O modelo operacional
Primeiro dia na agência. A regra prática do curso: a IA cuida de 75–80% das operações contínuas, enquanto as pessoas ficam com o contexto do negócio, o conhecimento do cliente, a direção estratégica e o julgamento de qualidade. É uma regra prática, não uma contagem de cartões.
Posicione cada parte do trabalho da sua agência e, depois, diga quem confere o que a IA faz. Cada colega só consegue conferir 2 trabalhos nesta semana.
Automatizar, ampliar, proteger ou recusar?
- Automatizar: a IA faz de ponta a ponta, uma pessoa revisa de vez em quando
- Ampliar: a IA redige, uma pessoa aprova antes de sair
- Proteger: uma pessoa faz, a IA ajuda com os insumos
- Recusar: não se automatiza, mesmo que desse
- Extrair os dados semanais de desempenho de cinco plataformas para um relatório só
- Atualizar o acompanhamento de ritmo do orçamento
- Primeiros rascunhos dos resumos por canal
- Pesquisa de personas
- O guia de marca
- Texto de anúncios
- Configuração de campanhas
- A decisão de lançar ou não
- A revisão mensal do cliente
- Comunicação de crise
- Uma entrada em mercado culturalmente sensível
Quem confere? O curso: a validação exige profundidade nas plataformas, não senioridade.
- Megan, líder de contas: a relação com o cliente
- Marcus, mídia paga: nas plataformas todo dia
- Emily, pesquisa
- Jake, planejamento
- Lauren, análise: nas plataformas todo dia
- Ryan, mensuração: nas plataformas todo dia
Os números da IA chegam ao cliente, a menos que alguém que vive nas plataformas (Marcus, Lauren ou Ryan) os leia antes. Um relatório chega ao cliente com números que ninguém nas plataformas conferiu. O exemplo do próprio curso do que passa despercebido: uma IA reportou um custo por clique de US$ 0.02 para um suplemento no Reino Unido com total confiança, e estava errada (um exemplo do curso, não dados da GreenLeaf).
Uma campanha configurada por IA precisa de alguém que verifique a segmentação e confira o rastreamento. Uma campanha vai ao ar com segmentação e rastreamento que ninguém nas plataformas verificou. O curso: toda campanha configurada por IA precisa de alguém capaz de pegar os casos de borda das plataformas.
Cada conferência feita por um especialista de plataforma é tempo que ele não gasta em outra coisa nesta semana. Quem vive nas plataformas lê os números da IA antes de saírem: a pessoa que percebe quando um deles não pode estar certo. O curso: essa camada de validação costuma ser formada pelas suas pessoas mais técnicas, não pelas mais seniores.
O curso aponta este trabalho como algo que a IA deveria fazer: mantê-lo humano deixa tempo recuperável sem uso. Suas pessoas passam a semana em trabalho que o curso atribui à IA: extrair dados das plataformas, atualizar o acompanhamento de ritmo, redigir resumos por canal. O curso sugere que a maioria das equipes encontra de 15–25% das suas horas nesse grupo, tempo que poderia ir para o cliente.
O curso: a IA verifica; as pessoas decidem. Dia de lançamento, e a IA assume a decisão de lançar ou não. O curso divide assim: a IA verifica rastreamento, orçamentos, criação e geografia; uma pessoa decide.
Se isso der errado em público, uma resposta redigida por IA é um risco de reputação. A GreenLeaf está nas notícias pelos motivos errados, e a primeira resposta foi redigida por IA. O curso põe a comunicação de crise em Recusar: respostas geradas por IA são um risco de reputação.
A IA pode errar culturalmente de formas que nenhum modelo detecta. O trabalho culturalmente sensível do lançamento no Reino Unido passa pela IA. A lição do próprio curso: traduções feitas por IA estavam culturalmente erradas de formas que nenhum modelo conseguiu detectar.
A revisão mensal é onde uma pessoa descobre o que faz o cliente brilhar. A revisão mensal do cliente chega como uma apresentação escrita por IA. O curso põe as conversas de relacionamento com o cliente em Recusar: a conexão humana é o valor.
Manter isto humano significa que uma pessoa que conhece o cliente responde por ele todo mês. A revisão mensal do cliente continua sendo uma conversa com alguém que sabe o que faz o cliente brilhar.
A posição do curso
- Extrair os dados semanais de desempenho de cinco plataformas para um relatório só: Automatizar, conferido por Lauren. Um dos três primeiros candidatos do curso à automação na GreenLeaf.
- Atualizar o acompanhamento de ritmo do orçamento: Automatizar, conferido por Ryan. Um dos três primeiros candidatos do curso à automação na GreenLeaf.
- Primeiros rascunhos dos resumos por canal: Ampliar, conferido por Lauren. O curso cita os resumos em primeiro rascunho como trabalho que a IA deve fazer; como são rascunhos, uma pessoa os aprova antes de saírem.
- Pesquisa de personas: Ampliar, conferido por Emily. No curso, a IA constrói personas comportamentais; decidir qual público importa continua com uma pessoa.
- O guia de marca: Proteger. O curso: a qualidade da criação feita por IA é diretamente proporcional ao guia de marca que você oferece a ela.
- Texto de anúncios: Ampliar, conferido por Marcus. A IA redige a criação a partir do guia de marca; uma pessoa a aprova antes de ela rodar.
- Configuração de campanhas: Automatizar, conferido por Marcus. O curso diz para parar de vender configuração como trabalho premium e, ainda assim, ter alguém que verifique segmentação e rastreamento.
- A decisão de lançar ou não: Proteger. O curso: a IA verifica; as pessoas decidem.
- A revisão mensal do cliente: Recusar. O curso põe as conversas de relacionamento com o cliente em Recusar, onde a conexão humana é o valor; esta experiência trata a revisão mensal como uma delas.
- Comunicação de crise: Recusar. O curso põe a comunicação de crise em Recusar: respostas geradas por IA são um risco de reputação.
- Uma entrada em mercado culturalmente sensível: Recusar. O curso põe a entrada em mercados culturalmente sensíveis em Recusar: a IA pode errar culturalmente de formas que nenhum modelo detecta.
O seu modelo operacional decide quais erros você pega e para onde vão as horas das suas pessoas. O curso põe a conferência com quem vive nas plataformas e acrescenta Recusar para o trabalho que deve continuar humano mesmo quando a IA poderia fazê-lo. Ele sugere procurar 15–25% de tempo recuperável no trabalho que a IA deveria cuidar: uma oportunidade de auditoria, não uma economia prometida.