Os técnicos de TI sempre trazem bons insights: em 2015, eu e um amigo desenvolvedor de sistemas pensamos na criação de um “robô que escrevesse como eu escrevo”. Pensamos em um software que monitorasse o meu dia a dia no computador. Depois ele seria alimentado com alguns dos meus textos e todos esses inputs seriam codificados. Criaríamos um produto de escala comercial, dedicado a ajudar a minha produção e depois a de outras redações do Brasil – quiçá do mundo. Pensamos nisso como resposta ao incômodo – ainda premente – sobre o ofício e o mercado de jornalismo.
Não escrevo do Vale do Silício e, portanto, o meu projeto não andou. Já o jornalismo continua, com outras configurações, e hoje observamos que criar conteúdos por meio de um robô bem treinado é mesmo possível. A fluidez das ferramentas de IA generativa torna isso mais sedutor a cada dia, especialmente para quem se entende capaz de coordenar operações para gerar conteúdos em escala direcionados a públicos ávidos por navegação informacional (Google e, agora, IAs).
Rumo a Gore Vidal?
Não me sinto confortável em pensar que as IAs resolveram o problema. E não é por conservadorismo, pois prefiro o fim dolorido à dor sem fim. Mas a verdade é que há muitas perguntas e poucas respostas efetivas, e tudo isso fica embaçado por nuvens de fumaça que os vendors espalham diariamente para promoverem seus sistemas.
Nesta semana, novamente com os caras de TI, um monte de “puts” abriram um clarão nessa fumaça. Um deles disse:
As IAs facilitam o throughput e, com isso, enchem os backlogs. Backlogs cheios atrapalham o output e, portanto, tornam todo o processo menos eficiente.
Já vi números contestando a eficiência da IA nas companhias que a adotaram sem critério. Um deles, da Rand Corporation, fala em 80% de fracasso. Mas olhando para o dia a dia do jornalismo, é impossível não reconhecer que dá para aumentar o volume de produção de textos, short vídeos, verbetes e outros derivativos de conteúdos com o uso de IAs. E quase todos os jornalistas já sabem que é possível treinar prompts para que eles reproduzam padrões que tornem esses conteúdos mais personalizados, ao “estilo fulano de tal”. “Daqui a pouco, poderei pedir à minha IA para criar textos com a qualidade do Gore Vidal. Por isso, pouco importa se o jornalista da minha equipe escreve bem”, disse-me um publisher recentemente.
Acho que é possível mesmo emular o texto de um escritor após algum tempo de dedicação a um prompt. O Instagram e o TIk Tok nos lembram todos os dias que também dá para imitar vozes, fotos e até vídeos. Eu mesmo tenho uma IA ao meu estilo de texto informativo. Ela funciona bem e acho que se eu investir algumas horas poderei criar prompts para vídeos e locuções quase perfeitas também. Ainda assim, não serei Gore Vidal.
Inputs, throughputs e outputs
No início da minha carreira, um editor sentenciou que “escreve bem quem pensa bem”. Demorei a concatenar a ideia. Tempos depois, traduzi o direcionamento para “entenda bem o assunto antes de escrever”. Ainda hoje funciono assim, e acho que o direcionamento e a minha tradução a ele levam a lugares semelhantes: qualidade do input para o meu cérebro construir a narrativa.
Com os grandes modelos de linguagem (LLM – ou simplesmente IAs) é a mesma coisa: precisa saber pedir o que se quer. Em pesquisas isso é muito convidativo, pois, além da resposta, vem contexto. O problema é a fonte da pesquisa, o que exige, novamente, qualidade dos inputs para limitar fonte e angulação para a matéria.
Há poucos meses, um executivo me indagou sobre o ofício do jornalista, provocando que o ato de digitar em um teclado desordenado não pode ser o cerne da profissão. Concordei, mas algo feriu o meu orgulho de repórter e a esse incômodo eu reagi consultando a etimologia da palavra jornalista. Confirmei que se trata da análise, da observação. Inicialmente sobre o cotidiano (do latim, diurnalis) e depois ampliada a negócios, culturas e os seus mais variados nichos. Sim, a digitação é mecânica, não precisa de input intelectual, e a minha resposta à provocação continua a mesma, mas agora com o alívio de saber que não nos limitamos a digitadores.
Quando confrontei o ensinamento do editor antigo com o indagamento do executivo novo, conclui que os jornalistas percebem as situações da vida e por isso têm inputs para criar histórias. No duro, somos como terapeutas na ótica de Nelson Rodrigues (fofoqueiros mais bem pagos do mundo), mas enquanto os psicólogos e psiquiatras entregam (output) melhorias para mentes individualmente, nós entregamos informações de modo organizado e generalizado para que os leitores tenham os seus próprios inputs.
