A primeira pergunta que toda empresa faz ao olhar para IA é a errada: “qual ferramenta eu uso?”. A pergunta certa é outra: “qual parte da minha operação repete tanto que entregar para um modelo faria sentido?”.

Na Tesseract, o Claude entrou no fluxo respondendo essa segunda pergunta, e não a primeira.

Onde o Claude entra

O Claude assume tarefas que têm três características juntas. A primeira é volume: precisa repetir muitas vezes. A segunda é estrutura: o input e o output têm formato previsível. A terceira é tolerância à revisão: o que sai dele passa por leitura humana antes de virar entrega.

Quando essas três características aparecem, o ganho operacional é direto. Quando falta uma, o trabalho de revisar o que o modelo produziu acaba custando mais tempo do que escrever do zero.

Os pontos onde o Claude virou rotina:

  • Primeira versão de copy interno, briefings, e-mails repetidos, transcrição estruturada de reunião.
  • Leitura cruzada de documentos longos. PDFs, contratos, materiais de referência.
  • Geração de variantes, três versões de uma headline, cinco hipóteses de teste para a mesma página.
  • Documentação técnica, descrições de campo de CRM, dicionário de eventos, README interno.
  • Estruturação de outline, antes de escrever artigo, post ou página comercial.

Onde o Claude não entra

Tem decisões que continuam humanas e provavelmente vão continuar.

A primeira é o que define direção: posicionamento, narrativa central, leitura de mercado. Não porque o modelo não consiga gerar texto sobre isso, consegue. O problema é que a saída lê como média do que existe na internet. Posicionamento bom precisa ter aresta, e aresta vem de quem está dentro do contexto.

A segunda é tudo que envolve relacionamento. Resposta a cliente real, conversa de diagnóstico, devolutiva de revisão. A IA pode preparar rascunho, mas o que o cliente recebe sai com revisão de quem assina a operação.

A terceira é qualquer entrega que precise de juízo sobre o que está faltando. O modelo é ótimo em organizar o que está dentro do contexto. É péssimo em apontar o que deveria estar e não está. Quem aponta isso é quem viveu o problema.

O que muda no resultado

A combinação produz dois efeitos práticos.

O primeiro é redução de fricção em tudo que era trabalho braçal. Documentação que ficava em backlog porque ninguém tinha paciência de escrever passou a sair na semana. Variantes de teste que dependiam de uma pessoa estar inspirada saem em série. Resumo de reunião deixa de ser pendência e passa a ser artefato.

O segundo, menos óbvio, é foco. Quando a parte braçal sai do caminho, o tempo humano sobra para o que é insubstituível: olhar para o problema do cliente, decidir o que muda, escrever a versão que de fato tem ponto de vista.

A IA não substitui a operação. Substitui a parte da operação que ninguém deveria estar fazendo manualmente.

A pergunta que importa

Voltando ao começo: a pergunta certa não é qual ferramenta usar. É onde a sua operação repete tanto que delegar para um modelo libera tempo para o que de fato exige a sua leitura.

Antes de adotar IA, vale fazer esse mapa. Sem ele, você troca trabalho por outro tipo de trabalho, agora revisando saída de modelo no lugar de produzir do zero.

Com ele, IA passa a ser o que deveria ser: alavanca para o que já funcionava.

Lição de casa

Cinco ações pra você sair desse texto com pelo menos um ponto da sua operação delegado pro modelo, sem terceirizar decisão:

  1. Lista as 5 tarefas mais repetidas da sua semana. Sem editar. Marca as que têm input estável (entrada parecida toda vez) e output previsível (resultado num formato fixo). Essas são candidatas a entregar pro modelo.
  2. Escolhe a tarefa mais óbvia e roda no Claude essa semana. Mede tempo antes e tempo depois. Se ganho não for ≥ 40%, ou a tarefa não era boa candidata, ou o prompt está improvisado.
  3. Cria um prompt-base reutilizável pra essa tarefa. Salva num lugar que você volta sempre. Prompt-base estável é o que separa uso casual de aluguel de produtividade real.
  4. Define quem revisa antes da entrega ir pro cliente. Sem revisão humana, modelo na frente do cliente é roleta russa. A regra é simples: IA dentro da casa, humano na fachada.
  5. Documenta a saída padrão da próxima entrega. Dicionário de termos, descrição de campo de CRM, README interno. Documentação é onde o modelo mais alavanca, e onde toda operação tem dívida acumulada.

A Tesseract usa Claude no fluxo de copy interno, briefing, leitura cruzada e variação em escala, sempre com revisão humana antes da entrega. Se você quer aplicar IA no comercial sem decorar a operação, marque diagnóstico.

Veja também: IA aplicada à operação digital, o que muda quando deixa de ser vitrine ou Big Idea: a frase que separa marketing que vende.

Glossário

LLM

Large Language Model. Modelo de linguagem treinado em volume gigantesco de texto que aprende a prever a próxima palavra mais provável. Claude, GPT, Gemini, todos são LLMs. Útil em tarefas de linguagem; limitado em decisões que exigem contexto fora do prompt.

Prompt

Instrução em texto que você dá pro modelo. Prompt vago → saída vaga. Prompt específico, com exemplos e formato esperado, → saída útil. A qualidade do prompt explica 80% da diferença entre quem ganha com IA e quem perde tempo.

Prompt-base

Prompt estruturado e reusável que você salva pra repetir a mesma tarefa com qualidade consistente. Diferente de prompt improvisado, que muda toda vez e produz resultado inconsistente. Operação séria usa prompt-base, não chat aberto.

Outline

Esqueleto de um conteúdo (artigo, post, página, e-mail) antes da redação final. IA é boa em gerar outline a partir de tema; humano refina e escolhe o ângulo. Ordem invertida (humano escreve, IA “melhora”) costuma piorar o texto.

Aluguel de produtividade

Você não compra IA; você aluga produtividade por uso. Quem entende isso desenha fluxo onde o modelo entra só nas tarefas que justificam o aluguel. Quem não entende paga assinatura cara pra responder e-mail mais devagar.

Aresta editorial

Ponto de vista forte, opinião que escolhe lado, frase que provoca em vez de descrever. IA gera saída média por construção, e média não tem aresta. Posicionamento bom precisa de aresta, por isso direção continua humana.

Substituição vs alavanca

Duas formas de adotar IA. Substituição = troca pessoa por modelo, espera mesma qualidade, costuma falhar. Alavanca = pessoa continua, modelo elimina o braçal, qualidade sobe porque sobra tempo pra decisão. Alavanca funciona; substituição cega não.

Anthropic

Empresa que desenvolve o Claude, fundada em 2021 por ex-pesquisadores da OpenAI. Foco em alinhamento e segurança de modelos. A Tesseract usa Claude porque o equilíbrio entre qualidade de escrita longa e estabilidade em prompts grandes é superior pra fluxo editorial.