatsApp com MCP whatsapp-agent
O whatsapp-agent é o MCP que dá ao Claude Code acesso à sua conta WhatsApp via Z-API. Ele consegue receber mensagens, transcrever áudios e enviar respostas. A transcrição usa o endpoint de áudio do agente, que por baixo chama Whisper.
Para notas de voz enviadas pro seu próprio número funcionarem, você precisa que o agente esteja monitorando mensagens de entrada — isso é feito via webhook ou polling configurado no MCP.
2. Integração com ClickUp e Expert Brain
O agente precisa de acesso aos dois sistemas. O MCP do ClickUp expõe as ferramentas de criação de task (clickup_create_task). O Expert Brain MCP expõe save_note. Ambos precisam estar configurados e autenticados na instância do Claude Code que processa as mensagens.
A lógica de classificação e roteamento fica num prompt de sistema que instrui o agente sobre como categorizar cada tipo de entrada e qual ferramenta usar em cada caso.
3. Prompt de roteamento
Esse é o ponto que mais faz diferença. Um prompt genérico de “processe essa nota” funciona mal. O prompt precisa ser específico sobre os quatro tipos de entrada, os critérios de classificação, o formato de output esperado e as ações pra cada categoria. Com um bom prompt, o agente acerta na primeira tentativa em ~90% dos casos.
Quer ver como esse workflow funciona na prática?
No mapeamento gratuito a gente analisa os hábitos de captura e processamento de informação do seu dia a dia e mapeia onde a IA pode entrar sem atrito.
Quero fazer mapeamento gratuitoQuanto tempo isso economiza no processamento?
Sem o workflow, cada nota de voz que eu mandava ficava no WhatsApp esperando revisão. No fim do dia eu abria o chat, ouvia os áudios de novo e decidia o que fazer com cada um. Levava de 20 a 40 minutos dependendo do volume.
Com o workflow automatizado, esse tempo vai pra zero na maioria dos dias. As tasks já estão no ClickUp quando abro o painel. As notas já estão no Brain quando vou revisar insights da semana. O que sobra pra mim é confirmar se o agente classificou certo — o que leva menos de dois minutos de revisão semanal.
Em três meses de uso, o agente errou a classificação em 8% dos casos (baseado nos registros de resposta que salvei). Nesses casos eu corrijo no próprio WhatsApp em linguagem natural — “move essa pra Brain como insight, não é task” — e o agente atualiza.
O ganho real não é só tempo. É que as ideias param de morrer no caminho entre a cabeça e o sistema. Antes do workflow, eu estimava que perdia 30% das ideias que capturava porque não processava o áudio no mesmo dia. Esse número foi a zero.
Perguntas frequentes
Precisa ser o WhatsApp? Não funciona com outra ferramenta de áudio?
Funciona com qualquer ferramenta que você já usa sem atrito e tem API pra automatização. O WhatsApp funciona pra mim porque está na home do celular e eu uso dezenas de vezes por dia — não tem fricção de troca de contexto. Se você já tem o hábito de usar Voice Memos do iPhone e consegue configurar um trigger via Shortcuts, funciona igual. O critério é: o que você já abre no automático. Não adianta montar um sistema em cima de um app que você não usa naturalmente.
O agente erra muito na classificação?
Na minha experiência, erra em menos de 10% dos casos com um prompt de roteamento bem escrito. Os erros mais comuns são confundir insight com task quando o áudio mistura os dois (“percebi que X, então preciso fazer Y”) e não inferir o prazo correto em tarefas com contexto temporal implícito. Os dois casos são resolvíveis com exemplos adicionais no prompt. Depois de três meses, meu prompt tem uns oito exemplos de casos edge que treinaram o agente nos erros que ele cometia.
E a privacidade? Esses áudios passam por onde?
O áudio é transcrito via Whisper (pode ser a API da OpenAI ou um modelo local, dependendo de como você configurou). O texto resultante é processado pelo Claude via API. Nas minhas notas de voz não entram dados sensíveis de clientes — só contexto suficiente pra classificar e agir. Se você trabalha com informações confidenciais, configure um modelo local de transcrição. O ponto é: você controla onde o áudio vai, mas precisa ser deliberado sobre isso na configuração.
Funciona sem saber programar?
A configuração inicial exige mexer em MCP, que tem alguma curva. Não é programação do zero, mas não é instalar um app também. Se você já configurou Claude Code com algum MCP antes, está dentro do escopo. Se nunca configurou nada assim, a estimativa realista é uma tarde de setup na primeira vez — e daí em diante é só usar o hábito.
Quanto isso custa pra rodar?
O custo mensal do workflow depende de volume e de onde você roda a transcrição. Com três notas de voz por dia em média (meu volume), o custo de API pra transcrição e processamento fica em torno de R$ 15-25 por mês. Mas o cálculo relevante não é esse — é quanto vale capturar e processar ideias que hoje estão morrendo no WhatsApp sem ir a lugar nenhum.
Faz sentido testar? O hábito de voz pro próprio número custa zero pra começar. Você já tem o WhatsApp. Passa uma semana mandando nota de voz pro seu número cada vez que tiver uma ideia — sem workflow ainda, só o hábito. Quando você tiver 20 áudios acumulados e perceber que está olhando pra eles sem saber o que fazer, é hora de montar o agente. A dor vai calibrar o quanto você quer a automação.
Quer ver onde a IA te devolve tempo na sua empresa?
Faço um mapeamento gratuito do seu dia a dia e mostro os processos que já dá pra tirar das suas costas com IA.
Fazer o mapeamento gratuito Ou me acompanhe no Instagram: @ericluciano