Como escrever bem usando IA generativa: do rascunho de máquina ao texto que você assina

A decisão que este módulo destrava

Publicar ou segurar. Antes do título, do gênero e da ferramenta, você decide se a peça tem alguma coisa que o leitor não encontraria sozinho em cinco minutos de busca. Quem pula essa decisão descobre a resposta dela depois, na cara de quem leu.

Segunda-feira, oito e quarenta da manhã. Helena dirige a área comercial de uma distribuidora de suprimentos odontológicos em Ribeirão Preto. Ela abriu a ferramenta de IA generativa, que são os programas que escrevem texto novo a partir de um pedido, como ChatGPT, Claude, Gemini e Grok, e digitou um prompt de duas linhas. Prompt é o pedido em texto que você manda ao programa. Qual desses quatro programas rende mais em cada tipo de texto é assunto da parte 5 deste curso. O dela pedia um artigo sobre gestão de estoque em clínicas odontológicas, tom profissional, 1.500 palavras. Em quatro minutos o texto estava na tela, com 1.600 palavras, 100 a mais que o pedido, e ninguém cortou uma linha. Cena inventada para a didática, com números inventados junto.

O artigo estava correto: subtítulos na ordem, nenhum erro de português, nenhuma informação falsa. Helena mandou para o sócio às nove e cinco, e a resposta chegou 15 minutos depois, com uma linha só: “parece texto de robô”.

O sócio tinha razão, e o diagnóstico é pior que o veredito, porque o defeito não estava em nenhuma frase. Qualquer pessoa com a mesma ferramenta e o mesmo pedido receberia um texto igual, inclusive o concorrente da rua de trás, e ninguém precisa de uma distribuidora para descobrir que estoque parado prende dinheiro.

Faltavam três peças no trimestre, ou seja, três textos para publicar: o artigo assinado no site, a página do serviço de reposição programada e o material de treinamento dos 14 vendedores. Se as três saíssem no padrão do rascunho de segunda-feira, provariam ao mercado uma coisa só, que a distribuidora tem o mesmo gerador de texto que todo mundo tem.

O curso em dois formatos, para quem prefere ouvir antes de ler

Os dois arquivos abaixo saíram do texto dos módulos deste curso, então nenhum traz número que não esteja aqui embaixo com fonte e data. Pular os dois não atrapalha nada.

Ganho de informação é o que a peça tem e a busca não tem

O teste cabe em uma pergunta: o que este texto oferece que o leitor não acharia nas três primeiras páginas de uma busca? Faça a pergunta antes de abrir qualquer ferramenta e escreva a resposta em uma frase, com sujeito e verbo. Frase que você não consegue escrever é ganho que você não tem.

Quando a resposta é “nada, mas está mais bem organizado”, o texto é redundante mesmo estando correto. E texto redundante cobra em três moedas: as horas de quem escreveu e revisou, o espaço na frente do leitor, que é curto e não volta, e o crédito que o próximo texto vai precisar para ser lido até o fim.

Em material comercial a pergunta fica mais dura. O que esta página afirma que um concorrente não conseguiria copiar amanhã de manhã? Quando a resposta é nada, a empresa está pagando para construir um bem que se copia em quatro minutos.

O teste não mede esforço nem tamanho. Um texto de 3.000 palavras sem ganho continua sem ganho, e um parágrafo com um número que só você mediu já tem.

O ganho vem de quatro lugares, e um deles basta

Nenhum texto precisa das quatro origens. Precisa de uma, dita em voz alta antes de começar a escrever, porque é ela que decide o que entra e o que sai.

Dado proprietário é o número medido pela sua própria operação, com período, método e denominador declarados. Denominador é sobre quantos casos aquele número foi apurado. No cenário inventado da Helena, o histórico de pedidos das 41 clínicas do piloto estava no sistema havia 11 meses, e ninguém tinha olhado para ele como material de texto.

Vem depois o caso concreto, com nome, data e desfecho. Uma clínica que passou por uma decisão difícil e conta qual foi ensina mais que uma pesquisa com 1.000 respostas anônimas, porque o leitor se reconhece na decisão e não na média. A autorização por escrito é o que essa origem cobra, e é ela que mais atrasa texto bom.

Já o enquadramento é um jeito de olhar o problema que você usa em outro assunto e ninguém aplicou àquele, o que faz dele a origem mais difícil de enxergar de dentro de casa, porque o que virou hábito para quem trabalha ali raramente se apresenta como material de texto. Helena trata a falta de estoque pela curva de consumo de cada especialidade, coisa que os manuais de gestão de clínica tratam como planilha de mínimo e máximo. Vale quando muda a decisão de quem lê, e não quando só troca o nome do que já existia.

Sobra a comparação que só quem opera nos dois lados consegue fazer. A distribuidora vende para o consultório de uma cadeira e para a clínica de quatro unidades, e vê as duas curvas de falta de estoque ao mesmo tempo. Quem está de um lado só não escreve essa comparação com honestidade.

O ganho que dormia na casa da Helena

O artigo não passou no teste, e o material que faria ele passar já estava na empresa havia quase um ano. Cena inventada, números inventados.

