Agora dá para criar automações no ChatGPT e deixar o Make executar o trabalho

O Make ganhou uma integração oficial com o ChatGPT que permite transformar uma conversa em uma automação real.

Em vez de abrir o Make, começar com um cenário vazio e escolher manualmente cada módulo, você pode descrever o resultado que deseja em linguagem natural e usar o plugin do Make para criar, executar e acompanhar a automação diretamente pelo ChatGPT.

E existe uma diferença importante em relação a simplesmente pedir ao ChatGPT para executar uma tarefa: a automação criada continua rodando na nuvem do Make mesmo depois que você fecha a conversa.

A novidade foi detalhada oficialmente pelo Make em 16 de setembro de 2026 e também permite trabalhar com agentes de IA, revisar execuções anteriores e encontrar cenários existentes.

Neste artigo da Simplifike, vamos entender o que realmente mudou, quando essa integração faz sentido e como escrever um pedido de automação que não dependa de conhecer nodes, módulos ou APIs.

O que é o plugin do Make para ChatGPT?

O plugin conecta sua organização do Make ao ChatGPT.

Depois da instalação e autorização, você pode utilizar uma conversa para:

• criar automações;
• criar agentes de IA;
• executar cenários;
• procurar automações existentes;
• filtrar cenários por nome, pasta ou status;
• consultar resultados de execuções;
• revisar o histórico de uma automação.

O ponto mais interessante é que o ChatGPT vira uma camada de conversa sobre a automação.

A execução continua sendo responsabilidade do Make.

Isso significa que agendamentos, conexões com aplicativos, permissões, tentativas de execução e tratamento da automação continuam ligados à infraestrutura da plataforma.

Veja o anúncio oficial do Make sobre a integração com ChatGPT.

A automação para quando eu fecho o ChatGPT?

Não.

Depois de criada e ativada, a automação continua rodando no Make.

Isso é o que diferencia essa integração de simplesmente escrever repetidamente o mesmo prompt.

Imagine este processo:

novo lead → registrar dados → classificar interesse → preparar resposta → pedir aprovação

Você pode discutir e estruturar o processo pelo ChatGPT, mas depois o cenário passa a funcionar conforme seu gatilho ou programação no Make.

Você não precisa manter a conversa aberta esperando a próxima entrada.

Make fica dentro do ChatGPT agora?

Em parte.

Você passa a poder criar e administrar determinadas partes da automação pela conversa, mas o Make continua sendo a plataforma em que o cenário, as conexões e a execução são mantidos.

O próprio Make recomenda abrir o cenário visual depois da criação para revisar módulos, horários e tratamento de erros.

Portanto, não estamos falando do desaparecimento do editor visual.

A mudança é outra:

antes você precisava começar desenhando o fluxo; agora pode começar descrevendo o resultado.

O plugin funciona no Make gratuito?

Segundo o Make, o plugin está disponível em todos os seus planos, incluindo o plano Free.

Também é necessário possuir uma conta do ChatGPT.

A disponibilidade dentro do ChatGPT pode variar conforme conta, plano, região, workspace e permissões administrativas.

Em contas empresariais ou educacionais gerenciadas, por exemplo, um administrador pode controlar quais plugins podem ser instalados.

Como instalar o Make no ChatGPT

O processo documentado atualmente é:

1. abra a área de Plugins do ChatGPT;
2. procure por Make;
3. abra a página do plugin;
4. revise os recursos e permissões solicitados;
5. selecione a opção de instalação;
6. conecte sua conta do Make quando solicitado;
7. confirme a organização que deseja utilizar.

Depois da instalação, o plugin pode ser chamado em uma conversa por meio de uma menção com @ ou pelas opções disponíveis no menu de ferramentas, dependendo da interface da sua conta.

A OpenAI também explica no guia oficial de plugins do ChatGPT que instalação e conexão não substituem as permissões dos aplicativos envolvidos.

Não comece dizendo quais módulos o Make deve usar

Essa é provavelmente uma das mudanças mais interessantes para iniciantes.

