Tutorial do Gumloop: uma introdução à automação nativa de IA

Os fluxos de trabalho modernos lidam cada vez mais com dados não estruturados, como sites, PDFs, e-mails e entradas de texto livre. Esses dados exigem raciocínio, resumo e tomada de decisão. É aqui que o Gumloop entra como uma automação com IA para um novo "cognitive layer" sobre a lógica tradicional.

Neste artigo, vamos explorar o Gumloop, um IDE visual criado especificamente para construir fluxos de trabalho e agentes com IA, e compará-lo a plataformas de automação iPaaS (Integration Platform as a Service) tradicionais como n8n e Zapier. Também vamos guiá-lo passo a passo na criação de um agente de IA simples no Gumloop.

Antes de começar, recomendo abrir uma nova aba, criar uma conta no Gumloop e acompanhar para montar seu primeiro agente em 15 minutos.

Na minha opinião, nosso curso Introduction to AI Agents oferece uma ótima introdução ao tema de ferramentas autônomas de IA. Vale a pena conferir.

O que é o Gumloop?

Gumloop é uma plataforma de automação sem código, nativa de IA, feita para ajudar empresas a construir fluxos de trabalho complexos e agentes de LLM sem conhecimento técnico. Embora pareça visualmente outros apps de arrastar e soltar, sua abstração é mais próxima de um motor de execução para lógica de IA do que de uma simples camada de integrações. 

Seu principal objetivo é ir além da automação tradicional, oferecendo interpretação e raciocínio. O problema central que o Gumloop resolve é a lacuna entre:

• Ferramentas iPaaS rígidas como o Zapier, ótimas para integrações simples, mas que sofrem com lógicas complexas e dados não estruturados.
• Scripts Python totalmente customizados que interagem com LLMs (large language models), que são poderosos, porém exigem esforço de engenharia, infraestrutura e manutenção contínua.

O Gumloop fica no meio do caminho. Ele permite compor visualmente fluxos de trabalho que misturam controle de fluxo tradicional (condições, loops, transformações) com etapas de raciocínio de IA.

Principais recursos do Gumloop

Os principais recursos do Gumloop estão na sua interface baseada em canvas, onde os fluxos são criados conectando nós.

Cada nó representa uma unidade de trabalho, como buscar dados, chamar um modelo, aplicar lógica ou escrever saídas. O layout visual ajuda a manter um modelo mental vivo de como os dados e decisões fluem pelo sistema.

Principais capacidades do Gumloop incluem:

• Lógica de arrastar e soltar: Combine gatilhos, condições, loops e saídas visualmente, sem escrever "glue code".
• Nós de raciocínio de IA: Faça prompts a modelos de linguagem diretamente no fluxo para classificar, extrair, resumir ou decidir.
• Motor de automação de navegador: Interaja com sites em tempo real usando agentes. Eles podem carregar páginas, rolar, clicar e extrair conteúdo dinamicamente.
• Execução nativa de Python: Usuários avançados podem inserir código Python quando os nós visuais não forem suficientes.
• Suporte a Model Context Protocol (MCP): Conecte ferramentas e recursos estruturados aos modelos de forma padronizada.
• Gummie: um assistente de IA integrado que ajuda a gerar nós, explicar erros e acelerar o desenvolvimento.

Esses recursos fazem do Gumloop uma ferramenta poderosa que vai muito além de um conector básico de fluxos de trabalho.

Público-alvo e adequação

O Gumloop foi pensado para quem precisa se mover rápido sem abrir mão de capacidade. Em muitas organizações, iniciativas de automação emperram porque quem entende o problema de negócio não consegue traduzí-lo facilmente em código. 

O Gumloop reduz essa barreira ao permitir que lógica, prompts de IA e integrações sejam compostos visualmente, mantendo expressividade para fluxos complexos.

Alguns dos perfis ideais incluem:

• Líderes de operações automatizando fluxos internos intensivos em pesquisa.
• Engenheiros de growth construindo pipelines de enriquecimento e qualificação.
• Fundadores técnicos que querem agentes em produção sem precisar construir uma plataforma completa.

