Uma agência AI-native entrega uma implantação da marca, e não uma equipe. O resto é organograma.
Por Ygor Fonseca, Fundador e líder de sistemas
Duas empresas de serviços tocam o mesmo tipo de trabalho para o mesmo tipo de marca. As duas têm um líder sênior à frente, um júnior na produção e um sistema de IA no fluxo. As duas têm um canal no Slack, um espaço de trabalho compartilhado e uma reunião semanal. As duas publicam nas filas de redes sociais e de e-mail da marca. E as duas cobram o mesmo valor.
Três meses depois, a primeira empresa entrega uma pasta à marca. Dentro dela há um arquivo de texto simples, de umas duas páginas, com o nome da marca, e ao lado um diretório de arquivos menores. Na segunda de manhã, a líder do trabalho abre essa pasta, o sistema de IA lê o conteúdo e o trabalho começa. Cada reunião, cada decisão, cada exceção ao tom de voz da marca e cada lição de uma campanha que não deu certo estão na pasta. A segunda empresa entrega à marca uma apresentação de fim de ano. A apresentação descreve o que foi feito. A pasta, se é que existiu, ficava na cabeça da pessoa sênior da conta e saiu pela porta junto com ela.
Este texto explica por que essa pasta é a entrega de verdade num trabalho de serviços AI-native, e o que vai dentro dela quando o trabalho é bem montado. Chamamos o método de Codified Engagement: cada decisão, regra, restrição e aprendizado do trabalho é escrito numa implantação da marca, que o sistema de IA lê a cada tarefa. A implantação da marca é a agência.
Os cinco componentes
Uma implantação da marca não é um briefing nem uma wiki. É um pacote pequeno, com posições claras, que uma máquina consegue ler. Ele diz o que a marca está tentando fazer e quais regras a IA precisa seguir quando trabalha para ela. Diz também quais tarefas a IA sabe executar, o que aprendemos e a IA precisa lembrar, e o que a IA não pode fazer sem que uma pessoa intervenha antes.
A estrutura tem cinco componentes. Eles vêm sempre na mesma ordem.
1. A hipótese de trabalho. Três frases no topo da implantação: o que a marca está tentando fazer, por que agora e o que a equipe acha que está travando o caminho. A hipótese é atualizada toda semana. Um exemplo hipotético: uma marca de suplementos que vende direto ao consumidor, com faturamento de algumas dezenas de milhões de dólares. Ela quer romper um teto de receita mais alto sem aumentar o custo de aquisição de cada cliente novo em anúncios nas redes sociais. A leitura atual da líder é que os anúncios do fundo do funil estão saturados e que o ciclo de retenção está vazando. São três frases, específicas para essa marca, escritas por uma pessoa depois de cada revisão semanal e marcadas com a data.
A IA lê a hipótese primeiro, em toda tarefa. Ela responde à pergunta "afinal, o que estamos tentando fazer por essa marca agora?". Sem ela, cada tarefa começa do zero e o resultado da IA vai ficando genérico; com ela, cada tarefa começa apontada para o mesmo objetivo.
2. As regras fixas. As restrições de tom de voz da marca, os assuntos proibidos, os limites regulatórios, as preferências permanentes do fundador e as convenções de linguagem que a marca usa para as próprias categorias. Essas regras não mudam todo dia: são as constantes que a IA lê em cada tarefa, antes de fazer qualquer outra coisa.
As regras fixas são a parte que ninguém publica. Do ponto de vista da arquitetura, são o tom de voz da marca num formato que a máquina lê, acumulado ao longo do tempo. O texto é preciso o bastante para a IA aplicá-lo a um rascunho sem que alguém precise explicar a marca de novo a cada briefing. O formato pode ser compartilhado: uma seção da implantação, dividida pelo que cada regra cobre, com cada regra ligada ao momento em que foi definida. O catálogo em si é a parte que dá retorno ao longo dos meses. E é justamente a parte que sai pela porta com a pessoa sênior da conta quando a agência não trabalha com uma implantação.
3. O índice de instruções. Uma lista dos arquivos menores que ficam ao lado da implantação. Cada um ensina a IA a executar um tipo de tarefa recorrente. Chamamos esses arquivos de arquivos de instruções, um por tarefa recorrente: escrever uma análise de concorrência, rascunhar um e-mail de lançamento, propor um título, fazer a checagem antes de publicar um texto longo, rodar a análise semanal de desempenho do conteúdo. Cada arquivo tem um gatilho claro (quando usar), um escopo (o que cobre e o que não cobre), os passos estruturais da tarefa e exemplos de vezes anteriores em que ela deu certo.