No piloto de reposição programada, 41 clínicas passaram a receber a grade de materiais em ciclo fixo. O relatório do sistema mostrava o que interessa: o pedido de emergência, aquele fora do ciclo e com frete pago na hora, caiu de nove por mês para dois nas clínicas do piloto entre setembro de 2025 e julho de 2026. As outras 299 clínicas da carteira, sem piloto, ficaram na média de oito por mês no mesmo período. Tem denominador, tem período e tem método, e tem um grupo de comparação que apareceu por acaso e serve assim mesmo, desde que o texto avise que a entrada no piloto não foi sorteada.

A frase central do artigo mostra a diferença. O rascunho da IA abria assim: “A gestão eficiente de estoque é fundamental para a saúde financeira de clínicas odontológicas.” A versão com ganho abre assim: “Nas 41 clínicas que entraram no nosso piloto de reposição programada, o pedido de emergência caiu de nove para dois por mês em 11 meses, e o frete extra desses pedidos é a linha de custo que quase nenhuma clínica separa na conta.” Mesmo assunto nas duas. Só a segunda faz o leitor querer saber quanto ele gasta nessa linha.

O teste do ganho, feito antes, teria custado uma pergunta e dois minutos. Feito depois, custou o e-mail do sócio e o artigo do mês.

A máquina nunca vai dizer que o texto não precisa existir

Peça um artigo sobre qualquer assunto e o programa entrega. Ele não sabe o que já foi publicado sobre aquele tema no seu mercado, não conhece o que a sua operação mediu e não tem motivo para responder que a pauta já existe em 20 versões melhores. Recusar um texto por redundância continua sendo decisão inteiramente sua.

O jeito como esses programas aprendem piora o efeito. O texto que sai é a média do que estava escrito sobre o tema. Um pedido genérico devolve o consenso em frases bem-feitas, e frase bem-feita engana: quem lê processa texto bem construído como texto informativo, e o vazio só aparece na segunda leitura, ou no e-mail do sócio.

A virada que resolve é fácil de descrever e chata de cumprir. O ganho entra no pedido, em vez de ser esperado na resposta. Você cola no prompt o dado que mediu, o caso que apurou ou o jeito de olhar que só você usa, e pede à máquina o trabalho que ela faz bem: organizar, sustentar, propor a sequência. Quando não há nada para colar, o pedido certo não é o artigo. É a auditoria da pauta.

O efeito de distribuição que empurra na mesma direção

Aggarwal e coautores, no estudo de generative engine optimization apresentado na KDD 2024, mediram quanto as páginas aparecem dentro das respostas dos motores generativos, que são os sistemas que respondem em texto corrido em vez de devolver lista de links, como o ChatGPT com busca ou o modo de resposta do Google. Acrescentar estatística, citação e fonte ao conteúdo rendeu um ganho de visibilidade de cerca de 30% a 40%.

O que esse resultado permite dizer é pouco e é útil: conteúdo com dado e fonte é recortado e citado por esses sistemas com mais frequência que conteúdo copiado de outros. GEO, sigla de generative engine optimization, é o trabalho de fazer o seu material aparecer nessas respostas, e aqui ele coincide com boa prática editorial.

Fora disso, o número não sustenta promessa de posição, de tráfego nem de citação garantida. A medição é de laboratório, tem data de 2024, e esses sistemas mudam de versão para versão. Use o número como argumento de direção quando alguém na sua empresa disser que dado dá trabalho demais. Não use como meta de campanha.

Quatro defeitos que aparecem na hora de aplicar o teste

Confundir forma bonita com ganho de informação é o mais frequente, e ele se reconhece pela pauta que se descreve por adjetivo, do tipo “um olhar diferente sobre a gestão de estoque”. Quem escreve assim aplicou o teste à escrita, e não ao conteúdo, então reescrever não vai criar o dado que ninguém mediu. A saída cabe em uma linha: a frase do ganho, com número ou nome próprio dentro.

Nas equipes que levaram o teste a sério aparece o defeito oposto. A fila de textos trava porque nenhuma pauta parece original o bastante, sintoma de quem leu a pergunta como exigência de ineditismo mundial quando ela pede só o que a busca não entrega ao seu leitor. O dado mais banal da sua operação é inédito fora dela.

Há ainda o defeito de calendário, que é deixar o teste para a revisão: o rascunho chega pronto e só então alguém pergunta o que ele tem de novo, porque a pergunta virou etapa de qualidade em vez de decisão de produção. Leve-a para a reunião de pauta e anote a frase do ganho no mesmo campo em que se anota o título.

O mais caro dos quatro fecha a lista. O texto abre com uma estatística de mercado que apareceu em outras seis páginas naquele mês, quase sempre porque o número veio de uma citação e ninguém abriu a publicação original. Abrir a fonte, conferir amostra e conferir data custa alguns minutos e evita que a peça inteira se apoie em ganho alheio. Quando o número já circula em toda parte, ele serve de contexto, nunca de ganho do texto.