A Anthropic compartilhou como usa Claude de forma diferente (domine isso em 12 minutos)

Autoria: Jay E | RoboNuggets · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Anthropic just shared how they use Claude differently (Master it in 12 mins) · Canal: Jay E | RoboNuggets · 12:24 · Assistir no YouTube

Tópicos: Agentes de IA, Aplicações empresariais de IA, Automação de tarefas e workflows, Claude

Resumo

O vídeo apresenta três formas de usar agentes de IA com mais ambição, inspiradas nas ideias de Felix Rieseberg, engenheiro da Anthropic: altitude, profundidade e alcance. Em vez de delegar tarefas isoladas, a proposta é definir o resultado desejado, exigir métodos e validações de especialistas e explorar perspectivas de diferentes áreas. O vídeo também relaciona essa abordagem à autoeficácia — a crença de que é possível realizar algo — e sugere equilibrar a ambição com clareza sobre os motivos para agir.

Pontos-chave

Na altitude, descreva o resultado que deseja, em vez de especificar apenas uma tarefa; isso pode permitir workflows mais duráveis e menos dependentes de intervenção humana.
Essa abordagem funciona melhor para resultados finais bem definidos do que para trabalhos criativos que exigem muita iniciativa humana.
Para obter trabalho de nível especializado, peça ferramentas e métodos usados por profissionais, estabeleça metas desafiadoras e valide os resultados com avaliadores externos.
Antes de iniciar uma tarefa importante, pergunte o que um profissional experiente faria, quais materiais e métodos usaria e como outra pessoa ou ferramenta poderia verificar o resultado.
No alcance, considere perspectivas de outras áreas e distribua o trabalho entre subagents com diferentes papéis.
Trocar o substantivo que descreve uma entrega pelo verbo que expressa o que ela deve realizar ajuda a revelar o objetivo real e as perspectivas úteis.
Uma equipe de apoio pode incluir especialistas e um red team para procurar falhas, mas o uso de subagents pode consumir muitos tokens.
A autoeficácia pode crescer ao acreditar que algo é possível, observar outras pessoas conseguindo e permitir-se falhar enquanto melhora o trabalho.
A ambição com IA deve ter um propósito claro; também é válido desacelerar ou pausar.

Capítulos

Início	Capítulo	Resumo
00:00	A proposta: usar IA com mais ambição	O vídeo apresenta a história de George Dantzig e introduz as três formas de ampliar o uso de agentes de IA.
03:39	Profundidade: trabalhar como um especialista	A seção recomenda ferramentas adequadas, metas desafiadoras e validação externa para melhorar a qualidade do trabalho.
07:15	Alcance: incorporar outras perspectivas	O vídeo mostra como reformular objetivos e reunir diferentes papéis para encontrar soluções e possibilidades menos óbvias.
10:50	Autoeficácia e limites da ambição	O encerramento explica como fortalecer a confiança para agir e ressalta a importância de manter um propósito claro e saber pausar.

Citações

Algumas pessoas parecem voar com a IA, enquanto muitas outras ainda estão tentando fazer suas novas asas funcionarem. — 01:02

Em vez de pedir a tarefa, peça o resultado. — 01:34

O que um profissional de alto nível faria aqui que você não está pedindo? — 06:13

Fazer pessoas ocupadas acreditarem em uma história sobre causa e efeito e decidirem sob incerteza em 30 minutos. — 08:47

Lembre-se do motivo pelo qual você está fazendo isso e sinta-se à vontade para pausar quando precisar. — 11:53