O diferencial do Gumloop é combinar automação de navegador (interação com a web real) e raciocínio de LLM (interpretação e síntese) em um único canvas. Ao contrário do Gumloop, a maioria das plataformas se especializa em apenas um desses lados.

Casos de uso comuns do Gumloop incluem:

• Coleta e pesquisa automatizada na web
• Enriquecimento de prospecção e qualificação de leads
• Processamento inteligente de documentos (contratos, faturas, relatórios)
• Fluxos internos de operações que exigem julgamento e não só regras

Configurando o Gumloop

Começar no Gumloop é simples, e o plano gratuito é suficiente para acompanhar este tutorial. 

A experiência de onboarding é leve de propósito, então você consegue se inscrever e ter um fluxo funcional sem configurar infraestrutura ou ambientes.

Criação de conta e onboarding

Para começar:

1. Crie uma conta gratuita no Gumloop ou faça login usando sua conta Google ou Microsoft.
2. Após o login, você cai no painel principal.
3. Crie um novo workspace e abra um canvas em branco.

O workspace funciona como um contêiner para seus flows, credenciais e histórico de execuções. Para este tutorial, a configuração padrão é suficiente.

Modelo de preços baseado em créditos

O Gumloop usa um sistema de preços baseado em créditos que reflete de perto os custos reais de computação e execução. Em vez de cobrar por integração ou tarefa, a plataforma mede quanto trabalho seu fluxo realiza, especialmente quando envolve modelos de IA ou automação de navegador. Isso facilita estimar custos conforme os fluxos ficam mais complexos.

Pontos-chave para entender:

• Cada ação consome créditos, às vezes chamados de "fuel" (combustível).
• Operações simples, como mapeamento de variáveis ou ramificações, são baratas.
• Operações caras envolvem tarefas pesadas de computação, como chamadas a LLMs ou automação de navegador.

O Gumloop classifica os modelos de IA em três níveis distintos com base em capacidade e custo de créditos: 

• Standard (2 créditos/chamada, por exemplo, GPT-4.1 Mini, Claude 4.5 Haiku)
• Advanced (20 créditos/chamada, por exemplo, GPT-4.1, Claude 3.7 Sonnet)
• Expert (30 créditos/chamada, por exemplo, GPT-5, OpenAI o3)

Embora os modelos mais novos como o GPT-5.2 da OpenAI, o Gemini 3 do Google ou o Claude Opus 4.6 da Anthropic ainda não estejam disponíveis na plataforma, a seleção atual de modelos do nível Expert já oferece poder de raciocínio suficiente para praticamente todos os casos de uso complexos de automação.

No plano gratuito:

• Você recebe uma cota limitada de 2000 créditos por mês.
• Isso é suficiente para criar e testar vários fluxos pequenos, incluindo o pesquisador de IA deste artigo.
• As chamadas de IA usam chaves de API compartilhadas do Gumloop, e o custo em créditos inclui execução e uso do modelo.

Esse modelo incentiva a experimentação mantendo os custos previsíveis.

Bring your own key (BYOK)

Para quem quer mais controle, o Gumloop oferece o modelo de preços Bring Your Own Key (BYOK). O Gumloop permite inserir suas credenciais pessoais, como chaves de API.

Com o BYOK:

• Você conecta sua própria chave de API da OpenAI ou Anthropic no menu de configurações.
• O Gumloop deixa de aplicar markup de IA nas chamadas de modelo.
• Você paga apenas o custo base de execução em créditos do Gumloop.

Para este tutorial, o BYOK é opcional. Mas, se você já tem créditos de modelos e planeja escalar o uso, vale a pena ativar desde cedo.

Construindo um agente de pesquisa com IA no Gumloop

Agora vamos criar um fluxo de ponta a ponta que transforma o site de uma empresa em um relatório estruturado de pesquisa. O exemplo é intencionalmente prático. 

