Todo artigo publicado pela Ahrefs passa, de alguma forma, pelo uso de inteligência artificial. Sim, todos eles. A empresa chegou a construir um pipeline, batizado de Letaido, capaz de pesquisar, estruturar, redigir e checar fatos de um texto quase pronto para publicação em algo entre seis e doze minutos. Em tese, isso permitiria produzir dezenas de milhares de artigos. Poderia… mas não é assim que a ferramenta é usada, e há um motivo claro para isso.
A questão central não é a quantidade de IA envolvida no processo. Também não se trata apenas dos vícios de escrita mais óbvios, como excesso de travessões, palavras rebuscadas ou construções do tipo “não é X, é Y”. Afinal, basta remover esses tiques e, ainda assim, pode-se ter um conteúdo raso — só que com pontuação mais elegante. Por isso, vale uma definição mais honesta: conteúdo com IA se torna “slop” quando é publicado sem entendimento humano, julgamento, evidências ou contribuição original suficientes para justificar a atenção do leitor.
Em resumo, esse tipo de conteúdo transfere o esforço de quem cria para quem lê. O autor pula as etapas difíceis — investigar o tema, verificar afirmações, formar uma opinião e decidir o que realmente importa — e quem fica com a tarefa de descobrir o que é confiável, relevante ou escrito por alguém que entende do assunto é o leitor. Quem produz economiza tempo; todo o resto da conta é pago por quem consome.
Na Ahrefs, usar IA como primeira etapa do processo não significa abandonar as práticas que sempre tornaram um conteúdo com IA valioso para o leitor. Significa, na verdade, encontrar formas de preservar essas práticas mesmo quando a máquina assume uma parcela maior do trabalho.
Fazer o trabalho humano antes de redigir qualquer linha
Durante muito tempo, escrever era a própria tarefa principal — era ali que as horas eram investidas. Como a IA tornou essa etapa extremamente barata, o esforço humano precisou migrar para antes da escrita: decidir o que merece virar artigo, como estruturar o texto e o que, de fato, pode ser acrescentado de original.
Antes de pedir que a IA escreva qualquer parágrafo, é preciso ter uma premissa clara, que responda a algumas perguntas básicas:
- Leitor: para quem é esse conteúdo e o que essa pessoa está tentando resolver?
- Promessa: o que ela deve entender ou conseguir fazer depois de ler?
- Ponto de vista: qual é a opinião defendida e onde alguém poderia discordar?
- Evidências: quais afirmações precisam de fontes, dados, demonstrações ou opinião de especialistas?
- Ganho de informação: o que pode ser somado que ainda não está disponível nos resultados de busca?
Nada disso é novidade — essas perguntas existiam antes da IA e continuam valendo mesmo com ela no processo. A inteligência artificial pode ajudar a respondê-las: é possível pedir que ela mapeie os resultados de busca, questione o ângulo escolhido, encontre contra-argumentos ou aponte evidências faltantes. No entanto, essas decisões não deveriam ser tomadas por ela.
Além disso, o planejamento é só metade do caminho: o modelo também precisa receber algo interessante para trabalhar. Se for alimentado com a mesma internet que todo mundo já tem acesso, o resultado será uma versão parecida com o que já existe por aí. Nem um prompt de estilo bem detalhado resolve isso. É preciso oferecer material que a IA jamais produziria sozinha: entrevistas, conhecimento interno, dados proprietários, demonstrações reais, experimentos que deram errado e exemplos específicos do próprio trabalho.
É nesse ponto que entra a ideia de uma “fonte da verdade” para o conteúdo produzido. Um colega da Ahrefs, Mateusz, construiu um aplicativo desse tipo dentro do Letaido: uma biblioteca pesquisável com as informações que ele e seu agente de IA usam como base. Essa ferramenta armazena quatro tipos de conteúdo: fatos e estatísticas, explicações, detalhes de produto e guias práticas.
Na prática, a mudança mais significativa foi trocar a digitação pela fala. Ao digitar, há uma tendência natural de editar o pensamento enquanto se escreve, transformando a bagunça mental em um resumo arrumado antes mesmo de a IA ver o material. O problema é que, muitas vezes, é justamente essa bagunça que carrega a parte mais útil: incertezas, ressalvas, opiniões e conexões ainda mal formadas.
Por isso, a dinâmica passou a ser ditar usando o Wispr Flow — andando pelo quarto ou sentado à mesa, falando livremente, soltando ideias para oferecer à IA mais matéria-prima bruta. É basicamente gravar um episódio de podcast consigo mesmo, sem edição nenhuma. Em outros casos, a própria IA é quem conduz a “entrevista”, encontra lacunas e sugere possíveis afirmações antes de propor um esboço. Dessa forma, ela deixa de inventar o conteúdo e passa a organizar e questionar o material que já foi fornecido.