Conceitos e entidades

Claude (modelo): Assistente de IA da Anthropic usado nos exemplos de delegação de tarefas e trabalho com agentes.
Anthropic (empresa): Empresa de IA à qual pertence o engenheiro cujas ideias são discutidas no vídeo.
Felix Rieseberg (pessoa): Engenheiro da Anthropic cujas recomendações sobre usar IA com mais ambição são apresentadas no vídeo.
altitude (conceito): Abordagem que consiste em pedir o resultado desejado, em vez de prescrever cada tarefa para alcançá-lo.
profundidade (conceito): Abordagem que busca realizar uma tarefa com métodos, ferramentas e validação comparáveis aos de especialistas.
alcance (conceito): Abordagem que amplia o trabalho com perspectivas de outras áreas e diferentes papéis de apoio.
autoeficácia (conceito): Crença de que se é capaz de realizar algo, que o vídeo associa a maiores chances de sucesso.
Blender (ferramenta): Software 3D gratuito citado como exemplo de ferramenta usada para criar ambientes e visualizar projetos.
George Dantzig (pessoa): Estudante que, segundo a história contada no vídeo, resolveu problemas de estatística por acreditar que eram deveres de casa.

Tradução completa (pt-BR)

00:00 Em 1939, um estudante chegou atrasado a uma aula de estatística, copiou dois problemas do quadro achando que eram dever de casa e entregou as respostas no dia seguinte. Eram dois problemas de estatística ainda sem solução, e ele os resolveu porque não sabia que ainda não tinham sido resolvidos. E, segundo o engenheiro-chefe do app Claude na Anthropic, essa é a mentalidade que os 1% melhores usuários de IA agêntica têm. O artigo dele sobre o assunto, chamado “Como ser mais ambicioso: um tutorial para humanos com modelos”, já tem mais de 4,5 milhões de visualizações

00:31 no X. Então, hoje vou compartilhar com vocês todos os insights que ele apresentou e explicar os três métodos pelos quais vocês podem se tornar mais ambiciosos com IA. E, para cada um, vou mostrar o que a maioria das pessoas faz atualmente e como é a abordagem dos 1% melhores usuários de IA, para que vocês possam aplicá-la por conta própria e se tornarem ainda mais eficazes ao usar Claude nos negócios. E, se você é novo por aqui, meu nome é Jay. Passei mais de uma década trabalhando com marcas que você provavelmente conhece, estou na área de IA desde o meu mestrado em ciência de dados e agora lidero nosso negócio de IA em uma das maiores comunidades de IA do mundo. Então, Felix Riesberg

01:02 é engenheiro-chefe na Anthropic e liderou a engenharia do app Claude, do co-work e do app desktop Claude Code, o que significa que trabalhou em muitos dos agents que usamos todos os dias. E o que ele percebeu é que, como diz, algumas pessoas parecem estar voando com IA, enquanto muitas outras ainda têm dificuldade para fazer suas novas asas funcionarem. A solução dele, em apenas três palavras, é ser mais ambicioso. Mas ele admite que esse é um conselho bem complicado e genérico de seguir, então dividiu a ideia em tipos de ambição. E hoje vamos falar de três deles. Vamos abordar cada um desses três e, para manter as coisas

01:34 concretas, também vou dar exemplos de diferentes tipos de negócios para cada um. Então, vamos começar pelo primeiro método: altitude. Felix diz que as pessoas costumam chamar isso, de maneira leviana, de deixar o modelo operar em um nível mais alto de abstração, o que basicamente significa que, em vez de pedir a tarefa, você pede o resultado. Porque, quando você dá uma tarefa a Claude, ele apenas executa seu melhor palpite de como conseguir o que você quer. Então, a pergunta que Felix diz para você se fazer é: “O que você realmente quer que aconteça a seguir? Ou qual é o objetivo além do objetivo?” O exemplo dele é que, no começo do ano passado, ele

02:05 ainda pedia a Claude que corrigisse as falhas dos apps uma de cada vez. Por fim, simplesmente pediu a Claude que mantivesse os apps sem falhas. O resultado foi o que Felix chama de workflow duradouro, mais eficaz para tirar o ser humano do processo. Assim, ele não precisa mais passar uma tarefa atrás da outra para Claude. Então, no seu negócio, você pode analisar a tarefa que está prestes a passar para Claude e perguntar para que ela serve de verdade. Por exemplo, digamos que você esteja montando uma apresentação de proposta para um cliente. E talvez já tenha um modelo de slides para isso. O que a maioria das pessoas faz é