O índice é só uma lista de referências: algumas linhas por item, com o nome do arquivo, a frase do gatilho e uma nota de escopo de uma frase. As instruções completas ficam nos próprios arquivos, no diretório ao lado. O índice deixa a IA encaminhar a tarefa. Se é um e-mail de lançamento, ela carrega o arquivo de instruções de e-mail de lançamento. Se é uma análise de concorrência, carrega o arquivo de análise de concorrência. As instruções se acumulam. Um trabalho novo acrescenta algumas por mês. Depois de seis meses, o diretório é a metodologia viva da agência, escrita para uma IA executar e uma pessoa revisar.
Andrej Karpathy, pesquisador de IA, ex-diretor de IA da Tesla e membro da equipe fundadora da OpenAI, tem o nome de engenharia mais claro para isso. Na visão dele de Software 3.0, as peças de um sistema AI-native são prompts, contexto, ferramentas, exemplos, memória e instruções. No vocabulário dele, a implantação da marca é exatamente uma instalação de Software 3.0. A hipótese de trabalho é o contexto. As regras fixas são as instruções. O índice de instruções é a lista de ferramentas. A seção de memória, que vem a seguir, é a memória. E os prompts vêm das perguntas que a líder sênior faz quando senta para trabalhar. As seis peças correspondem aos componentes da implantação, uma a uma.
Garry Tan, CEO da YC, vem publicando uma arquitetura parecida na escala de uma pessoa: um sistema de execução enxuto, que ele chama de harness, lendo um diretório de arquivos de instruções detalhados. A frase dele é Fat skills. Fat code. Thin harness. O formato é o mesmo do Codified Engagement. A diferença é o alcance. Tan usa a arquitetura no próprio trabalho. Nós usamos uma por marca atendida.
4. O índice de memória. A seção de memória guarda o que a equipe aprendeu sobre a marca e que não dá para tirar do site, dos dados ou do produto da marca. O motivo de um certo tipo de linha de assunto continuar convertendo. A posição permanente do fundador sobre um tema que aparece em várias peças. O resultado de um experimento de que mais ninguém na equipe se lembra. O motivo de um tom que a marca já usou ter sido abandonado depois da reclamação de um cliente.
Como as instruções, cada memória fica num arquivo pequeno, e o índice só lista os arquivos: nome, resumo de uma frase e data de registro. Cada memória tem um campo de motivo, e o motivo é a parte que importa. Uma regra sem motivo continua sendo seguida mesmo depois de deixar de fazer sentido. Uma regra com motivo pode ser reavaliada quando o contexto muda.
A memória se acumula do mesmo jeito que as instruções. Uma memória nova entra toda vez que a equipe aprende algo que não quer ter de aprender de novo. Seis meses depois, a seção de memória é o registro corrido do julgamento humano sobre a marca. É a parte que transforma a implantação de um briefing num patrimônio.
5. O botão de desligamento. A última seção da implantação é a lista do que a IA não pode fazer sem a aprovação prévia de uma pessoa. Nunca publicar. Nunca enviar uma campanha para mais do que uma lista pequena. Nunca gastar acima de um limite definido em anúncios. Nunca responder a um cliente com a voz da marca sem a aprovação de uma pessoa. Nunca mudar as regras fixas. Nunca sobrescrever a implantação.
O botão de desligamento é a disciplina que permite colocar o resto da implantação em uso. A Anthropic, nas orientações que publicou sobre o desenho de agentes, recomenda usar o fluxo mais simples que resolve o problema. O controle dinâmico mais completo, que ela chama de agentes, só entra quando o trabalho exige de fato. O botão de desligamento é onde essa disciplina mora dentro da própria implantação, e não num documento de política que ninguém abre. A IA pode fazer muito trabalho sozinha. As decisões que a marca paga a agência para acertar passam antes por uma pessoa. (Como o botão de desligamento funciona quando um agente pode agir nas contas da marca é assunto de um texto próprio. Ele trata do acesso restrito, do registro de auditoria, das etapas de aprovação e do comando único de revogação que fica com a marca.)
O ciclo de melhoria
Cada conversa com o cliente atualiza a implantação. A revisão de sexta lê a implantação, o briefing de segunda carrega a implantação e a rodada de produção de quarta usa a implantação como fonte da verdade. Se uma decisão importante acontece fora dela (de boca, no Slack, numa reunião ou numa troca de mensagens que ninguém registra), a implantação precisa ser atualizada antes da próxima tarefa, para que ela comece do contexto atual. Se a atualização atrasa ou falta algo, o botão de desligamento segura a situação. Os limites definem o que pode sair sem uma pessoa, então uma implantação desatualizada deixa o trabalho mais lento, mas não deixa passar um resultado ruim. A disciplina é a mesma de uma boa equipe de engenharia com um repositório: se a mudança não está na implantação, ela ainda não existe.
