Em 1995, antes do seu retorno à Apple, Steve Jobs disse sobre a Microsoft algo que parece datado mas permanece cirúrgico: a empresa tinha engenheiros brilhantes, produtos funcionais, market share dominante mas não tinha gosto. M.G. Siegler usa essa frase como ponto de entrada para uma das questões mais relevantes do momento: à medida que a inteligência artificial se torna tecnicamente mais capaz, o que exatamente ainda separa um profissional humano de um agente de IA?

A resposta não é “criatividade” no sentido vago em que o termo costuma ser invocado para tranquilizar consultores ansiosos. É algo mais específico, mais operacional e mais defensável: julgamento. A capacidade de tomar decisões esteticamente coerentes em contextos ambíguos, onde não existe resposta tecnicamente correta — apenas respostas mais ou menos adequadas para aquele cliente, aquela audiência, aquele momento de mercado.

Para quem trabalha com comunicação, estratégia de conteúdo ou consultoria criativa, esse é precisamente o tipo de argumento que faltava. Não porque seja novo — profissionais criativos sempre souberam que seu diferencial não era técnica pura — mas porque agora existe um nome para ele, uma estrutura para comunicá-lo, e evidências empíricas de por que a IA ainda não chegou lá.

O ato de destilar

Siegler propõe um experimento mental. Imagine que você dá a um sistema de IA todo o vocabulário da língua espanhola e capacidade computacional para combinar palavras em infinitas sequências. Tecnicamente, em algum momento esse sistema produziria Dom Quixote. Mas Cervantes foi infinitamente mais eficiente porque tinha gosto: sabia qual versão descartar, qual caminho de prosa valia a pena seguir, qual personagem precisava de mais espaço para respirar.

A IA gera. Humanos com bom julgamento destilam.

Esse ato de destilar não é arbitrário. Ele nasce de algo que modelos de linguagem ainda não conseguem replicar com consistência: experiência vivida. Não dados processados — experiência. A memória de um hotel onde a vista compensava o barulho da rua. O instinto de que uma certa paleta editorial vai ressoar com uma audiência específica sem precisar passar por um checklist. A sensação, difusa e real, de que aquele tom está ligeiramente errado para aquela marca.

Quando um cliente contrata uma consultora de conteúdo para refazer o posicionamento editorial da empresa, ele não está pedindo uma combinação probabilisticamente ótima de palavras. Está pedindo que alguém com gosto calibrado — com memória de mercado, com sensibilidade de audiência, com perspectiva de fora — tome decisões que ele mesmo não consegue tomar porque está perto demais do próprio negócio. Esse é o trabalho real. E nenhuma ferramenta de IA, por mais eficiente que seja na execução, responde por esse trabalho.

O risco dos dados sintéticos

Siegler introduz um ponto técnico com implicações diretas para quem produz conteúdo profissionalmente. Quando modelos de IA são treinados em outputs de outros modelos — os chamados dados sintéticos — eles se afastam progressivamente das preferências humanas que servem de âncora de qualidade.

A analogia é precisa: as temporadas finais de Game of Thrones, produzidas sem os livros de George R. R. Martin como referência, perderam coerência narrativa. Sem os trilhos do gosto humano, a narrativa entrou em colapso. O mesmo risco existe para modelos que aprendem com outros modelos em vez de aprender com produção humana original.

Para agências e consultoras de conteúdo, a implicação estratégica é imediata: conteúdo humano com perspectiva distintiva se torna cada vez mais valioso — não apenas para a audiência humana, mas para os próprios modelos de IA que precisam de sinal de qualidade para se calibrar. Produzir conteúdo genérico, otimizado para volume e velocidade, começa a ser uma aposta de alto risco tanto para quem o produz quanto para quem o contrata.

A armadilha da personalização

A resposta mais imediata dos grandes labs de IA ao problema do gosto é personalização: o modelo aprende suas preferências e as espelha. Se você prefere textos diretos a textos poéticos, o modelo aprende isso. Se você prefere um tom de autoridade a um tom de proximidade, ele calibra.