02:37 pedir a Claude que simplesmente preencha os slides. E, para ser justo, isso funciona na maioria dos casos. Mas, se o verdadeiro objetivo é impressionar o cliente, dar esse objetivo a Claude pode levar a uma abordagem completamente diferente. Se a proposta envolver um local, por exemplo, talvez ele crie um mundo 3D explorável do espaço, pelo qual você possa conduzir o cliente. Ou, em vez de um pacote entediante de slides feito no PowerPoint, ele pode criar belos slides em HTML, interativos, com animações e que mostrem claramente o que você vai entregar. A altitude funciona melhor quando você realmente busca algum resultado final definível, como manter

03:08 os apps sem falhas, por exemplo. No entanto, pelo menos com os modelos atuais, ela funciona menos bem para trabalhos criativos. Por exemplo, se você simplesmente pedir a Claude para ganhar dinheiro e não cometer erros, isso, por si só, não funciona para a maioria das empresas em 2026. Porque essa parte ainda exige muita criatividade da sua parte. Embora Felix também diga que os modelos parecem conseguir lidar com níveis cada vez mais altos de abstração à medida que se tornam mais capazes. Então, veremos se isso muda no futuro. E, enquanto avançamos para os próximos dois tipos, saiba também que coloquei

03:39 todos os recursos, prompts e aprendizados deste vídeo neste guia gratuito, que inclui uma skill que você pode simplesmente enviar ao seu agent. Assim, se quiser que seu agent seja mais ambicioso com determinada tarefa, ele recorre a todos os pontos-chave e às melhores práticas deste vídeo. O link está na descrição abaixo, caso você precise. Agora, vamos passar para um segundo nível: profundidade, porque às vezes você só quer que uma tarefa seja feita muito, muito bem. E ser ambicioso em profundidade significa fazer a tarefa da maneira como faria um especialista de alto nível naquela área. A armadilha que Felix aponta é que, quando você simplesmente

04:09 diz a um modelo para agir como um profissional, muitas vezes ele só muda o vocabulário. Usa jargões sem realmente mudar os métodos. Então, como fazer seu agent trabalhar como um especialista, e não apenas parecer um? Felix usa três técnicas. Para demonstrá-las, vamos usar o exemplo dele: uma empresa chamada Acme, que perde clientes todos os meses — o que se chama churn — e precisa se preparar para sua revisão trimestral. A primeira técnica é exigir as mesmas ferramentas usadas pelos melhores do setor. Para trabalhar adequadamente no churn da Acme, Claude precisaria das

04:39 ferramentas que os próprios especialistas usam. Para esse problema, talvez você esteja pensando em um gerente de sucesso do cliente ou em um estrategista de preços. Ou, para um trabalho de redução de churn em grande escala, também precisaria de um cientista de dados. Então, se Claude simplesmente recorrer a uma tabela simples no chat e começar a executar a tarefa, conteste e pergunte se é mesmo isso que os melhores da área usariam. E a boa notícia é que você nem precisa saber ou entender o que os especialistas usam, porque esses modelos, incluindo Claude, geralmente sabem. A segunda técnica é escolher metas que pareçam ambiciosas e razoáveis e simplesmente dizer ao

05:10 modelo para tentar alcançá-las. Por exemplo, se você precisa que seu site carregue em 5 segundos em vez de 10, não peça apenas 5; veja se Claude consegue reduzir o tempo de carregamento para 1 segundo ou até 200 milissegundos. E, se Claude disser que é impossível, Felix diz que você pode simplesmente responder que é totalmente viável e que ele só precisa continuar tentando. Outra técnica é usar um avaliador externo, o que significa nunca pedir ao modelo que avalie o próprio trabalho nas tarefas mais importantes. Isso é importante porque, se você reparar, muitos dos modelos de IA que temos agora são bastante complacentes e não são necessárias muitas