O mecanismo é o que descrevemos ontem no texto que acompanha este, sobre a ordem de implantação: a IA propõe e uma pessoa aprova. Depois de uma revisão sênior, a IA lê as notas da revisão e sugere mudanças nas regras fixas, memórias novas e atualizações nos arquivos de instruções. A pessoa aprova, ajusta ou recusa cada sugestão. As mudanças aprovadas entram na implantação com data e motivo. As recusadas ganham uma nota de uma linha explicando por quê. É esse ciclo de proposta e aprovação que transforma julgamentos espalhados num catálogo que se acumula.
A revisão de sexta é o ciclo semanal de melhoria. A IA propõe as mudanças que teriam pegado antes as correções da semana, as aprovadas entram antes de segunda e a semana seguinte começa de uma implantação mais afiada. É assim que a melhoria contínua aparece dentro da implantação: não há autonomia, há efeito composto.
Os pontos de falha
Três falhas aparecem com mais frequência.
A primeira é não registrar a correção. A líder revisa o trabalho, corrige na hora e nunca atualiza a implantação. O mesmo erro volta na tarefa seguinte, porque as regras e a memória não mudaram. A solução é de processo: nenhuma correção vale até a implantação ser atualizada. Se a equipe não consegue fazer isso na hora, a correção entra numa lista e é tratada na revisão de sexta.
A segunda é a implantação virar apresentação. Com prazo apertado, a equipe recorre à implantação quando um comprador pede uma amostra do trabalho, copia algumas seções para um slide e passa a escrever para esse slide em vez de escrever para o trabalho. A implantação fica mais bonita, as instruções ficam mais vagas e, um dia, ninguém mais consegue executar uma tarefa real a partir dela. A solução é lembrar que quem lê a implantação é a IA, e não o comprador. O comprador pode ver o formato: quais são os componentes, como a implantação é estruturada e o que ela faz. O catálogo fica onde trabalha.
A terceira é o botão de desligamento encolher aos poucos. Sob pressão, a equipe sobe um limite, tira uma restrição, deixa a IA publicar uma coisa sem aprovação para ganhar tempo e depois não recoloca a restrição. Seis semanas depois, a barreira não faz mais o que foi criada para fazer, e sai uma peça da marca que não deveria ter saído. A solução é registrar cada mudança no botão de desligamento com motivo e data, e fazer a revisão mensal ler essas mudanças especificamente.
O argumento
O argumento é direto: num trabalho de serviços AI-native, a implantação da marca é a agência. Todo o resto (a equipe, o canal no Slack, a apresentação, a reunião trimestral de resultados) é o organograma em volta. A implantação é a parte que se acumula e a parte que a IA de fato lê. É ela que decide se o trabalho pelo qual a marca paga fica mais afiado com o tempo ou continua com a forma que tinha no primeiro dia.
Isso pode ser publicado como método, e não só praticado internamente, porque o formato é o próprio marketing. Quem compra e lê este texto consegue reconhecer o que falta num fornecedor que promete "entrega AI-native" mas não sabe responder "de onde a IA lê?". Se a resposta é "usamos IA dentro das nossas ferramentas", a implantação é invisível e o catálogo não está se acumulando. Se a resposta é "cada trabalho tem uma implantação da marca com estes cinco componentes, e estas são as partes que podemos mostrar", a implantação pode ser auditada e o catálogo está fazendo o trabalho.
Os cinco componentes são a parte que publicamos. O conteúdo de cada implantação (as regras, as memórias, as instruções) fica onde foi conquistado. O formato pode ser compartilhado e o catálogo é de cada marca. É essa a versão da vantagem defensável que vamos defender.
A implantação da marca é a agência. A equipe é quem a preenche.
Textos relacionados: a visão da ordem de implantação cobre o eixo da camada de fluxo de trabalho (sensor / política / ferramenta / controle de qualidade / aprendizado). As cinco camadas de operação de Birkett cobrem o eixo dos canais de conteúdo (Strategy / Enablement / Execution / Feedback / Repurposing). Junto com a visão deste texto, centrada no que cada trabalho produz, os três eixos descrevem o que um trabalho de serviços AI-native entrega de fato. A biblioteca de instruções é a metodologia em crescimento da agência retoma o componente que este texto apontou como o que se acumula, o índice de arquivos de tarefa, e mostra como uma biblioteca em crescimento vira um método que dura mais do que qualquer trabalho isolado. O que fica com você quando um trabalho de IA termina pega o quarto componente, o índice de memória, e mostra por que a memória é a única parte da implantação que a marca guarda quando o trabalho acaba. A implantação da marca é o que a IA lê para executar o trabalho. O que a IA diz sobre a sua empresa é o seu par voltado para fora: o que o mercado e a máquina leem para conhecer você.