Siegler aponta o limite desse modelo com precisão. Gosto não é apenas sua própria preferência sendo validada. É também a capacidade de incorporar e interpretar as preferências de outras pessoas — para decidir o que é certo para elas, em contextos específicos, com objetivos específicos, para audiências que você conhece mas o sistema não.

Quando uma estrategista de conteúdo define a linha editorial de um cliente, ela não está aplicando as preferências do cliente em formulários pré-definidos. Está usando julgamento próprio para decidir o que o cliente deveria querer, o que vai funcionar para a audiência dele, o que vai distinguir a marca do ruído existente no mercado.

Esse processo envolve incorporar múltiplas perspectivas, arbitrar entre elas e tomar decisões que nenhum dos envolvidos conseguiria tomar sozinho. Personalização resolve parte do problema. Julgamento resolve outro, diferente.

O teste aplicado ao conteúdo

Siegler usa o exemplo de reservar uma viagem com agentes de IA para ilustrar onde o julgamento ainda falha. A IA conseguirá fazer a reserva tecnicamente em breve. Mas conseguirá escolher o hotel certo?

A escolha envolve micropreferências que o usuário não consegue articular: a sensação de que certas fotos de lobby prometem uma experiência que outras não prometem, a memória de que hotéis com certo tipo de nome tendem a decepcionar, o instinto de que uma localização específica vai funcionar melhor para o tipo de viagem que está sendo planejada.

O mesmo teste se aplica a qualquer decisão editorial. A IA consegue escrever um post para LinkedIn. Mas consegue decidir que esse tema específico não deveria ser um post — deveria ser um artigo longo? Que o cliente não deveria publicar agora, porque o timing do mercado vai enterrar o conteúdo? Que o tom correto para essa audiência não é o tom que o cliente acha que quer?

Essas não são perguntas técnicas. São perguntas de gosto. E quem responde por elas, por enquanto, é o profissional humano na sala.

O argumento comercial

A conversa sobre IA e trabalho criativo tem oscilado entre dois extremos igualmente improdutivos: o pânico de que tudo vai ser substituído e o triunfalismo de que nada vai mudar. Siegler oferece um terceiro caminho — mais preciso e mais útil para quem precisa justificar o próprio valor para um cliente.

A IA avança rapidamente em execução. Escrever, rascunhar, formatar, adaptar, traduzir — tudo isso já é feito com qualidade crescente por modelos que ficam mais baratos a cada mês. Qualquer consultor que vende execução sem vender julgamento está competindo com ferramentas que nunca tiram férias e cobram fração do que ele cobra.

O que a IA ainda não consegue vender para o cliente é confiança de que as escolhas feitas são as escolhas certas para aquele contexto específico. Não a resposta mais provável. Não a média das preferências. A decisão que alguém com julgamento calibrado tomou depois de olhar para o problema com atenção, com memória de mercado e com perspectiva de fora.

Esse é o argumento comercial mais sólido disponível para profissionais criativos agora. Não “criatividade” no abstrato. Não “humanidade” como valor genérico. Gosto, no sentido específico que Siegler define: a capacidade de tomar a decisão certa em contextos onde a IA produz probabilidades e o cliente precisa de uma escolha.

E para onde vamos a partir de agora?

A pergunta que vai definir a próxima fase do trabalho criativo não é “a IA consegue fazer isso?”. Já consegue, ou vai conseguir em breve, para a maioria das tarefas de execução. A pergunta é: a IA consegue ser responsável pela decisão?

Consegue garantir que a escolha feita era a escolha certa para aquele cliente, aquela audiência, aquele momento de mercado? Por enquanto, não. E esse intervalo é o espaço onde consultores, estrategistas e criadores de conteúdo com bom julgamento têm uma vantagem defensável — desde que consigam articulá-la com precisão para os clientes que estão, agora mesmo, tentando entender quanto do orçamento de comunicação podem substituir por ferramentas.

Se você quer receber análises como essa com aplicações práticas para estratégia de conteúdo, assine a newsletter.

consultoria criativa diferenciação de agências estratégia de conteúdo futuro do trabalho criativo gosto editorial inteligência artificial marketing de conteúdo