05:41 tentativas para convencê-los de que o que você está dizendo está certo. Felix observa que espera que isso seja resolvido à medida que os modelos se tornarem mais inteligentes, mas, por enquanto, recomenda exigir validação externa. O ideal é que seja uma ferramenta que o modelo possa chamar. Por exemplo, no caso do site, pode ser um teste de velocidade executado após cada alteração. Ou, se for um trabalho mais criativo, criar um subagent que atue como avaliador já demonstrou, em vários testes independentes, ser bastante eficaz para aprimorar o resultado final. E a boa notícia é que, com este método, você consegue chegar bem perto do resultado ideal usando apenas um prompt. E Felix

06:13 compartilha o prompt que ele mesmo usa para obter uma versão mais aprofundada de qualquer tarefa. Ele pede quatro coisas a Claude antes de começar: “O que um profissional de alto nível faria aqui que você não está considerando? Qual é a matéria-prima mais básica de que essa pessoa partiria? Que métodos e ferramentas ela usaria? E o que, além de você ou de Claude, poderia demonstrar que o resultado está correto?” Em seguida, ele reescreve seu prompt para pedir exatamente isso. Você pode simplesmente tirar uma captura de tela desse prompt ou acessar a skill que mencionei abaixo, para tê-la sempre à distância de um comando curto. E, a propósito, se você quiser aprender a criar e vender

06:44 Sistemas de IA pelos quais as empresas realmente pagam: é praticamente tudo o que fazemos na comunidade Robo Nuggets. Lá, você não só tem acesso à Claude Living Masterclass, que atualizamos toda semana e que leva você do zero à maestria com as novidades em IA, como também tem acesso ao nosso curso Agents as a Service, que mostra como você pode realmente ganhar dinheiro com todas essas habilidades de IA que está aprendendo. Você também passa a fazer parte de uma comunidade de pessoas que constroem com IA genuinamente incrível. Na verdade, você pode ver aqui alguns dos resultados recentes que nossos membros estão alcançando com o programa. Então, se quiser começar a ganhar dinheiro com IA, confira o comentário fixado abaixo. Agora, de volta ao

07:15 vídeo. E, por fim, o terceiro componente para ser mais ambicioso é o alcance. Se a altitude significa olhar as coisas de uma perspectiva de mil pés, e a profundidade significa levar cada tarefa ao máximo de seu potencial, o alcance se expande para os lados, ou seja, significa olhar para o seu trabalho do ponto de vista de outras áreas. E, provavelmente, de mais pontos de vista do que jamais teria feito sentido considerar no passado. Essa não é uma ideia nova, porque todo filme de assalto em que você pensar passa os primeiros 30 minutos reunindo uma equipe de cinco pessoas com talentos diferentes, certo? Então, é basicamente o mesmo

07:46 princípio. Mas, agora, a ideia é fazer com que seus agents dividam um trabalho entre vários auxiliares ao mesmo tempo. E, para uma tarefa muito importante, ajuda se esses subagents tiverem pontos de vista diferentes, para que você consiga identificar o que chamamos de incógnitas desconhecidas, ou seja, a parte do seu trabalho que você nem sabia que era uma possibilidade. Felix admite que essa não é uma tarefa fácil, porque exige criatividade. Por exemplo, ele disse que, até ver um colega usando Blender, um software 3D gratuito para renderizar projetos de interiores, nunca

08:16 pensou em usar Claude para criar ambientes 3D para o próprio site. Esse é um exemplo de uma possibilidade que ele nem sequer considerou no início, uma incógnita desconhecida. Diante desse desafio, como fazer isso na prática? Bem, o primeiro truque que Felix usa é antigo e vem de um livro chamado The Art of Innovation: tentar substituir os substantivos por verbos. Se usarmos como exemplo uma QBR, uma revisão trimestral de negócios que muitas empresas fazem, algumas pessoas podem descrever o resultado como uma apresentação de PowerPoint, que é o substantivo neste

