Uma pergunta sobre o negócio, feita a uma ferramenta de IA (como responder a um cliente que acha os preços caros, ou como descrever o serviço numa proposta), devolve muitas vezes algo que parece saído de um livro genérico de marketing. Correto, bem escrito, e completamente inútil para o caso concreto.
Muita gente chega à conclusão óbvia: a IA não serve para nada no meu negócio. E passa à frente.
Mas o problema está noutro lado: a IA não conhece o negócio.
A IA responde com o que tem. E se o que tem é só a pergunta, de três linhas, sem contexto, vai fazer exatamente o que qualquer pessoa faria numa situação igual: inventar um caso genérico que corresponda à média de todos os negócios que já processou. O resultado é uma resposta que serve todos e não serve nenhum.
Há uma diferença muito concreta entre fazer uma pergunta à IA em branco e fazer a mesma pergunta depois de lhe dar o contexto do negócio. A distinção está no conhecimento de base que se leva para a conversa, muito mais do que no prompt.
O conhecimento que está na cabeça de quem gere
Há um conceito que o filósofo Michael Polanyi descreveu assim: sabemos mais do que conseguimos dizer. Chamou-lhe conhecimento tácito. Quem gere um negócio conhece o tom com que fala com os clientes. Sabe que o cliente típico tem entre 35 e 55 anos, gere a vida sozinho, não tem muito tempo, e valoriza não ter de explicar o que quer. Sabe que o serviço mais rentável é aquele que o mesmo cliente pede mais vezes. Sabe quais as objeções que ouve quase sempre antes de fechar.
Esse conhecimento existe, e usa-se todos os dias, de forma automática, sem parar para o verbalizar.
A IA não tem acesso a nada disso.
Perante a pergunta sobre como responder a um cliente que diz "está caro", a IA não sabe que o cliente típico compara os preços com os de alguém da mesma área que trabalha a partir de casa e cobra menos, por metade do trabalho. Não sabe que o argumento mais forte é ser a única pessoa na cidade com aquela especialização. Não sabe que já se perderam dois clientes exatamente por esta razão e que o que acabou por funcionar foi uma determinada forma de reformular o valor.
A IA vai responder com o que sabe sobre a resposta média a objeções de preço, o que é diferente de responder ao problema específico do negócio.
O que muda com o contexto
O investigador Ethan Mollick, que estuda há vários anos como as pessoas usam IA no trabalho, descreve assim a diferença: a IA funciona melhor como um colega quando sabe o que sabe quem faz o trabalho. Quanto mais contexto tiver sobre esse trabalho, menos genérica é a resposta. É uma questão de informação de partida, e a inteligência do modelo pouco altera isso.
Um consultor externo contratado para redigir uma proposta faria primeiro várias perguntas: o que o negócio faz, para quem, o que diferencia o trabalho, qual é o tom usado até agora com este cliente, o que é mais importante para ele. Só depois de ter essas respostas é que começaria a escrever.
A IA pode fazer o mesmo. Mas não vai fazer as perguntas sozinha se não souber que precisa de as fazer. Quem chega sem contexto recebe respostas sem contexto.
Com os documentos certos, passa a ter uma base de onde partir. Deixa de adivinhar o negócio e trabalha com o que recebeu.
Há uma área de investigação em IA chamada geração com recuperação de informação. O nome é longo (em inglês abrevia-se RAG); o que faz é isto: em vez de a IA responder só com o que aprendeu durante o treino, vai primeiro consultar os documentos fornecidos e usa essa informação para construir a resposta. É a base do que hoje várias ferramentas chamam "projetos" ou "assistentes personalizados". A IA consulta primeiro o material fornecido.
O que é uma base de conhecimento, em termos simples
Nada de técnico: não é preciso saber programação, criar bases de dados, nem contratar ninguém.
Uma base de conhecimento do negócio é, na forma mais simples possível, um conjunto de documentos que descrevem o que é o negócio, para quem existe, com que voz comunica, e o que sabe que os outros não sabem.
Pode começar com quatro documentos:
O negócio e o que faz. A versão concreta, longe da do LinkedIn: o que faz, qual é a especialização real, o que acontece nas primeiras 48 horas com um novo cliente, o que o diferencia de alguém que faz o mesmo à superfície.
O cliente. Não "mulheres dos 30 aos 50", que é uma audiência de anúncio. O cliente real: o que o preocupa quando contacta, o que já tentou antes de chegar ao negócio, o que valoriza acima de tudo, o que o faz hesitar. Quanto mais concreto, melhor.
O tom e a voz. Um parágrafo de um email que soou bem. Uma descrição de um serviço que ficou exatamente como se queria. Um exemplo de resposta a uma situação difícil com um cliente. Estes exemplos valem mais do que qualquer instrução abstrata sobre "ser profissional mas próximo".
