LOOP-R · Trilha 01 · Diagnóstico
Saia sabendo apontar, no seu próprio negócio, onde a IA trabalha e nada aprende — com um número de retrabalho na mão, o seu nível de maturidade marcado e uma instrução vaga reescrita para dar para medir.
Aulas
Saia sabendo dizer, em uma frase, por que cada tarefa que a IA faz para você hoje começa do zero na próxima vez — e o que faltaria para não começar.
Saia com um número seu: quantas vezes por mês a mesma tarefa é refeita do zero — e quantas dessas poderiam virar uma linha de registro.
Saia com o seu nível (1 a 5) marcado por sinais observáveis, com gabarito — e o único degrau seguinte que faz sentido.
Saia com uma instrução vaga sua reescrita com evidência, meta com "sem piorar" e uma hipótese testável — feita em qualquer chat de IA.
Trilha 01 · Aula 1 · fundamento
Ao fim desta aula você consegue olhar uma tarefa que sua IA faz hoje e dizer, em uma frase, por que ela termina ali — e o que faltaria para a próxima vez começar melhor que a anterior.
Você já pediu centenas de propostas, respostas e textos para a IA. Cada um saiu bom o bastante. E mesmo assim a proposta de hoje começa exatamente do mesmo lugar que a primeira: nada do que deu certo ficou guardado. Esta aula dá nome a esse problema — porque, sem nome, ele parece normal.
↓ role para estudar
Hoje, na maioria dos negócios, a IA trabalha em linha reta. Alguém escreve um pedido — quem trabalha com isso chama de prompt —, a IA devolve uma resposta, a pessoa ajusta o que precisa e manda. Acabou. A próxima vez começa do mesmo ponto: um pedido novo, uma folha em branco, nenhuma lembrança da anterior.
Regina, dona de uma clínica de estética, manda cerca de 200 propostas por mês pelo WhatsApp. Para cada uma, escreve algo como "faça uma proposta de pacote de limpeza de pele para a cliente que perguntou preço". A proposta sai, ela troca duas frases, envia. A cliente responde ou some. A proposta número 201 nasce sem saber nada sobre as 200 que vieram antes — nem quais foram respondidas, nem quais fecharam.
Não é que a IA tenha feito um trabalho ruim. Cada proposta ficou boa. O problema é outro: o caminho tem quatro paradas e nenhuma volta.
Hoje, na clínica
200 propostas por mês, cada uma do zero. Regina não sabe qual das 200 funcionou nem por quê — e a de amanhã não vai saber também.
Com um loop
As mesmas 200 propostas, cada uma virando uma linha de registro. Uma decisão por semana, num cartão de cinco linhas.
Saldo no exemplo de referência do LOOP-R (dados simulados, clínica fictícia): em 4 ciclos, 1 mudança comprovada com 300 envios por versão, 1 descartada por regra, 0 versões piores no ar.
Um chat de IA funciona como um atendente temporário excelente que chega novo a cada turno: escreve muito bem, conhece o assunto, mas não esteve aqui ontem. Ele não viu se a cliente respondeu, se o lead agendou, se o chamado voltou. Tudo o que acontece depois da resposta fica do lado de fora da conversa.
Marcos, corretor de imóveis, recebe uns 40 leads por semana pelo portal — um lead é quem pediu informação e ainda não decidiu. Ele responde cada um com ajuda da IA. Quando um lead responde bem porque Marcos citou a metragem da varanda, isso ensinou alguma coisa — mas só a Marcos, se ele reparou. Para a IA, o lead seguinte é o primeiro da vida dela.
Por isso "usar muito" não vira "aprender". A quantidade de uso não muda nada enquanto ninguém registra o resultado e o leva de volta ao pedido seguinte. Esse "levar de volta" é o que o resto do curso monta.
Teste-se
Marcos usou a IA 160 vezes este mês para responder leads. O que ela sabe hoje sobre quais respostas funcionaram?