08:47 caso. O verbo — e vou ler exatamente o que Felix escreveu aqui — é fazer com que pessoas ocupadas acreditem em uma narrativa de causa e efeito e tomem decisões em 30 minutos, mesmo diante da incerteza. Usar verbos facilita muito, não apenas para o seu agent, mas também para você, identificar qual é o objetivo real e quais áreas poderiam trazer um ponto de vista único e útil. Isso nos leva a outro truque: montar a equipe. Isso significa que você pode exigir que Claude reúna vários papéis e pontos de vista, e não apenas o próprio. Então,

09:17 no exemplo da revisão trimestral, Claude poderia reunir um analista, um gerente de vendas e, se a apresentação for ser exibida, até mesmo um designer gráfico. E uma boa prática, como mencionamos no ponto anterior, é incluir o ponto de vista de uma equipe vermelha. Caso você não saiba, red teaming é basicamente uma prática em que o trabalho dessas pessoas é encontrar falhas no trabalho, como se fossem um grupo de advogados do diabo. É claro que usar auxiliares pode consumir muitos tokens, então você pode fazer isso apenas nos trabalhos mais importantes. Para começar, pode usar um prompt como este, que você pode simplesmente capturar em uma imagem. E, só para dar um exemplo antes de

09:48 deixarmos esse ponto: imagine que você é um corretor de imóveis com uma casa para vender, e que vender essa casa é extremamente importante para atingir sua meta de receita do ano. O que a maioria das pessoas faz é simplesmente pedir a Claude que produza o anúncio do imóvel, que é o substantivo neste caso. Mas o verbo seria, por exemplo, ajudar uma família a imaginar como seria sua vida nessa casa antes mesmo de visitá-la. Quando você formula dessa maneira, a combinação de especialistas que Claude pode reunir muda e fica mais clara. Você pode pedir que assuma o papel de designer de interiores para preparar cada cômodo, talvez de artista 3D para criar um

10:19 passeio virtual, um pouco como no exemplo de Felix com Blender. Você pode até pedir que assuma o papel de alguém da região que conhece os melhores restaurantes por perto. Assim, a página final do anúncio que você recebe não será apenas uma página imobiliária genérica, mas uma página personalizada para aquele projeto, considerando a importância que ele tem para você. Esses são os três pilares da ambição. Mas também gostei muito de como Felix conclui, porque tudo leva a uma ideia que ele menciona: o conceito de autoeficácia. Basicamente, isso significa o quanto você acredita que é capaz de realizar algo. E, se você conseguir aumentá-la, especialmente

10:50 agora que temos IA, também aumentará suas chances de sucesso em qualquer área ou jogo em que esteja atuando. E o melhor é que, de certa forma, é possível desenvolver a autoeficácia. Parece que há mais de 35 anos de estudos sobre definição de metas por trás disso, e existem três estratégias bem documentadas. Então, vou destacar cada uma rapidamente, porque é bastante interessante. A primeira é acreditar que é possível, como aquele estudante, George Dantzig, que resolveu dois problemas de estatística nunca antes solucionados, na década de 1930, porque achou que eram dever de casa. A segunda

11:21 é ver outra pessoa fazer isso. Durante décadas, por exemplo, ninguém conseguia correr uma milha em menos de 4 minutos. Então Roger Bannister conseguiu na década de 1950 e, poucos dias depois, outra pessoa também conseguiu. A terceira é dar a si mesmo permissão para falhar. Isso está relacionado à ideia de que, se você simplesmente publicar as coisas e colocar seu trabalho no mundo, melhorando a cada tentativa, acabará tendo sucesso. E, como diz Felix, a autoeficácia não é exatamente um conceito novo, mas agora é mais poderoso. Porque, em um mundo em que nossas habilidades avançam aos saltos a cada

