Análises miojo

90 segundos depois, segundo a estimativa da própria IA...

Resposta que ela deveria dar: “Você está me pedindo uma análise ou um miojo?”.

Resposta que ela provavelmente daria: “Aqui estão os principais motivos e o dashboard solicitado.”

Não, esse não é um texto contra a IA (seria loucura da minha parte).

Esse texto é um alerta para quem usa a IA de forma errada e coloca suas empresas e trabalhos em risco.

Inclusive, escrevi ele com ajuda do próprio Claude (não a estrutura do texto, mas as informações que preciso dele, afinal estou falando do seu comportamento e dos seus usuários).

A inteligência artificial tem uma característica quase que unânime: ela nos dá uma sensação muito grande de avanço.

Você está com uma dúvida, abre a ferramenta, escreve uma pergunta e, em poucos segundos, recebe uma resposta organizada, bem escrita e aparentemente lógica. 

Para quem vive uma rotina cheia de decisões, demandas, análises, reuniões e mensagens para responder, é quase impossível não gostar disso.

Uso IA praticamente todos os dias para organizar ideias, revisar textos, testar estruturas, levantar hipóteses e acelerar partes do meu trabalho. 

Seria incoerente da minha parte escrever um texto criticando o uso de uma ferramenta que eu mesmo uso tanto.

O ponto, porém, não é se a IA é boa ou ruim. 

Na minha visão, essa discussão já ficou um pouco ultrapassada. A questão mais importante é entender o que ela está acelerando.

Porque, se ela acelera um bom raciocínio, ótimo. 

Mas, se ela acelera uma pergunta ruim, uma análise rasa ou uma decisão mal contextualizada, ela não está aumentando produtividade. 

Está apenas embalando o erro em uma resposta mais bonita (e rápida).

É a análise que decidi batizar de miojo.

Em 3 minutos, você tem algo que parece bom, prático e fácil. Mas não é.

Um exemplo simples: você cola os dados de uma campanha e pergunta se deve escalar ou pausar. A IA olha para o custo apenas, vê que ele caiu 30% e recomenda escalar. Parece fazer sentido.

Só que ela não sabe que aqueles leads têm metade da taxa de qualificação, que o comercial está reclamando da qualidade das conversas, que o ticket médio daquele público é menor e que, historicamente, ele quase nunca recompra.

Esse é o perigo da análise miojo: ela responde rápido demais uma pergunta errada.

E esse é disparado o maior risco do uso da IA que vejo no dia a dia das empresas, a proliferação de milhares de análises miojo.

Pedi para o Claude organizar alguns padrões que ele observa quando as pessoas pedem análises de dados. 

Não estou tratando isso como pesquisa científica, obviamente. 

O ponto aqui não é provar uma estatística exata, mas usar a própria IA para enxergar um comportamento que eu também vejo, na prática, nas empresas: muita gente pede análise sem entregar contexto suficiente para uma boa análise existir.

A organização está na forma solicitada, frequência que é solicitada e em um comentário sobre como é solicitada.

Você consegue ver o perigo das respostas quando olha para as características.

Eu pego um dado mal trabalhado, jogo na IA e peço para ela descobrir o grande problema da minha empresa.

Ela me responde no tempo de um miojo e eu fico satisfeito com a resposta e passo para a execução.

Talvez você que está lendo aqui não faça isso. Parabéns, você é uma exceção.

Com a quantidade de empresas e pessoas que acabo acompanhando e conversando, eu vejo que esse cenário é muito mais comum do que as pessoas acham.

O “Claudinho”, como gostam de chamá-lo, foi além na resposta e me trouxe os principais padrões de erro ou ambiguidade nas instruções:

- Pedem "análise" sem dizer qual decisão querem tomar com ela 

- Enviam dados sem dizer qual é o período, o produto, ou o objetivo da campanha 

- Confundem variação absoluta (pp) com variação relativa (%) 

- Não sabem se querem diagnóstico (o que aconteceu) ou recomendação (o que fazer)

O que todos esses pontos têm em comum (e é a grande armadilha da IA) é a falta de contexto.

Sei que já falei sobre isso, mas sigo vendo o mesmo erro acontecer quase um ano depois.

A diferença é que a IA ficou muito mais rápida, conectada a diversas ferramentas, automatizando processos e decisões, etc...

Mas as pessoas seguem não dando contexto suficiente na maioria das vezes.

E ao invés de te pedir contexto, a IA te responde com o contexto que ela acha que é.

Veja a resposta quando perguntei sobre isso:

“Sim. E é um risco real, não teórico.

Quando falta contexto, tenho algumas tendências que podem enviesar a análise:

Assumo o caso mais comum — se você diz "lançamento digital", já estou pensando em infoproduto, funil de perpétuo ou ao vivo, público brasileiro, Meta Ads. Se o seu negócio foge disso, minha análise pode estar errada desde a premissa.

Preencho lacunas com padrões de treinamento — se os dados são ambíguos, tendo a interpretá-los da forma que "mais faz sentido" estatisticamente, não necessariamente da forma que faz sentido pro seu negócio específico.