Quando alguém diz "quero que a IA melhore", quase sempre está pensando em pedir melhor. Mas melhoria real não vem do pedido. Vem de seis ingredientes ligados em círculo: evidência (o que aconteceu, anotado), métrica (um número que diz se foi bom), memória (onde fica guardado o que já se tentou), hipótese (uma ideia de mudança, com motivo), experimento (a ideia testada contra a versão atual) e avaliação (alguém diz qual ganhou, pelo número).
Paulo é gestor de suporte numa empresa de software pequena: 10.000 chamados por ano. Para o time dele, os seis ingredientes ficam assim. Evidência: cada chamado com "sobre o quê" anotado. Métrica: resolvido no primeiro contato, sim ou não. Memória: um lugar onde está escrito o que o time já tentou nas respostas prontas. Hipótese: "se a resposta sobre senha tiver o link direto, menos gente volta". Experimento: metade dos chamados de senha com a resposta nova, metade com a antiga. Avaliação: quem diz qual ganhou é a contagem de "voltou em 7 dias", não a opinião de quem escreveu a resposta.
Repare: nenhum dos seis é "pedir com mais força". E se faltar um, o círculo não fecha — hipótese sem experimento é palpite, experimento sem memória é descoberta que se perde na semana seguinte.
Antes de seguir, a antipromessa, dita logo na primeira aula para não ficar escondida: nenhum loop de melhoria garante que o número sobe. Quem promete isso está vendendo sorte com cara de método. O que um loop bem montado garante é outra coisa, mais modesta e mais valiosa:
| Garante | Não garante |
|---|---|
| Que uma versão pior não substitui a atual sozinha. | Que a próxima versão será melhor. |
| Que toda mudança fica registrada e tem botão de voltar atrás. | Que o registro terá algo útil toda semana. |
| Que o ciclo roda toda semana, do mesmo jeito. | Que cada ciclo produz uma boa ideia. |
| Que o custo não passa do teto. | Que o custo compensa. |
Repare que as quatro garantias falam de processo, não de resultado. Parece pouco. É exatamente o que nenhuma promessa de "IA que melhora sozinha" consegue entregar com honestidade — e é o que deixa você dormir enquanto o ciclo roda: nada entra sem prova, e tudo o que entrou pode sair.
No exemplo de referência do LOOP-R — uma clínica fictícia como a de Regina, com dados simulados —, a taxa de resposta às propostas foi de 19,3% para 29,3% numa versão testada com 300 envios de cada lado. E a conversão em venda não se mexeu: 3,7% contra 3,0%, diferença que pode ser acaso. O loop não escondeu isso. Registrou, e a pessoa decidiu com o número na frente. Para Regina, esse é o negócio real: não um número prometido, mas um número que ela consegue conferir.
Nenhum loop garante que o número sobe. Garante que uma versão pior não entra sozinha — e que sempre dá para voltar.
Pratique agora 0/3 feito
Ler um caso curto, responder três perguntas e comparar com o gabarito; depois, listar as suas cinco. ~10 min.
É só leitura e anotação — nada muda no seu negócio até você aprovar, e nenhuma cliente recebe nada. Se uma resposta sua ficar diferente do gabarito, anote a diferença: é exatamente o tipo de coisa que vale discutir com o sócio.
O caso. Regina, dona de uma clínica de estética, usa a IA para cinco coisas por semana: (1) escrever propostas de pacote no WhatsApp; (2) responder "qual o valor?" de quem chega pelo Instagram; (3) montar a legenda do post de segunda; (4) resumir as avaliações das clientes no Google; (5) escrever a mensagem de lembrete de sessão. Nenhuma das cinco tem registro do que aconteceu depois. Regina acha que a número 4 "já é aprendizado", porque ali a IA lê o que as clientes disseram.
Responda no papel ou no celular:
1. As cinco. Todas seguem o caminho pedido → resposta → fim: nenhuma tem uma linha dizendo o que aconteceu depois (a proposta foi respondida? o post trouxe agendamento? a cliente do lembrete apareceu?).