Em vez de pensar primeiro:

“Qual módulo do Make eu adiciono agora?”

comece explicando:

“O que eu quero que aconteça?”

O Make recomenda que o pedido deixe claro:

• o que inicia a automação;
• de onde vêm os dados;
• qual ação precisa acontecer;
• onde o resultado deve chegar.

A partir dessas informações, o plugin pode interpretar o processo e propor a estrutura necessária.

Método Simplifike: 5 perguntas antes de pedir qualquer automação

Para evitar pedidos vagos como “automatize meus leads”, criamos uma estrutura simples para transformar uma ideia em um fluxo mais claro.

Podemos resumir assim:

Gatilho → Dado → Inteligência → Ação → Supervisão.

Nem toda automação precisa preencher as cinco etapas.

Na verdade, uma das melhores decisões pode ser descobrir que determinada etapa não precisa de inteligência artificial.

Exemplo 1: automação simples sem agente

Imagine um formulário de contato.

Quando alguém envia uma resposta, você quer registrar os dados em uma tabela e avisar sua equipe.

Um prompt original da Simplifike poderia ser:

Crie uma automação que seja iniciada sempre que chegar uma nova resposta do meu formulário de leads. Registre nome, e-mail, telefone e mensagem em uma tabela e depois envie um aviso para minha equipe. Não use inteligência artificial para decisões que possam ser resolvidas apenas com regras.

Aqui não existe uma boa razão para transformar tudo em agente.

O processo é previsível.

Exemplo 2: colocar IA somente onde existe interpretação

Agora imagine que o formulário recebe mensagens muito diferentes.

Além de armazenar o lead, você quer identificar se a pessoa está pedindo orçamento, suporte ou parceria.

Podemos mudar o pedido:

Quando chegar um novo lead, salve os dados na tabela. Depois, use IA apenas para classificar a mensagem em orçamento, suporte, parceria ou outro. Salve também essa classificação e avise a equipe responsável.

Perceba a diferença.

A IA não precisa decidir onde salvar o e-mail, nem se o formulário chegou.

Ela entra justamente no ponto em que interpretar linguagem natural pode ser útil.

Exemplo 3: agente com aprovação humana

Agora podemos avançar mais um nível.

Além de classificar a mensagem, queremos preparar uma resposta personalizada.

Monitore novos leads. Classifique a intenção da mensagem e prepare uma resposta personalizada utilizando as informações disponíveis. Nunca envie a resposta automaticamente. Deixe o texto preparado para aprovação humana antes de qualquer envio.

Esse modelo é especialmente útil em processos comerciais porque preserva uma decisão humana antes de uma ação externa.

O próprio Make utiliza como exemplo um agente que monitora leads e prepara respostas para posterior aprovação.

Automação e agente de IA não são a mesma coisa

Um erro comum é chamar qualquer fluxo de “agente”.

Uma automação tradicional normalmente segue regras previsíveis.

Por exemplo:

pagamento aprovado → enviar confirmação.

Não existe motivo evidente para colocar um modelo de IA decidindo se a confirmação deve ser enviada.

Um agente começa a fazer mais sentido quando existe contexto, interpretação e escolha de ações.

3 automações úteis para pequenos negócios

1. Organizar novos leads

Um novo contato entra, os dados são registrados, a mensagem é classificada e a equipe recebe o lead organizado.

É um bom exemplo porque combina etapas previsíveis com uma única etapa que realmente pode se beneficiar de IA.

2. Criar um relatório semanal

Em vez de pedir manualmente todas as sextas-feiras:

“resuma o que aconteceu esta semana”,

o Make pode criar uma automação programada que reúne as informações e salva o resultado no destino escolhido.

Esse é inclusive um dos exemplos apresentados pelo próprio Make.

3. Preparar respostas para clientes

Um agente pode monitorar novas solicitações, analisar contexto e preparar uma resposta.

Em processos sensíveis, eu manteria uma etapa de aprovação antes do envio.

O que acontece quando uma conexão ainda não existe?

O plugin não ganha acesso automático aos seus aplicativos apenas porque foi instalado.