Pesquisa sobre empresas é uma tarefa comum em vendas, investimentos, parcerias e contratação. Neste exemplo, vamos mostrar como o Gumloop combina coleta de dados, raciocínio e entrega em um único fluxo.

Passo 1: definindo o gatilho

Todo flow no Gumloop começa com um gatilho. Gatilhos definem como e quando um fluxo inicia. Em produção, pode ser um webhook, um job agendado ou um evento externo. Para aprender, um gatilho manual mantém tudo simples e transparente.

Etapas:

1. Clique em Build Your First Flow para abrir o canvas principal.
2. Clique no sinal de + à esquerda para adicionar um nó de Input ao canvas.
3. Adicione um campo de texto chamado "Company Website".
4. Cole a URL "https://gumloop.com" no campo Default value.
5. Salve o nó e clique em Run uma vez para confirmar que o campo aparece corretamente.

Seu nó de entrada deve ficar assim:

Esse gatilho permite que o usuário informe manualmente a URL do site a cada execução do fluxo.

Passo 2: coletando informações

Em seguida, precisamos coletar dados brutos para a IA analisar. Diferente de integrações via API, o conteúdo de sites costuma ser bagunçado, dinâmico e inconsistente. A automação de navegador do Gumloop abstrai boa parte dessa complexidade ao lidar com carregamento, renderização e extração de texto para você.

Etapas:

1. Clique no botão + à esquerda e depois em Core Nodes.
2. Clique em Web Scraping e, em seguida, em Web Scraper.
3. Conecte-o ao nó de Input.
4. Arraste o input Company Website para o campo de URL do scraper.

Passo 3: adicionando o cérebro para análise

É aqui que o fluxo fica "inteligente". Até agora, o fluxo se comporta como automação tradicional. O nó de IA introduz interpretação e síntese, permitindo responder a perguntas que não podem ser resolvidas só com regras.

Etapas:

1. Adicione um nó Ask AI.
2. Conecte-o à saída do nó Website Scraper .
3. Arraste e solte o campo de conteúdo do site na caixa de prompt.
4. Use um prompt como:

"Analyze this website text and extract the company’s value proposition, their target audience, and their pricing model, if mentioned."

Nas configurações do nó:

• Selecione um modelo adequado para análise de texto. Vou usar o GPT-4.1 Mini da OpenAI.
• Modelos diferentes podem ser escolhidos dependendo de custo, velocidade ou profundidade de raciocínio.

A ideia central é que o nó de IA transforma texto não estruturado em insights estruturados.

Passo 4: entregando o relatório

Por fim, enviamos os resultados para um destino útil. As saídas são onde os fluxos com IA geram valor operacional de verdade.

Opções incluem:

• Send Email: entregar o relatório direto na caixa de entrada.
• Google Sheets: adicionar os resultados como uma nova linha para acompanhamento.

Etapas:

1. Neste exemplo, use o nó Send Email Notification.
2. Mapeie a resposta da IA para o corpo do e-mail arrastando e soltando a resposta no campo do corpo do e-mail.

Quando terminar, clique em Run no canto superior direito.

Durante a execução, você pode acompanhar logs ao vivo mostrando cada etapa em ação, da coleta à análise e entrega. Quando a execução finalizar, você verá a seguinte tela:

Agora, vá até sua caixa de entrada para ver se o fluxo enviou um e-mail com as informações relevantes. Veja como ficou meu aviso por e-mail:

Como você pode ver, o fluxo entregou exatamente o que eu precisava, direto na minha caixa de entrada.

Aprimorando e escalando seu flow no Gumloop

Depois que o fluxo básico funciona, o Gumloop oferece ferramentas para depurar, estender e escalar. É aí que muitas soluções no-code falham, mas o Gumloop investe pesado em observabilidade e suporte à iteração.

Depuração com histórico de execuções

A guia Previous Runs é essencial para solucionar problemas e refinar. Cada execução é registrada com saídas intermediárias detalhadas, permitindo entender não só que algo falhou, mas por que falhou.

Você pode:

• Inspecionar exatamente quais dados passam por cada conexão.
• Verificar se o scraper foi bloqueado ou retornou conteúdo incompleto.
• Reexecutar uma tentativa com falha sem precisar reinserir inputs.