Criar pontos de parada para exercer julgamento
A IA é extremamente boa em esconder decisões dentro de um texto bem escrito. Um prompt único e direto já escolhe, de uma vez só, a pesquisa, o ângulo, a estrutura, as afirmações, os exemplos e o tom. Quando essas escolhas chegam até quem vai revisar, já estão embaladas como um artigo pronto — e parecem muito mais definitivas do que realmente são.
É por isso que o pipeline desenvolvido por Ryan reproduz um fluxo editorial humano, em vez de gerar um único arquivo final misterioso. A pesquisa, as lacunas de conteúdo, o esboço e o rascunho ficam salvos separadamente, permitindo inspecionar qualquer etapa, corrigir o que causou o problema e recomeçar a partir do último ponto aceitável.
Não é preciso montar um pipeline complexo com dezenas de habilidades para aplicar o mesmo princípio. Basta dividir o trabalho em etapas e colocar uma decisão entre cada uma delas:
- Filtro da ideia: há algo útil a acrescentar ou o artigo apenas repetiria o que já está bem posicionado?
- Filtro do esboço: cada seção ajuda o leitor e sustenta a promessa do artigo?
- Filtro das evidências: as afirmações importantes podem ser sustentadas? O que ainda precisa ser testado ou verificado?
- Filtro do rascunho: a IA inseriu certezas, enrolação ou exemplos que não foram conquistados de fato?
Em cada uma dessas etapas, cabe a quem escreve exercer julgamento — o que pode significar pedir mais pesquisa, apagar uma seção, mudar o ângulo ou até abandonar o artigo por completo. Isso importa porque um conteúdo produzido rapidamente cria um tipo estranho de custo irrecuperável: assim que a IA entrega 2 mil palavras bem escritas, a tendência é querer melhorá-las em vez de questionar por que elas existem. É como uma falácia do custo afundado, só que a IA consegue recriar esse custo a cada seis minutos.
Para quem não está montando um pipeline e usa IA em um único artigo, a recomendação é a mesma: dividir o trabalho em etapas. Começar pelo brainstorming, sem rascunhar nada. Depois de definido o ângulo, com idas e vindas, avançar para o esboço, trabalhando e retrabalhando até ficar satisfeito. É possível até pedir que a IA defenda o lado oposto dos próprios argumentos ao longo do processo. O objetivo é tomar decisões melhores, não apenas ver a contagem de palavras subir — caso contrário, a IA transforma o profissional em editor antes mesmo de ele terminar de pensar.
Usar o tempo economizado para melhorar o conteúdo, não só aumentar o volume
É aqui que a abordagem da Ahrefs se diferencia de muitas empresas que usam IA para produção de conteúdo. A jogada óbvia de redução de custos seria produzir praticamente o mesmo tipo de artigo gastando menos e usar a economia para aumentar o volume: mais artigos, mais palavras-chave, mais páginas para o Google rastrear.
Para deixar claro, a IA também é usada para automatizar tarefas repetitivas e ganhar tempo — seria ingênuo negar isso. Por exemplo, o Data Refresh Hub desenvolvido internamente economiza pelo menos um dia inteiro de trabalho manual por mês, buscando, organizando e preparando atualizações para 12 conjuntos de dados. Tarefas que antes aconteciam trimestralmente, de forma irregular ou simplesmente não aconteciam, agora podem ser feitas mensalmente.
Ou seja, a IA realmente ajuda a publicar e atualizar mais conteúdo. No entanto, volume não é o único retorno possível sobre essa eficiência ganha. Redigir e publicar nunca foram as únicas limitações da produção de conteúdo — muitas vezes, o maior obstáculo era tudo aquilo que se queria acrescentar ao redor de um artigo, mas que não era viável investir.
Por exemplo, uma análise simples de dados (sem ser um grande estudo) poderia exigir a ajuda de um cientista de dados. Criar uma ferramenta gratuita dependia de um desenvolvedor. Um artigo mais interativo precisava de apoio de design e engenharia. Já um projeto de pesquisa mais amplo podia simplesmente ser trabalho demais para um único profissional de marketing de conteúdo.
A IA reduz essas barreiras. Hoje, um redator consegue analisar um conjunto de dados, prototipar uma ferramenta e avançar em etapas que antes dependiam de uma equipe inteira — o que, no fim das contas, é o verdadeiro ganho por trás de todo esse processo: tempo redirecionado para aprofundar, testar e entregar algo que realmente valha a leitura, em vez de apenas produzir mais do mesmo.
Com informações de ahrefs.com.