2. Não. Ler avaliações é um pedido que termina ali como os outros. Viraria loop se o que a IA leu virasse uma hipótese ("clientes reclamam de espera: se a proposta disser o tempo de sessão, respondem mais?"), fosse testado contra a versão atual e o resultado ficasse registrado. Ler não é aprender; mudar com prova é.
3. A melhor escolha é a mais frequente e com resultado fácil de ver: a proposta (1), com 200 por mês e a resposta chegando em horas. Por linha: data, versão da proposta, tipo de pacote, respondeu (sim/não), agendou (sim/não), reclamou (sim/não). A tarefa 3 (post) também vale, mas o resultado demora mais e é mais difícil de ligar ao texto.
Você acabou de conseguir apontar, com uma frase cada, as tarefas que terminam ali — no caso de Regina e no seu negócio.
Resumo
Trilha 01 · Aula 2 · fundamento
Ao fim desta aula você consegue dizer, com um número seu, quantas vezes por mês a mesma tarefa é refeita do zero no seu negócio — e quantas dessas poderiam virar uma linha de registro.
Volume dá sensação de experiência. Dez mil chamados atendidos parecem dez mil lições. Mas se ninguém anotou sobre o que eram, os dez mil valem o mesmo que o primeiro. Você paga o custo de repetir sem receber o ganho de aprender — e essa conta não aparece em fatura nenhuma.
↓ role para estudar
Paulo, gestor de suporte de uma empresa de software pequena, fecha o ano com 10.000 chamados atendidos. Cada um foi bem resolvido, um de cada vez, com a IA ajudando a escrever a resposta. O time é elogiado. E ninguém sabe que 37% desses chamados — 3.700 — são sobre o mesmo problema: uma tela de senha que confunde todo mundo.
Por que ninguém viu? Porque cada chamado é um pedido que termina ali. De dentro de um chamado, não dá para enxergar a pilha. Só quem olha o conjunto — e para isso precisa de uma coluna "sobre o quê" preenchida em cada um — percebe que um em cada três aponta para a mesma coisa.
Aqui está a diferença entre "atendemos muito" e "aprendemos muito". Os 10.000 chamados resolvidos deixaram 10.000 clientes atendidos e zero mudanças no produto. Um único conserto naquela tela teria evitado 3.700 conversas. A informação estava lá o ano inteiro; só não estava anotada.
Marcos, o corretor, responde uns 40 leads por semana — cerca de 160 por mês. Cada resposta leva uns seis minutos entre pedir, ajustar e enviar. São 16 horas por mês. Ele não acha caro, porque a IA "faz rápido". Mas as 16 horas do mês que vem vão comprar exatamente a mesma coisa que as deste mês: 160 respostas isoladas, nenhuma mais esperta que a anterior.
Compare com outro cenário, com o mesmo tempo gasto: as mesmas 160 respostas, mas cada uma deixa uma linha — data, tipo de imóvel, qual abertura usou, o lead respondeu, agendou visita. O esforço por resposta é igual. A diferença é o rastro. Num caso sobra cansaço; no outro sobra material para uma pergunta que hoje Marcos não consegue responder: "qual abertura faz mais gente agendar?".
O custo de refazer do zero não é o tempo — o tempo você gastaria de qualquer jeito. É o aprendizado que passou pela sua mão e não ficou.
Volume sem registro não é experiência. É a mesma primeira vez, repetida dez mil vezes.
Durante anos, a vantagem de uma empresa foi "ter mais dados que a concorrente". Isso mudou. Hoje todo mundo tem acesso à mesma IA, boa do mesmo jeito. Se duas imobiliárias usam o mesmo chat, os mesmos portais e o mesmo bairro, o que separa uma da outra? Não é o pedido mais bem escrito — esse se copia em um dia.