Gero conclusões com linguagem confiante — e isso é perigoso, porque a forma como apresento uma inferência pode parecer igual à forma como apresento um fato. Você mesmo já me pegou fazendo isso uma vez.”

A diferença de ter ou não um contexto melhor pode parecer pequena, mas muda muita coisa.

Pensa em uma situação simples. 

Estou avaliando um investimento em mídia paga. Colo os dados do gerenciador de anúncios na IA e pergunto (são os dois questionamentos mais comuns segundo a IA):

"Devo escalar esse público ou pausar?", "Qual campanha devo manter rodando?"

As pessoas querem que a IA decida algo que precisa critério de decisão próprio.

A resposta depende (pelo menos) de: orçamento total, risco tolerado, taxas das demais etapas do funil, perfil das pessoas captadas e por aí vai...

Isso vale para praticamente qualquer coisa.

O exemplo tem um gestor pedindo uma análise de campanha sem explicar a estratégia da empresa, o perfil do público, a maturidade da audiência, o histórico de conversão, o ticket, a margem e o que ele realmente precisa decidir. 

Mas poderia ser um publicitário pedindo um texto sem explicar a promessa, o nível de consciência do público, as objeções, a oferta e o canal onde aquilo será usado.

Ou, um empreendedor pedindo uma estratégia de crescimento sem explicar caixa, equipe, produto, posicionamento, retenção e gargalos atuais.

A IA vai responder todos eles.

Esse é o ponto.

Ela sempre vai responder.

Mas responder não significa resolver.

O dado vira informação quando ganha contexto. E só vira conhecimento quando alguém interpreta esse contexto com algum critério.

Com a IA, a lógica é parecida. A resposta bruta é só o começo. O valor está na capacidade de interpretar, questionar, complementar e decidir o que fazer com aquilo.

O problema é que a resposta rápida dá uma sensação muito boa de conclusão. Você estava com uma pendência, recebeu algo que parece fazer sentido e sente que avançou. Só que talvez tenha avançado apenas no operacional, não no raciocínio.

E isso é perigoso, porque algumas decisões não deveriam ser tão rápidas.

Elas precisam de investigação. Precisam de comparação. Precisam de perguntas melhores. Precisam de alguém olhando para a resposta e pensando: “Isso está bonito, mas será que está considerando o que realmente importa?”

Esse deveria ser o papel de quem usa IA com maturidade.

Talvez essa seja a principal diferença entre usar IA para produzir mais e usar IA para pensar melhor.

Quem usa apenas para produzir mais tende a buscar velocidade. Quer terminar logo, gerar logo, responder logo. Quem usa para pensar melhor aceita gastar um pouco mais de tempo no começo para aumentar a qualidade da saída no final.

No curto prazo, a primeira pessoa parece mais produtiva.

No longo prazo, a segunda toma decisões melhores.

E, para mim, é aí que vai estar uma das grandes diferenças profissionais dos próximos anos. 

Não acho que o mercado ficará dividido apenas entre quem usa e quem não usa IA. 

Em algum momento, praticamente todo mundo vai usar algum tipo de IA no trabalho.

A diferença vai estar entre quem usa a ferramenta para substituir pensamento e quem usa para ampliar pensamento.

Uma coisa é pedir “me dê uma resposta”. Outra é pedir “me ajude a pensar melhor sobre isso”.

Pode parecer uma mudança pequena, mas não é.

Espero que tenha curtido o percurso de hoje.

Grande abraço e até a próxima milha,

César Mazzillo

Dados no Cotidiano (caso fosse escrito por uma IA de conteúdo para gerar um post impactante no Instagram)

Claude já performa quase 500x mais rápido do que um analista experiente para montar dashboards e analisar dados.

Eu pedi para ele comparar as ações mais comuns em relação à análise de dados comparando a performance da IA contra um analista experiente e esse foi o resultado:

Não tem como você ainda não estar usando IA para automatizar sua análise de dados.

(e provavelmente aqui viria alguma oferta).

--

Primeiro ponto, você acha que dá pra acreditar nesses dados?

Segundo, mesmo que eles fossem verdade, isso não quer dizer muita coisa.

Ele está estimando o tempo de concluir a tarefa, não de resolver o problema.

Terceiro, se formos interpretar os dados, supondo que eles sejam verdadeiros, temos que olhar para duas faces da mesma moeda.

Alguém que sabe de fato usar (saberia o que fazer sem a IA)  e os cuidados a tomar consegue aumentar absurdamente a sua produtividade. 

Agora, alguém que não faz ideia de dar as orientações corretas (ou seja, como resolver se a IA não existisse), aumenta exponencialmente sua possibilidade de erros.

O problema é que esses erros são disfarçados de uma resposta (supostamente) bem embasada, benchmarkings de mercado que (supostamente) funcionam muito bem para a sua empresa e um gráfico bonito e (supostamente) claro que mostra exatamente o que fazer (ou não hehe).

Vá uma milha a mais

Quer entender um pouco mais dos possíveis erros, como as pessoas consomem e como você poderia consumir e analisar melhor com a IA?

Preparei (sim, junto com a IA), um material detalhado para te ajudar com isso.