11:53 poucas semanas, podemos ser mais ambiciosos em relação ao que somos capazes de trazer ao mundo. Mas acho que também é preciso fazer uma ressalva, porque, quando falamos de IA, também precisamos falar sobre como dosar essa ambição e até encontrar o motivo por trás dela. Caso contrário, você simplesmente acaba indo cada vez mais rápido e ficando cada vez mais ambicioso, sem ter um motivo claro. Então, definitivamente, use essas técnicas e métodos para se tornar mais ambicioso, considerando o quanto os agents de IA se tornaram poderosos. Mas, no fim das contas, lembre-se do motivo pelo qual está fazendo isso e fique à vontade para parar quando precisar. Como sempre, obrigado

12:24 por assistir até o fim. Costumo fazer sessões como esta para ajudar você a usar IA melhor nos seus negócios. Então, se isso é do seu interesse, fique à vontade para se inscrever. Até a próxima. Um abraço. >> [música]

Transcrição original

[00:00] In 1939, a student turned up late to a statistics class, copied two problems off the board thinking they were homework, and handed in his answers the next day. They were two unsolved problems in statistics, and he solved them because he didn’t know that they weren’t solved. And according to the lead engineer of the Claude app at Anthropic, that is the mindset that the top 1% of agentic AI users have. His article on it called how to be more ambitious, a tutorial for humans with models, now has over 4.5 million views

[00:31] on X. So today I’ll share with you all the insights he shared and go through the three methods by which you can become more ambitious with AI. And for each one, I’ll show you what most people do right now and what the top 1% of AI users’ version looks like so that you can apply it on your own to become even more effective when you’re using Claude for your business. And if you’re new, my name is Jay. I spent over a decade working with brands you probably know, have been in AI since my master’s in data science, and now I’m leading our AI business in one of the largest AI communities globally. So Felix Riesberg

[01:02] is a lead engineer at Anthropic, and he’s led the engineering for the Claude app, co-work, and the Claude code desktop app, which means he’s worked on a lot of the agents that we use every day. And what he noticed is that, as he puts it, some people seem to be flying with AI, while many others are still struggling to get their new wings to work. Now, his fix in just three words is to be more ambitious. But he admits that’s pretty tricky and general advice to follow, so he broke it down into types of ambition. And today we’ll go through three of them. So we’ll go through each of those three, and to keep

[01:34] it concrete, I’ll also give you examples from different kinds of businesses for each one. So let’s start with the first method, which is altitude. Felix says people often flippantly call this letting the model operate at a higher abstraction, which basically means that instead of asking for the task, you ask for the outcome. Because when you give Claude a task, it’s only carrying out your best guess at how to get what you want. So, the question Felix says to ask yourself is, “What do you actually want to happen next? Or what’s the goal beyond the goal?” His own example is that at the start of the last year, he

[02:05] was still asking Claude to fix the crashes in his apps one at a time. And eventually, he just asked Claude to keep the apps crash-free. And what that resulted in is what Felix calls a durable workflow, one that is more effective at taking the human out of the loop. So, he no longer has to hand Claude task after task. So, in your own business, what you can do is to look at the task that you’re about to hand Claude and ask what it’s actually for. For example, let’s say you’re putting together a pitch deck for a client. And maybe you already have a slide template for this. Now, what most people do is

[02:37] ask Claude to just fill in the slides. And to be fair, that works for most use cases. But if the real goal is to impress the client, then if you give Claude that goal instead, it might come back with a completely different approach. If the pitch involves a venue, for example, maybe it builds an explorable 3D world of the space that you can walk the client through. Or instead of a boring slide pack made in PowerPoint, it now builds you beautiful HTML slides that are interactive, can animate, and clearly show what you’re going to deliver. Now, Altitude works best when you really are after some ultimate definable outcome, like keeping

[03:08] the apps crash-free, for example. However, at least with the models right now, it works less well for creative work. So, for example, if you just ask Claude to go make money and not make any mistakes, that doesn’t really work for most businesses by itself in 2026. Because that part still takes a lot of creativity from you. Although Felix also does say that models seem to be able to handle higher and higher levels of abstraction the more capable they get. So, we’ll see if that changes down the line. And also, as we go deeper into the next two types, just know that I’ve put