O que não se copia é o histórico. Uma das imobiliárias registra, por lead, canal, tipo de imóvel, resposta enviada e o que aconteceu. Depois de seis meses, tem cerca de 1.000 linhas para consultar antes de mudar qualquer coisa. A outra tem 1.000 conversas perdidas no WhatsApp de cada corretor. A concorrente pode copiar o texto; não pode copiar seis meses de "o que já testamos e como foi".
Esse acúmulo é o ativo. Ele não nasce de tecnologia melhor — nasce de uma linha por execução, todo dia, sem exceção.
Teste-se
Duas clínicas usam a mesma IA, os mesmos preços e ficam na mesma rua. O que uma delas pode ter que a outra não consegue copiar em um mês?
Todo o loop depende de um passo humilde: registrar. O lugar onde isso acontece é a planilha de registro — uma planilha comum, com uma linha por proposta, resposta ou chamado, e uma coluna que a maioria esquece: o que aconteceu depois. Sem essa coluna, você tem um arquivo de textos, não evidência.
Para o suporte de Paulo, a linha fica assim: data · assunto do chamado · qual resposta pronta foi usada · resolvido no primeiro contato (sim/não) · voltou em 7 dias (sim/não). Cinco colunas. A pergunta que antes levava uma semana de leitura ("sobre o que mais reclamam?") passa a ser uma contagem de dois minutos.
Uma honestidade do método: a fonte de evidência é o gargalo, não a IA. Se os dados vivem na cabeça do vendedor ou espalhados em conversas, o loop não tem o que ler — e um loop sem evidência é teatro. E um cuidado, desde já: 12 linhas não fazem padrão. "As propostas de terça respondem mais", com 12 propostas, é acaso com cara de descoberta. A regra do loop é só afirmar padrão com 30 ou mais por grupo.
Suporte de Paulo, hoje
10.000 chamados por ano resolvidos um a um. "Sobre o que mais reclamam?" leva uma semana de leitura para responder — e ninguém tem essa semana.
Com a planilha de registro
10.000 linhas com a coluna "assunto" preenchida. A mesma pergunta se responde numa contagem: 37% de um problema só.
Saldo: mesmas 10.000 respostas, mesmo esforço por chamado, uma coluna a mais — e 3.700 chamados passam a apontar para um único conserto no produto.
Pratique agora 0/4 feito
Sair com uma frase escrita, com dois números: quantas vezes por mês a tarefa acontece e quantas ficaram sem registro. ~10 min.
É só contagem — nada muda no seu negócio até você aprovar; você não altera nenhuma resposta nem avisa ninguém. Se contar parecer demais, estime uma semana e multiplique por quatro: a ordem de grandeza basta para esta aula.
Você acabou de conseguir dar um número mensal a uma sensação — e esse número é a primeira linha do diagnóstico do seu negócio.
Resumo
Trilha 01 · Aula 3 · fundamento
Ao fim desta aula você consegue marcar, por sinais observáveis e não por impressão, em qual dos cinco níveis de maturidade seu negócio está hoje — e qual é o único nível seguinte que faz sentido.
Todo mundo que usa IA acha que está "avançado" — e quase todo mundo está no nível 1. Sem uma régua, você compra ferramenta de nível 4 para resolver um problema de nível 1 e paga por um teatro. A régua desta aula existe para evitar esse dinheiro jogado fora.
↓ role para estudar
O nível 1 é onde quase todo negócio está, e não há nada de errado nisso. É a IA que responde a um pedido. Você escreve, ela entrega um texto, você confere e usa. A inteligência do processo mora inteira na sua cabeça: o que pedir, o que ajustar, o que mandar.
Regina, da clínica, está no nível 1 puro. Os sinais são fáceis de reconhecer: cada uso começa com ela escrevendo; o resultado de cada proposta vive na memória dela, não em lugar nenhum; se ela sair de férias, a IA "esquece" a clínica — porque nunca soube nada além do que estava no pedido do dia.
Nível 1 não é ruim. Responder bem mil vezes já poupa muitas horas. Só não confunda com aprender: mil respostas boas continuam sendo mil primeiras vezes.