Essa visibilidade é crucial ao lidar com sites externos e saídas de IA. Esse relatório detalhado de execução também fica disponível para execuções em andamento.

Tratando listas com o modo de loop

Fluxos reais raramente processam um único input. Assim que um fluxo se prova útil, quase sempre surge a pergunta de como escalá-lo para muitos itens sem duplicar esforço ou lógica.

Cenário de exemplo:

• Em vez de um site, você quer analisar 50 URLs de empresas.

O Gumloop dá suporte a isso com o Loop Mode:

1. Forneça uma lista de sites como input.
2. Ative o Loop Mode (no canto superior direito) nos nós relevantes.
3. Cada site da lista é processado automaticamente, muitas vezes em paralelo.

Um indicador visual no canto superior direito do nó mostra quando ele está operando em modo batch, facilitando o entendimento do comportamento.

Otimizando com o assistente de IA Gummie

Gummie é o assistente de IA nativo do Gumloop, criado para reduzir atritos tanto na configuração inicial quanto na otimização posterior. Em vez de substituir o usuário, o Gummie atua como um pair programmer que entende os blocos do Gumloop.

Você pode usar o Gummie para:

• Gerar novas etapas digitando instruções em linguagem natural, como "Add a step that saves this to a CSV."
• Explicar mensagens de erro obscuras.
• Sugerir otimizações ou etapas que estejam faltando.

Para quem não é de engenharia, o Gummie reduz significativamente o atrito ao construir fluxos mais complexos.

Gumloop vs concorrentes

O ecossistema de ferramentas de automação com IA está crescendo, e o Gumloop não é a única opção no mercado. Vamos ver algumas comparações entre ferramentas.

Gumloop vs Zapier

O Zapier é construído em torno de integrações e execução linear de tarefas.

Diferenças-chave:

• Zapier é "integration-first"; o Gumloop é nativo de IA.
• O Zapier cobra por tarefa, o que fica caro ao iterar sobre grandes volumes de dados em loop.
• O Gumloop foca em computação e raciocínio, sendo mais adequado para dados não estruturados como textos e PDFs.

O Zapier continua excelente para automações simples baseadas em APIs estruturadas. O Gumloop se destaca quando é preciso julgamento e interpretação.

Gumloop vs n8n

n8n representa o outro extremo do espectro.

Contrastes principais:

• n8n é open-source e frequentemente auto-hospedado, atraindo engenheiros que querem controle total.
• Gumloop é totalmente hospedado e gerenciado, priorizando velocidade e facilidade de uso.
• Gumloop oferece nós de IA especializados e suporte a MCP, enquanto o n8n depende mais de integrações genéricas via HTTP ou frameworks.

Na prática, o Gumloop oferece um "time-to-agent" mais rápido para times de operações, enquanto o n8n é mais adequado para configurações altamente técnicas e intensivas em infraestrutura.

Para uma comparação entre os dois concorrentes do Gumloop, confira nosso artigo comparando n8n versus Zapier.

Conclusão

O Gumloop representa uma nova forma de construir automações. Em vez de tratar a IA como um extra opcional, ele incorpora o raciocínio diretamente no modelo de execução, permitindo que os fluxos se adaptem a dados bagunçados do mundo real. 

Neste artigo, criamos do zero um pesquisador de empresas com IA usando apenas o Gumloop. Esse mesmo padrão se aplica a outras aplicações como pipelines de contratação, pesquisa de vendas, checagens de compliance e criação de conteúdo.

Para estender esse fluxo, recomendo experimentar. Você pode, por exemplo, tentar:

• Adicionar um nó de Google Search antes do scraper para descobrir empresas automaticamente.
• Encadear vários nós de IA para análises mais profundas.
• Explorar a biblioteca de templates para pontos de partida avançados.

Se quiser ver na prática uma abordagem diferente, mais baseada em código, recomendo muito fazer o nosso curso Developing LLM Applications with LangChain .