A IA consegue fazer mais ou menos 75–80% do trabalho na maioria das tarefas de mídia que observei — com a fatia mais alta na produção, na montagem e na identificação de padrões, e bem menor na negociação, nos relacionamentos e no julgamento final. Esse é o princípio dos 75–80%, e a primeira coisa a dizer sobre ele é que é uma heurística, não um benchmark.
Quero ser cuidadoso com o número, porque cifras redondas atraem falsa precisão. Os 75–80% não são uma estatística medida a partir de um estudo controlado. É a forma que continuo vendo depois de rodar esses fluxos eu mesmo e de ver times rodá-los: a IA pega a parte grande, repetitiva e generativa do meio de uma tarefa, e deixa uma borda menor, de maior aposta, que permanece humana. A fatia exata se move por tarefa, por time, e por quão limpo está o contexto. A forma se manteve para mim; a casa decimal, não.
Coloquei o enquadramento em a definição de operações de mídia AI-native porque os times entram em apuros nos dois extremos. Deixe-me expor onde cai a linha, e como encontrá-la no seu próprio trabalho.
O que o princípio dos 75–80% diz
O princípio diz que, para uma tarefa de mídia típica, um fluxo bem desenhado com a IA fazendo a primeira passada cobre a maior parte do trabalho, e um humano cobre o resto. Ele não diz que a IA faz 80% de toda tarefa, e não diz que os 20% humanos são pequenos em importância. Importância e volume são eixos diferentes.
Pense nisso como uma divisão do trabalho, não como uma pontuação. O modelo é melhor em produzir muito material plausível rápido: opções, variantes, resumos, primeiros rascunhos, leituras de padrão. O humano é melhor em decidir o que importa, escolher entre os plausíveis e arcar com as consequências. A porcentagem é só um lembrete de que a fronteira existe — e de que ela fica mais para o lado do modelo do que a maioria dos times cautelosos presume, e mais para o lado do humano do que a maioria dos fornecedores entusiasmados admite.
Onde a fatia da IA é alta
As tarefas em que a IA cobre mais terreno compartilham três propriedades: alto volume, baixa consequência por unidade, e um padrão claro para conferir.
- Variantes criativas e de texto. Manchetes, descrições, ganchos, textos sociais — um time AI-native produz dúzias contra um briefing decidido, e depois um humano poda.
- Síntese de pesquisa. Transformar uma pilha de fontes públicas num resumo estruturado agora é mecânico, o que libera o analista para fazer melhores perguntas.
- Montagem de reporte. Puxar, cruzar, formatar e narrar os números semanais é em grande parte automatizável quando os dados estão limpos.
- Matemática de orçamento e ritmo. Reprever, conferir gasto contra o plano e sinalizar anomalias são tarefas de identificação de padrões que um modelo faz bem.
- Localização e adaptação. Traduzir e adaptar uma campanha entre mercados, com um revisor nativo no fim, é uma tarefa de volume que escala bem.
Nessas áreas, 75–80% é uma estimativa conservadora. Assista a um bom operador trabalhar com um bom fluxo e a fatia do modelo parece ainda maior.
Onde a fatia da IA é baixa
As tarefas em que a IA cobre menos terreno compartilham as propriedades opostas: baixo volume, alta consequência por unidade, e nenhum padrão claro.
- Negociação. Compra de mídia, tabelas de preço, parcerias e compromissos são relacionais e adversariais. Um modelo pode te preparar; não consegue sentar à mesa.
- Relacionamento e confiança. Clientes compram confiança. A confiança é construída em conversas e entregue por uma pessoa cujo nome está no trabalho.
- Julgamento final. Escolher o único plano que se encaixa na restrição real do cliente, ou o momento de parar um teste, é um julgamento pelo qual nenhum modelo pode responder.
- Chamadas de marca e gosto. Saber que um texto está na marca, e não apenas correto, é julgamento humano aprendido, e é onde os últimos 20% ganham seu sustento.
- Nomear a pergunta. Um modelo responde quase qualquer coisa. Decidir qual pergunta vale a pena fazer — e qual métrica importa — ainda é o ato mais valioso do operador sênior.
Nessas áreas o modelo pode ajudar, mas 75–80% seria um exagero absurdo. Aqui a fatia humana é a maior parte da função.
Um mapa aproximado da divisão
| Tarefa | Fatia da IA | O que permanece humano |
|---|---|---|
| Variantes criativas e de texto | Alta | Briefing, julgamento de marca, escolha final |
| Síntese de pesquisa | Alta | Enquadrar a pergunta, validar as fontes |
| Montagem de reporte | Alta | Interpretar os números, a recomendação |
| Matemática de orçamento e ritmo | Alta | Decidir se age sobre o sinal |
| Localização e adaptação | Alta | Nuance cultural, revisão nativa |
| Rascunhos de planejamento de mídia | Média | Escolher a restrição, assumir o plano |
| Negociação | Baixa | A conversa inteira |
| Relacionamento com clientes | Baixa | Confiança, contexto, responsabilidade |
| Julgamento final de seguir/não seguir | Baixa | A decisão e as suas consequências |
Leia a tabela como uma forma, não como um placar. As linhas de fatia alta são onde você reconstrói o fluxo primeiro, porque é onde mora a vazão. As linhas de fatia baixa são onde você protege a capacidade, porque é onde mora o valor.