Responder bem mil vezes é nível 1. Nível 1 não é atraso; é o ponto de partida de quase todo mundo.
No nível 2 entra o que quem trabalha com isso chama de agente — neste curso, assistente com uma função só. Você não dita mais cada passo; dá um objetivo. Ele planeja, usa uma ferramenta (uma agenda, uma planilha, o WhatsApp) e entrega o resultado.
Marcos, o corretor, tem um desses: o assistente lê o lead que chegou pelo portal, procura o imóvel na planilha dele, escreve a resposta e propõe dois horários de visita. Marcos só confere e aprova. É mais do que responder — é executar um objetivo de ponta a ponta.
O detalhe que engana: o assistente faz mais coisas e aprende exatamente o mesmo tanto que no nível 1 — nada. Ninguém anota se a visita aconteceu. O nível 2 aumenta o alcance; não fecha o círculo.
Teste-se
Um assistente de suporte lê o chamado, procura a resposta pronta certa e responde sozinho — sem ninguém anotar se o cliente voltou. Que nível é esse?
O nível 3 é o primeiro em que a empresa aprende. Cada execução vira uma linha; a cada semana, alguém (ou um assistente com essa função) olha as linhas, propõe uma hipótese, testa a versão nova contra a atual e decide pelo número. Se ganhou com prova, vira a versão oficial. Se não, fica registrado que não deu — para ninguém tentar de novo sem saber.
No exemplo de referência do LOOP-R (uma clínica fictícia, dados simulados), o loop rodou quatro ciclos entre fevereiro e julho. Uma hipótese — "abrir citando a avaliação que a cliente deixou" — foi testada com 300 propostas de cada lado: resposta de 19,3% para 29,3%, sem piorar nada do que era vigiado (reclamações, desconto), aprovada no cartão e promovida — virou a versão oficial. Outra, "até 80 palavras", subiu quase o mesmo e foi descartada, por regra. As duas estão na memória.
Dentro do nível 3 há três graus de autonomia. L0: o loop só sugere; você faz tudo. L1: você aprova cada mudança num cartão de cinco linhas, uma vez por semana no máximo. L2: ele promove sozinho, avisa e mantém o botão de voltar — e só se desbloqueia depois de cinco aprovações corretas suas em L1. O curso monta o seu em L1.
Nível 1 — Regina hoje
200 propostas por mês. "A IA melhorou?" — ninguém sabe, e a pergunta nem tem como ser respondida.
Nível 3 — com o loop
As 200 propostas viram 200 linhas. A cada ciclo, uma hipótese testada em duas versões e um cartão para Regina decidir.
Saldo no exemplo de referência: em 4 ciclos, 2 hipóteses testadas com 300 envios por versão, 1 aprovada e promovida, 1 descartada — e nenhuma mudança entrou sem cartão aprovado.
O nível 4 é o sistema que observa o próprio sistema de melhoria: quanto custa cada ciclo, quantas hipóteses viraram versão, qual assistente mais leva veto. Parece mágica, e é aqui que a honestidade importa: hoje, no produto, esse nível só relata. Ele não redesenha nada sozinho. Um sistema que muda a si mesmo com poucos dados multiplica cada erro dos níveis de baixo — por isso, redesenho autônomo continua sendo pesquisa, não produto.
O nível 5 é a empresa inteira: cada área com seu loop e um loop acima cruzando os aprendizados. O suporte de Paulo mostra o caminho: chamados registrados → causa encontrada (a tela de senha) → resposta nova testada contra a antiga → texto de ajuda atualizado → mudança sugerida ao produto. O atendimento deixa de só responder e passa a melhorar o produto. Mas isso só existe porque, lá embaixo, cada chamado virou uma linha.
Daí a regra: não se pula degrau. Quem está no 1 e compra "nível 5" compra teatro, porque o loop de cima não tem evidência nenhuma para aprender. Do 1 e do 2, o único próximo degrau útil é o 3 — e o 3 começa com uma coluna a mais na planilha e um teste com número.