Se o meio é a mensagem, a IA é o throughput
Entre o fim e o começo de qualquer coisa há o processo (o meio). Na comunicação, o filósofo Marshall Mcluhan disse que “o meio é a mensagem”. Ele se referia aos meios de comunicação como TV, Rádio, jornal e revista. De fato, a cada tempo que um determinado meio de comunicação massifica, ele tende a ser dominante como via de entrega (throughput) da mensagem. Hoje, esse meio é o smartphone.
Dadas as particularidades, acontece assim também com a produção de biscoitos, souvenirs, aço galvanizado, pastéis… Há um input, com o objetivo de uma entrega (output) e precisa-se de um processo de concepção (o meio – throughput) para viabilizá-lo.
Se o engenheiro de produção sobe o software de protótipo fabril para um produto de 5 metros quadrados, é possível que um robô produza aquilo dezenas de vezes em um período pré-calculado. Mas se a fábrica tiver um estoque de apenas 10 m², só será possível guardar dois produtos por período, e essa limitação de output coloca em xeque a necessidade do robô (throughput) ou enseja novos inputs para resolver a limitação física.
Com o publishing de conteúdo a lógica se assemelha: a IA pode produzir centenas de conteúdos com certa qualidade, mas de nada adianta isso se não houver inputs personalizados e outputs a contento da vazão às publicações.
O output é como um funil que, independente do volume de conteúdo no meio, derrama somente o quanto o bico está aberto para tal.
Nos inputs de criação de conteúdo relevante, os modelos de LLM podem ajudar sugerindo angulações, mas precisa da mente humana para selecionar o que é válido. Sozinhas, as LLMs não são capazes de dar inputs intelectuais, uma vez que não observam o cotidiano humano em sua plenitude. A isso cabe o diurnalis.
Não só no jornalismo, mas em muitos processos que utilizam IA nos throughputs, os inputs são personalizados e, por isso, há limitação de qualidade e volume. Em outros processos mais escalonáveis, há inputs o suficiente, mas por vezes eles lotam os backlogs (tarefas pendentes) e assim tumultuam os outputs, comprometendo a eficiência ao final da linha produtiva.
De novo os caras da TI
Em outra ótica, o cientista de dados Silvio Meira me disse que o ofício de jornalista não está ameaçado pelas LLMs. Para ele, o que está ameaçado é a relatoria, como aquelas matérias que contam o que se discutiu em uma sessão do Congresso. Nesses casos, uma câmera IP pode captar, decodificar e transferir os dados para uma LLM redigir um texto bem okay dando o relato.
Entendo que é diferente do diurnalis, como um setorista que trafega pelos gabinetes dos deputados antecipando intenções de votos para contextualizar o resultado final da sessão ou o impacto que tal decisão terá na sociedade. Mesmo que ele utilize IA para ajudá-lo em alguma etapa, ter e transmitir essa expertise para ela continua sendo um trabalhão.
Desde 2022, mercados industriais, financeiros, de saúde, de comunicação, etc. experimentam LLMs com certo entusiasmo. Até agora, há poucos casos de sucesso vistosos e os que ocorrem são departamentais, em sua maioria: “o RH da companhia X aplicou agentes de IA e poupou tantas horas semanais da equipe com a automatização de uma tarefa Y”.
Confesso que via esse tipo de resultado como positivo, como inovação incremental. Talvez pela inocência de desejar que as pessoas dessa equipe fiquem mais distantes do burnout. “A verdade é que, ao investigarmos o que essas ‘horas poupadas’ representaram em termos de eficiência, raramente vemos algum incremento real”, desconstruiu-me um outro executivo de TI.
Ele explicou que as horas poupadas no meio do processo produtivo não podem ser repassadas para a etapa final, da entrega. Ou seja: novamente vem a sentença de que o incremento do throughput enche o backlog, mas o output continua limitado, o que resulta em pouco ou nenhum ganho de eficiência.
A melhoria no meio do processo, por vezes, reflete nos inputs também: com backlog repleto, abdica-se de novas requisições, e isso pode comprometer a inovação. “[por isso] Continua faltando mão de obra qualificada no setor de TI”, lembrou outro executivo. Esse último completou que há limitação de “profissionais com background para criar histórias (inputs)”. A quem trabalha com jornalismo, como eu, a falta de background para criar histórias soa familiar? Se sim, talvez seja o momento de pensar nos “puts” do começo e do fim dos processos de produção. E isso as IAs não poderão resolver.