Se a automação precisar utilizar um serviço que ainda não esteja autorizado, será necessário completar a conexão correspondente.

Isso é importante tanto para funcionamento quanto para segurança.

Instalar o plugin não deve ser interpretado como autorização irrestrita para acessar todas as ferramentas da empresa.

As credenciais ficam no ChatGPT?

Segundo o Make, as automações, conexões de aplicativos, dados armazenados, permissões e controles continuam vinculados à organização do Make.

Isso permite iniciar um processo pela conversa e depois abrir o cenário visual para revisar exatamente o que foi criado.

Para equipes, essa transparência continua sendo importante.

Posso editar a automação depois?

Sim.

Uma automação criada pela conversa não precisa permanecer exatamente como foi gerada inicialmente.

Você pode abrir o cenário dentro do Make, conferir os módulos e ajustar:

• gatilhos;
• filtros;
• agendamentos;
• conexões;
• tratamento de erros;
• regras;
• etapas com IA.

Eu trataria isso como uma etapa obrigatória para fluxos relevantes para vendas, atendimento ou operação.

Make no ChatGPT substitui aprender automação?

Não completamente.

A integração reduz a necessidade de começar pelo canvas vazio, mas ainda é útil entender alguns conceitos fundamentais.

Você continua precisando compreender coisas como:

• gatilho;
• entrada de dados;
• condição;
• ação;
• credencial;
• erro;
• aprovação.

Na Simplifike temos um guia sobre como funciona uma primeira automação do zero. Embora o exemplo utilize n8n, conceitos como gatilho, transformação de dados e ação também ajudam a entender outras plataformas de automação.

Make no ChatGPT x n8n Assistant

As duas novidades aproximam linguagem natural da construção de automações, mas não funcionam exatamente da mesma forma.

No n8n Assistant, a inteligência artificial trabalha dentro do próprio ambiente do n8n, ajudando a montar e corrigir o workflow no canvas.

Na integração apresentada pelo Make, o ChatGPT passa a ser também uma interface para criar e administrar automações que continuam sendo executadas pelo Make.

A diferença prática está menos em “qual IA é melhor” e mais em qual ambiente você prefere usar para iniciar, revisar e operar o processo.

E onde entra o Gemini Spark?

Existe ainda outra abordagem.

O Gemini Spark trabalha mais próximo da lógica de receber um objetivo e executar tarefas utilizando serviços conectados.

Make e n8n continuam mais orientados a fluxos estruturados e reproduzíveis.

Essa diferença ajuda a perceber que “agente” e “automação” estão se aproximando, mas ainda não são sinônimos.

O que a Simplifike recomenda antes de ativar um fluxo

Mesmo quando uma automação é criada por linguagem natural, eu faria cinco verificações antes de deixá-la trabalhar sozinha:

1. qual evento realmente dispara o processo;
2. quais dados serão lidos;
3. quais aplicativos receberão informações;
4. quais ações podem gerar impacto externo;
5. onde deve existir aprovação humana.

Esse cuidado é especialmente importante em automações envolvendo dinheiro, clientes, exclusão de dados ou publicação pública.

Vale a pena usar o Make dentro do ChatGPT?

A principal vantagem não é evitar para sempre a interface visual do Make.

É diminuir a distância entre ter uma ideia de processo e transformá-la em uma automação estruturada.

Uma pessoa pode começar descrevendo:

“Quando um novo lead chegar, organize os dados e avise minha equipe.”

Depois pode refinar:

“Agora classifique o interesse usando IA.”

E depois:

“Prepare uma resposta, mas espere minha aprovação.”

Essa construção por conversa pode tornar automação mais acessível para pessoas que entendem muito bem o processo do negócio, mas ainda não dominam cada módulo da ferramenta.

O desafio continua sendo o mesmo: descrever bem o processo, controlar permissões e revisar o que a automação fará antes de delegar ações importantes.

Fontes

• Make — How to build Make automations and AI agents in ChatGPT
• Make Help Center — Official Make plugin for ChatGPT
• OpenAI — Plugins in ChatGPT and Codex