Pratique agora 0/3 feito
Ler o caso, marcar o nível de cada pessoa, conferir no gabarito e então marcar os sinais que valem para o seu negócio e ler o seu nível. ~12 min.
É diagnóstico no papel — nada muda no seu negócio até você aprovar, e ninguém precisa saber o resultado. Se ficar em dúvida entre dois níveis, marque o mais baixo: o degrau seguinte é o mesmo, e errar para baixo não custa nada.
O caso. Regina pede cada proposta à IA e ajusta na mão; o resultado fica na cabeça dela. Marcos tem um assistente que lê o lead, consulta a planilha de imóveis e propõe visita sozinho; ninguém anota se a visita aconteceu. Paulo registra cada chamado com assunto e "resolvido no primeiro contato?", testa uma resposta nova contra a antiga a cada mês e decide num cartão. Os três dizem estar "bem avançados em IA".
Responda:
1. Regina: nível 1 (responde). Marcos: nível 2 (executa um objetivo; nenhuma medida). Paulo: nível 3 (linha por execução, teste com número, decisão registrada).
2. Regina e Marcos empatam no custo: os dois precisam do mesmo passo — uma coluna de resultado por execução ("respondeu?", "a visita aconteceu?"). Marcos tem uma vantagem: o assistente dele já produz a execução de forma padronizada, então a linha é mais fácil de preencher. Para Paulo, o próximo passo é outro: manter o ciclo constante e vigiar custo por hipótese promovida.
3. Leitura dos sinais. Só A: nível 1. B sem C: nível 2. C + D + E: nível 3. F por cima de C-D-E: nível 4 (relatar). G: nível 5. Se marcou C sem D: você está entre o 2 e o 3 — tem evidência, falta experimento; é a posição mais comum de quem começou a registrar. Se marcou B e G sem C: desconfie — sem linha por execução, o "loop entre áreas" é impressão.
Você acabou de conseguir dar um número ao seu nível, com sinais que qualquer pessoa da equipe pode conferir — e apontar o único degrau seguinte.
Resumo
Trilha 01 · Aula 4 · fundamento
Ao fim desta aula você consegue pegar uma instrução vaga ("fique melhor", "seja mais persuasivo") e reescrevê-la com evidência, meta com número e "sem piorar" e uma hipótese testável — usando qualquer chat de IA.
É a primeira coisa que quase todo mundo faz: abre o assistente e escreve "analise seu trabalho e melhore a cada vez". Parece uma ordem inteligente. É uma frase sem número, sem dado e sem jeito de saber se funcionou — e o assistente vai responder que sim, melhorou. Esta aula troca a frase por um pedido que dá para conferir.
↓ role para estudar
Paulo, do suporte, escreveu isso no assistente que responde chamados: "analise suas respostas e melhore continuamente". Um mês depois, perguntou se tinha melhorado. O assistente respondeu que sim, com convicção. Não havia nenhuma forma de saber se era verdade — e é isso que torna a frase perigosa: ela produz a sensação de melhoria sem produzir melhoria.
Faltam três perguntas que a frase não responde. Melhorar em relação a quê (a versão de quando?). Medido por quem (o próprio assistente, que tem todo interesse em dizer que melhorou?). Comparado como (contra o quê, com quantos casos?). Sem evidência registrada, sem número e sem versão anterior, "melhorou" é só a resposta esperada para a pergunta feita.
Isso não é limitação da IA; é limitação do pedido. A frase-âncora do curso inteiro existe para substituir exatamente esse hábito:
Não peça para a IA melhorar. Faça cada execução produzir evidência, cada evidência gerar uma hipótese, cada hipótese virar um experimento — e só o que for comprovado entra na próxima versão.
A primeira troca é sair de "melhorar" para "de X para Y, sem piorar Z". Para Regina: "taxa de resposta às propostas de 20% para 30%, sem piorar reclamações e desconto médio". Para Marcos: "agendamento de visita de 20% para 30%, sem piorar visitas em que o cliente não aparece". A parte do "sem piorar" tem nome — guarda-corpo — e não é enfeite.