O que já se sabe do terreno. As perguntas que surgem sempre. As objeções mais ouvidas. As situações que se repetem. Os erros aprendidos a custo. Este é o conhecimento tácito de que falava Polanyi, e é aqui que está o valor diferenciador de anos de experiência.
Com estes quatro documentos, a IA deixa de estar a trabalhar no escuro. Passa a ter o contexto de que precisa para responder ao caso concreto em vez de a um caso médio.
A Ana, a proposta que parecia de outra pessoa, e o que mudou
A Ana tem 35 anos, é designer de identidade visual, trabalha por conta própria há quatro anos. Cobra entre 800€ e 3.200€ por projeto, consoante o âmbito. Consegue clientes sem dificuldade. O que lhe custa é escrever propostas que soem a ela.
Quando usou IA para redigir uma proposta pela primeira vez, recebeu algo muito bem estruturado, com secções, valores justificados, linguagem profissional. Mas não era como ela escreve: o tom estava errado e as palavras não eram as suas. Mandou para o cliente e sentiu que estava a enviar a proposta de outra pessoa.
A Ana mudou a abordagem. Escreveu um documento de duas páginas: como apresenta o seu processo de trabalho, o que torna o seu método diferente de outros designers, três exemplos de situações em que o cliente esperava uma coisa e ela entregou outra melhor, e três frases suas retiradas de emails a clientes que soaram bem. Depois usou esse documento como contexto de partida antes de pedir à IA qualquer coisa relacionada com propostas ou comunicação com clientes.
A diferença foi imediata. A IA passou a usar os mesmos marcos do processo da Ana, a mesma forma de apresentar valor, o mesmo tom direto mas calmo que ela usa com clientes. Passou a ter um ponto de partida que afinava em quinze minutos, em vez de duas horas.
A Bárbara, as explicações que precisavam de ser dela
A Bárbara tem 41 anos, é dermatologista, tem consultório próprio e uma atividade paralela de consultas online. A parte do negócio que mais tempo lhe consumia eram as respostas a perguntas frequentes dos pacientes, sobre cuidados pós-tratamento, sobre produtos recomendados, sobre o que esperar em cada procedimento.
Tentou usar IA para criar respostas-modelo. O problema foi exatamente o mesmo: o conteúdo estava correto clinicamente, mas não soava a ela. Usava terminologia que ela não usa. Não incluía os avisos específicos que ela dá sempre, nem o tom de conversa que os seus pacientes reconhecem.
A Bárbara passou uma tarde a escrever aquilo a que chamou "o que eu digo sempre": as seis explicações que dá a quase todos os pacientes antes de um tratamento, as três coisas que as pessoas perguntam sempre e que ela explica de uma determinada forma, duas situações em que a sua resposta é diferente da resposta padrão que encontram em qualquer site. Três páginas no total.
Com esse documento como contexto, a IA passou a gerar rascunhos que soavam ao consultório da Bárbara. Ela verificava, ajustava o que fosse preciso, e enviava. O que antes demorava quarenta e cinco minutos por resposta passou a demorar dez.
O que a Bárbara estava a fazer, sem saber o nome técnico, era dar à IA um repositório de conhecimento especializado do seu negócio. A IA consultava esse repositório antes de responder. As respostas deixaram de ser genéricas porque o ponto de partida deixou de ser genérico.
A diferença entre usar IA e usar IA bem
Muita gente que diz que a IA não funciona no seu negócio nunca lhe deu o contexto do seu negócio. É como dizer que um consultor não percebe o caso depois de uma pergunta sem qualquer enquadramento.
A IA funciona menos como um motor de pesquisa e mais como um colaborador com conhecimento geral muito vasto, que é preciso pôr ao corrente antes de lhe pedir trabalho. Quanto melhor for o enquadramento, melhor é o resultado.
O investimento que conta é o conhecimento que se traz para a ferramenta.
No Elevate Club, a aula "Dar os dados do negócio à IA" trabalha exatamente este ponto: como construir a base de contexto do negócio, o que incluir, como estruturá-la, e como integrá-la no fluxo de trabalho com IA. É um exercício concreto que termina com algo feito.
No Elevate Club, nas ferramentas de IA da plataforma não se parte do zero. O perfil do negócio (setor, modelo de negócio, cliente ideal, tom, histórico) alimenta cada conversa com a IA antes da primeira pergunta. A IA já sabe de que negócio se trata e para quem trabalha antes de receber qualquer pedido. É a base de contexto já construída, sem montagem manual de cada vez que se abre uma ferramenta.
É o que a IA devia ser desde o início: um colaborador que conhece o negócio.
Para pôr isto em prática, o plano «Automatizar com IA» tem as aulas e as ferramentas, em dias de até 15 minutos, e acaba com a primeira automação desenhada, pronta a montar, e os dados do negócio num texto para dar à IA.