O tutorial da Make de 7 de agosto de 2023 ligava Typeform, OpenAI, Airtable e Slack para organizar respostas de pesquisa. A classificação combinava dois aspectos: sentimento e utilidade do comentário.
Esta reescrita preserva essa lógica, sem repetir a promessa de alta precisão nem recomendar modelos antigos.
Para preços, planos e limites, consulte a página oficial de preços da Make; você também pode abrir o Make pelo nosso link de afiliado. Alguns links deste site são links de afiliados. Como parceiro da impact, podemos receber uma comissão se você fizer uma compra por esses links, sem custo adicional para você.
1. Receber a pesquisa
O primeiro módulo do exemplo era Typeform > Watch Responses. O autor criava a conexão e o webhook, selecionava o formulário e recebia uma submissão para mapear os campos.
Confira quais perguntas são notas e quais são comentários abertos. O texto analisado deve corresponder à pergunta exibida ao cliente, não a um campo escolhido apenas pela posição.
2. Definir o significado da classificação
O prompt do exemplo combinava sentimento positivo, negativo ou neutro com utilidade. Também distinguia ausência de resposta.
Um comentário como “faltam recursos” pode ser útil mesmo sem oferecer uma solução. Já um elogio de uma palavra pode indicar sentimento positivo sem explicar o motivo.
Adaptação editorial de instrução: “Analise as respostas fornecidas. Para cada uma, indique sentimento, utilidade e uma justificativa curta. Use ausência de resposta quando não houver texto. Não acrescente informações que o cliente não forneceu.”
Mapeie perguntas e respostas no módulo de IA. Escolha um modelo disponível na conexão, sem copiar o identificador antigo da fonte como requisito atual.
3. Separar os campos antes de gravar
O guia usava Tools > Set variable com split e newline para separar a resposta textual. Essa abordagem depende de a saída manter exatamente a estrutura esperada.
Não copie posições de um array sem observar uma execução real: uma linha extra pode deslocar sentimento, utilidade e justificativa.
Alternativa editorial: se configurar uma resposta JSON, defina as chaves antes, use JSON > Parse JSON e encaminhe saídas inválidas para revisão. Esse é um ajuste de desenho, não uma etapa executada no tutorial original.
4. Registrar no Airtable
O módulo Airtable > Create a Record recebia a base e a tabela escolhidas. O registro reunia o identificador do formulário, as respostas originais e a análise.
Mantenha o comentário original separado da classificação. Assim, uma pessoa consegue verificar por que a IA marcou uma resposta como negativa ou pouco útil.
Consulte a documentação do Airtable no Make para a conexão; não reutilize instruções antigas de autenticação por suposição.
5. Notificar no Slack
A etapa final do exemplo usava Slack > Create a Message com canal e texto definidos. A notificação pode resumir a classificação e apontar para o registro, evitando expor dados desnecessários em canais amplos.
Validar o resultado, não só a execução
Use respostas fictícias positivas, negativas, ambíguas e vazias. Compare manualmente a classificação com o texto. Teste também uma saída de IA que não obedeça ao formato esperado.
Uma execução concluída mostra que o fluxo rodou; não prova que a interpretação do cliente está correta. Use as classificações como apoio à triagem e revise casos relevantes antes de responder ao cliente.