Sem guarda-corpo, toda meta sozinha vira alvo, e o assistente aprende a trapacear: peça "mais cliques" e ele escreve título caça-clique; peça "menos tempo por chamado" e o time de Paulo passa a encerrar rápido sem resolver; peça "mais respostas" e as mensagens começam a provocar "pare de me mandar isso" — que conta como resposta. A meta sem "sem piorar" é o erro mais silencioso desta trilha, porque o número sobe e o negócio piora.
Dois cuidados sobre o número. Primeiro: escolha uma métrica que o cliente responda rápido — taxa de resposta, agendamento — e vigie a de dinheiro (conversão, margem) como guarda-corpo. Segundo: metas perto de 3% são quase impossíveis de provar em negócio pequeno; provar 3% → 5% exige cerca de 1.500 execuções de cada lado, o que a 200 por mês leva 15 meses. Provar 20% → 30% exige ~300 de cada lado. Comece pelo terreno onde dá para provar.
A segunda troca é sair de "ideia" para hipótese. Hipótese tem forma fixa: SE [uma mudança] ENTÃO [efeito esperado na meta] PORQUE [motivo]. No exemplo de referência do LOOP-R, a clínica fictícia escreveu: "SE a proposta tiver até 80 palavras, ENTÃO a taxa de resposta sobe de 19% para perto de 30%, PORQUE proposta longa no WhatsApp não é lida até o fim. Mudança: só o tamanho."
A parte mais difícil é a última: uma mudança só. Marcos quer "cortar o texto, mudar o tom e enviar de manhã" — três mudanças de uma vez. Se funcionar, ele não sabe qual das três funcionou; se falhar, não sabe qual estragou. Três ideias são três hipóteses, testadas uma por vez ou registradas para depois.
Para Regina, a mesma forma: "SE a proposta abrir citando a avaliação que a cliente deixou, ENTÃO mais clientes respondem, PORQUE reconhecem que a mensagem foi escrita para elas" — foi essa, aliás, a hipótese que acabou promovida no exemplo. Uma boa hipótese também protege: se falhar, você sabe exatamente o que descartar e o que anotar na memória para ninguém testar de novo sem querer.
Repare no que aconteceu com a instrução vaga de Paulo quando passa por essas duas trocas:
Instrução vaga
"Assistente, responda melhor os chamados e vá melhorando com o tempo."
Pedido que se confere
"Registre cada chamado (assunto, resposta usada, resolvido no 1º contato?). Meta: resolvido no 1º contato de 50% para 65%, sem piorar reabertura em 7 dias. Hipótese: SE a resposta de senha tiver o link direto ENTÃO menos gente volta PORQUE o cliente se perde na tela. Teste: metade com cada versão, ~170 por versão."
Saldo: a primeira não produz nada conferível; a segunda produz registro, número-alvo, guarda-corpo e teste com quantidade — quatro coisas para discutir com o sócio.
A terceira troca é separar quem propõe de quem julga. Quem julga só pode responder uma de três coisas: B ganhou com margem, A segue, ou quantidade insuficiente — continue o teste. A terceira é a resposta mais comum e precisa ser aceitável, porque a alternativa é promover acaso. Aquele "300 de cada lado" tem nome — quantidade que prova — e é calculado antes do teste, não depois.
É aqui que mora o segundo erro silencioso: parar o teste no meio porque a versão nova "está na frente". Marcos, com 40 leads por semana, precisa de umas 15 semanas para chegar a 300 por versão. Na semana 2, a nova está com 12 respostas em 40 contra 7 em 40 da antiga, e ele quer promover. Doze contra sete em 40 é o tipo de diferença que aparece e some sozinha. Parada antecipada só existe por um motivo: um guarda-corpo caindo. Nunca por vantagem parcial.