[03:39] every resource, prompt, and learning from this video into this free guide that includes a skill, which you can just send to your agent. So that if you want your agent to be more ambitious with a certain task, then it invokes all the key points and best practices from this video. That’s just in the description below if you need it. So, now let’s take it to a second level with depth because sometimes you just want a task done really, really well. And being ambitious in depth means getting the task done the way that a top expert in that field would. And the trap that Felix points out is that when you just

[04:09] tell a model to act like a professional, what it often does is just change his vocabulary. It uses the jargon without really changing its methods. So, how do you get your agent to work like an expert just sound like one? Well, Felix actually uses three techniques. To show them, we’ll use his example, a company called Acme that’s losing customers every month, which is called churn, and it needs to get ready for its quarterly review. The first technique is to insist on the same tools that the best in the industry use. Because to work on Acme’s churn properly, Claude would need the

[04:39] tools that the experts themselves use. So, at least for this problem, maybe you’re thinking of a customer success manager or a pricing strategist. Or for large-scale churn reduction work, you would also need a data scientist. So, if Claude just reaches for a simple table in the chat and just goes ahead and does the task, push back and ask it if that’s really what the best in the field would use. And the good news is you don’t even need to know or understand what the experts use because these models, including Claude, usually does. Second is that you need to pick goals that sound and reasonable and just tell the

[05:10] model to have a crack at it. For example, if you need your website to load in 5 seconds instead of 10, don’t just ask for 5 and see if Claude can get it down to load in 1 second or even 200 milliseconds. And if Claude says that’s impossible, Felix says that you can just tell it that it’s very much solvable and it just needs to keep going. Another technique is to use an outside judge, which means never asking the model to judge his own work for your most important tasks. And this is important because if you notice, a lot of the AI models that we have now are quite agreeable and it actually doesn’t take a

[05:41] few prompts to convince them that what you are saying is right. Now, Felix does note that he expects this will get solved as the models get smarter, but for now he says to insist on outside validation. Ideally, this is a tool that the model can call, like let’s say for that website example, it can be a speed test that it runs after every change. Or if it’s more creative work, spawning a sub-agent which acts as a judge is proven by multiple independent tests to be quite effective in refining the final output. And the good news is you can get most of the way there for this method with just a single prompt. And Felix

[06:13] actually shares the one that he uses himself to get a deeper version of any task. It asks Claude four things before it starts. What would a top professional do here that you are not asking for? What’s the rawest material that they would start from? Which methods and tools would they use? And what, other than you or Claude, would show that the result is right? Then it rewrites your prompt to ask for exactly that. And this prompt you can just screenshot it, or you can also access that skill that I mentioned below, so that it’s always one short command away. And by the way, if you want to learn how to build and sell

[06:44] AI systems that businesses actually pay for, then that’s pretty much all we do over at the Robo Nuggets community. Where not only do you get access to the Claude Living Masterclass, which we update every week and takes you from zero to mastery with the latest on AI, but you also get access to our Agents as a Service course, which walks you through how to actually get paid for all these AI skills that you are learning. You also get to be part of a genuinely great community of AI builders. In fact, you can see just some of the recent wins our members are getting from the program right here. So if you want to start earning from AI, then check that just in the pinned comment below. Now back to

[07:15] the video. And finally, the third component of being more ambitious is range. Because if altitude is looking at things at a thousand feet view, and depth is pushing each task to its maximum possible output, range goes sideways, which means looking at your work from the point of view of other fields. And probably more points of view than would have ever made sense to do versus the past. Now, this isn’t a new idea, because every single heist movie that you to about would spend the first 30 minutes putting together a crew of five different people and talents, right? So, that’s basically the same

[07:46] principle. But, now it’s really to have your agents split a job across several helpers at once. And for a very important task, it helps if those sub-agents have varying points of view so that you can figure out what we call unknown unknowns, which means the part of your work that you didn’t even know is an option to begin with. Now, Felix admits this one isn’t easy because it takes some creativity. For example, he said that until he saw his colleague use Blender, which is this free 3D software to render interior designs, he never