Por que o número importa menos do que a forma
O uso mais comum e equivocado do princípio é citar o número como se fosse medido, e depois planejar em torno dele.
Um time ouve "80%" e presume que pode cortar quatro de cinco pessoas. Outro time ouve o mesmo número e presume que deve manter tudo humano para ficar seguro. Ambos tratam uma heurística como um fato. O trabalho do número é te manter honesto sobre qual 20% você precisa manter — e te impedir tanto de delegar demais o julgamento quanto de recusar retrabalhar a montagem.
Se você lembrar de uma coisa, que seja esta: o volume mora na metade da máquina, e a responsabilidade mora na sua. As duas metades não são intercambiáveis, que é exatamente por que uma única descrição percentual é útil e uma única meta percentual é perigosa.
Como auditar as suas próprias tarefas
Não comece pelo princípio. Comece pelo seu trabalho real, e deixe o princípio cair da auditoria.
- Liste as tarefas, não os cargos. "Produzir o relatório semanal" se decompõe em puxar, limpar, cruzar, formatar, narrar e interpretar. As cinco primeiras são de fatia alta; a última é de fatia baixa.
- Para cada tarefa, faça três perguntas. Quanto volume? Quanta consequência por unidade? Há um padrão claro para conferir? Alto volume mais baixa consequência mais padrão claro significa fatia alta de IA.
- Marque o padrão explicitamente. Uma tarefa sem padrão de revisão permanece humana até você definir um. Volume sem padrão é risco, não vazão.
- Proteja a borda de fatia baixa. Nomeie quem é dono do julgamento, do relacionamento e da decisão final. Se isso está pouco claro, o fluxo não está terminado.
A auditoria normalmente produz uma surpresa: um time gasta a maior parte da sua ansiedade num passo fácil de automatizar, e quase nenhuma no passo de julgamento onde deveria estar investindo. O Guia de Execução transforma essa auditoria numa ordem de rollout para o resto do ciclo.
Os modos de falha nas duas pontas
Delegar demais. O time entrega saída de IA sem revisão, e depois culpa a ferramenta quando uma alegação errada ou o nome de um concorrente vai ao ar. O modelo fez o que lhe foi pedido; o fluxo removeu o humano no ponto errado. Isso são os 20% roubados pelos 80%.
Delegar de menos. O time usa a IA como corretor ortográfico e mantém cada etapa manual, depois se pergunta por que nada compõe. Isso são os 80% tratados como se fossem os 20%. Os dois erros vêm do mesmo equívoco: não saber em qual metade você está.
O que medir
Acompanhe a fatia do modelo e a fatia humana separadamente. O tempo de ciclo diz se o fluxo é genuinamente mais rápido; qualidade e taxa de erro dizem se a revisão está fazendo o seu trabalho. Se o tempo de ciclo cai mas os erros sobem, você moveu o trabalho para a máquina sem mover o padrão — que é a forma mais rápida de perder a confiança de um cliente e a mais lenta de recuperá-la.
FAQ
75–80% é um número medido?
Não. É uma heurística de trabalho, vinda de observar esses fluxos, não um benchmark de um estudo. Trate a forma como a parte útil: fatia alta na produção e na montagem, fatia baixa no julgamento e nos relacionamentos.
A IA consegue fazer 100% de uma tarefa de mídia?
Não uma em que uma pessoa precise assinar o resultado. A IA consegue produzir o material e a primeira passada, e em tarefas estreitas e de baixa consequência consegue rodar de ponta a ponta. Qualquer coisa com consequência real precisa de um dono humano.
Uma fatia alta de IA significa menos pessoas?
Normalmente significa menos pessoas para a montagem e as mesmas ou mais para julgamento, relacionamentos e revisão. As funções se concentram em vez de sumir, então a resposta de headcount depende de para qual metade você estava inclinado.
Como sei que acertei a divisão?
Dois sinais. O tempo de ciclo cai sem aumento de erros, e a borda de fatia baixa — julgamento, relacionamentos, decisão final — tem um dono nomeado. Se algum faltar, continue ajustando a fronteira.
A versão curta
A IA faz mais ou menos 75–80% do trabalho na maioria das tarefas de mídia, com a fatia mais alta na produção, na montagem e na identificação de padrões, e a mais baixa na negociação, nos relacionamentos e no julgamento final. É uma heurística para encontrar os 20% que você precisa manter humanos, não uma meta de headcount. Audite as suas próprias tarefas por volume, consequência e um padrão de revisão; automatize a metade de fatia alta, proteja a borda de fatia baixa, e meça tempo de ciclo e qualidade juntos. O Guia de Execução é o mapa completo desse trabalho, e a trilha para líderes de time transforma a auditoria numa ordem de rollout.
Ainda estou aprendendo este campo em público, e meu próprio número muda conforme as ferramentas melhoram. Mas a forma se manteve: o volume é delegável, a responsabilidade não.
Se o seu time rodou essa auditoria, gostaria de saber o que te surpreendeu — normalmente não é a tarefa que as pessoas esperavam.
Abraços, Chandler
Este artigo está disponível em português, mas os materiais do curso (vídeos, templates e guias complementares) estão em inglês, japonês, chinês simplificado e coreano; este site está disponível em 13 idiomas.