Teste-se
Semana 2 do teste: versão nova com 12 respostas em 40, antiga com 7 em 40. O que quem julga responde?
De volta ao exemplo de referência. No segundo ciclo, a hipótese "até 80 palavras" foi testada com 300 propostas de cada lado: resposta de 19,3% para 29,7% — dez pontos, com quantidade que prova. E não foi promovida. O guarda-corpo "reclamações" marcou 6 contra 1, e a tolerância combinada era zero. A regra foi aplicada como estava escrita; a versão ficou de fora; tudo foi registrado.
Aí vem a segunda lição, tão importante quanto a primeira: a regra estava mal calibrada. Seis contra uma reclamação em 300 é ruído — pode acontecer por acaso. Tolerância zero em evento raro descarta ideia boa por sorte ruim. A pessoa ajustou a tolerância para 1% nos testes seguintes, e a hipótese descartada ficou na memória, com o motivo. No quarto ciclo, "abrir citando a avaliação da cliente" subiu de 19,3% para 29,3%, guarda-corpos dentro, e virou a versão oficial. A conversão em venda não se mexeu — e isso também ficou escrito.
Para Paulo a mesma regra vale: se "resolvido no primeiro contato" sobe e "reabertura em 7 dias" sobe junto, A segue. O sistema não promove porque parece melhor — e quem aprova, em L1, é você, no cartão, com o número na frente.
Erro comum
Promover porque parece melhor. A proposta nova "está claramente mais bonita", a taxa subiu na primeira semana — e vira a oficial. Acontece porque o olho humano confunde gosto com resultado, e semana boa com padrão. Como evitar: nada vira versão oficial sem veredito com a quantidade que prova e os guarda-corpos conferidos; e a decisão passa pelo seu cartão, não pela impressão de quem escreveu.
Pratique agora 0/4 feito
Sair com um texto de quatro partes — evidência, meta com "sem piorar", hipótese SE-ENTÃO-PORQUE, teste — gerado num chat de IA a partir de uma instrução vaga do seu negócio. ~10 min.
Você está só escrevendo um pedido num chat — nada muda no seu negócio até você aprovar, e nenhuma resposta a cliente sai daqui. Se a resposta vier com números que você não deu, apague-os e peça de novo acrescentando "não invente números".
Isto é um pedido pronto para colar num chat de IA: os trechos entre < > são os únicos que você troca — o resto fica como está.
Tenho um assistente de IA que faz esta tarefa no meu negócio: <descreva a tarefa — ex.: responder leads de portal imobiliário>. Hoje a instrução que dei foi vaga: "<cole a instrução vaga — ex.: seja mais persuasivo e vá melhorando>". O número atual que eu sei é: <ex.: 20% dos leads respondem — ou "não sei">. Reescreva a instrução em quatro partes, sem inventar números que eu não dei: 1. EVIDÊNCIA — o que registrar por execução, uma linha por vez, em até 5 colunas (uma delas obrigatoriamente "o que aconteceu depois"). 2. META — no formato "de X para Y, sem piorar Z", usando só o número que informei. Se eu disse "não sei", diga que a primeira tarefa é medir por 2 semanas e proponha o que medir. 3. HIPÓTESE — uma frase "SE [uma mudança só] ENTÃO [efeito na meta] PORQUE [motivo]". 4. TESTE — como dividir em duas versões (atual e nova) e quantas execuções por versão antes de decidir (para metas entre 20% e 30%, use cerca de 300 por versão). Termine listando o que NÃO pode mudar sem a minha aprovação.
O que você deve ver: uma resposta com os quatro blocos numerados; a META com um "sem piorar"; a HIPÓTESE com uma única mudança; o TESTE com uma quantidade por versão; e uma lista curta do que fica fora do alcance. Se a hipótese vier com duas ou três mudanças juntas, responda: "separe em uma hipótese por mudança".
Você acabou de conseguir transformar uma ordem vaga num pedido que dá para conferir — com registro, número-alvo, guarda-corpo e teste.
Resumo