[08:16] thought of using Claude to build 3D environments for his own website. So, that’s an example of an option that he didn’t even consider in the beginning, an unknown unknown. So, given this challenge, how do you actually do it? Well, the first trick Felix uses is an old one from a book called The Art of innovation, which is to try replacing the nouns with verbs. So, if we talk about an example of a QBR, which is a quarterly business review that a lot of companies do, some people may describe that output as a PowerPoint presentation, which is the noun in this

[08:47] case. The verb, and I’ll read verbatim from what Felix wrote here, is getting busy people to believe a story about cause and effect and to decide under uncertainty in 30 minutes. And having the verbs makes it much easier for not just your agent, but also yourself to see what the actual goal is and which fields could bring in a unique and useful point of view, which leads us to a follow-up trick, which is to assemble the crew. Meaning that you can insist that Claude bring in several roles and points of view and not just its own. So,

[09:17] for the quarterly review example, Claude would then bring an analyst, a sales manager, and if it’s being presented, it can even bring in a graphic designer, too. And a good practice, as we mentioned in the earlier point, is to bring in the point of view of a red team, which if in case you don’t know that red teaming is basically this practice where their job is to find holes in the work, sort of like a devil’s advocate group. Now, obviously, deploying helpers can be token-intensive, so you can do this for just your most important work, and you can get started with a prompt like this one, which you can just screenshot. Now, just to provide an example before we

[09:48] leave this point. Say you’re a real estate agent with a house to sell, and selling this house is extremely important to meet your revenue target for the year. Now, what most people do is just ask Claude to output the real estate listing, which is the noun in this case. But, the verb is, for example, helping a family picture their life in this house before they ever visit. And once you say it like that, then the mixture of experts that Claude can bring in can change and can become clearer. You can have it assume the role of an interior designer to stage each room, maybe a 3D artist to build a

[10:19] walk-through, a bit like Felix’s a blender example. You can even assume the role of a local who knows the best restaurants nearby, so that the final listing page that you get in the end is not just some generic real estate page, but one that is customized for that project given its importance to you. So, those are the three lovers of ambition. But, what I really also like is how Felix ends, because it all leads up to one idea which he mentions, which is this term called self-efficacy. And basically, that means how much you believe that you can pull something off. And if you can increase it, especially

[10:50] now that we have AI, you also increase your chances of success in whatever field or game you’re playing in. And the great thing is that self-efficacy can actually be hacked in some way. There’s apparently more than 35 years of goal-setting studies behind this, and there’s actually three hacks that are pretty well documented. So, very quickly, I’ll just highlight each one because it is quite interesting. The first is believing it’s possible, like that student George Dantzig who solved two never-before-solved problems in statistics back in the 1930s because he thought they were homework. The second

[11:21] is watching somebody else do it. For decades, for example, nobody could run a mile in under 4 minutes. Then, Roger Bannister did it in the 1950s, and only after a few days, someone else did it too. And the third is giving yourself permission to fail, which is just related to the idea that if you just ship things and put your work out there improving each time, then you will eventually succeed. And as Felix Enz and puts it, self-efficacy isn’t really a new concept, but it’s a more powerful one now. Because in a world where our abilities make leaps every couple of

[11:53] weeks, we can actually be more ambitious in the things that we can bring the world. But I think this also needs a counterpoint because when we talk about AI, we also need to talk about pacing that ambition and even finding the why behind that ambition. Or else you just end up going faster and faster and getting more and more ambitious without a clear reason why. So really, definitely taking these techniques and methods to become more ambitious given how powerful AI agents have become, but at the end of the day, remember why you’re even doing it and feel free to pause when you need to. As usual, thanks

[12:24] for watching till the end. I usually do sessions like these to help you use AI better for your business. So if that’s your thing, feel free to do subscribe. I’ll see you next time. Cheers. >> [music]