M2 entrega 40% dos textos de marketing a uma IA sem perder qualidade de conteúdo

A M2 apresentou um caso prático em que a IA não substitui a redação, mas assume uma parte significativa do conteúdo rotineiro. Dentro da empresa, cerca de 40% dos textos de produto e marketing já foram confiados à IA. Mesmo assim, o modelo final não se resume a apertar um botão: a qualidade depende de regras rígidas, prompts precisos e da participação obrigatória de pessoas nas tarefas complexas e criativas.

O que motivou a criação da redação com IA foi o aumento no volume de conteúdo. A equipe editorial precisava dar conta de mais demandas de marketing, vendas e suporte sem inflar o quadro de funcionários e sem terceirizar tudo. A M2 avaliou primeiro as opções tradicionais: contratar um novo copywriter, terceirizar parte do trabalho ou construir uma ferramenta interna de IA. A terceira opção venceu por ser a mais rápida e econômica, mas com uma condição definida desde o início: a IA precisava escrever no tom da marca e seguir a política editorial interna pelo menos tão bem quanto um redator iniciante.

O principal desafio não foi escolher o modelo, e sim explicar a ele os padrões da empresa. A M2 não treinou um modelo próprio com seu acervo de textos; optou por um sistema de prompts. Na primeira etapa, a equipe reuniu as principais regras de Tone of Voice, restrições sintáticas, palavras proibidas e requisitos para nomes de produtos em um único e extenso prompt de sistema.

Essa abordagem zero-shot não funcionou: o modelo perdia o foco, escrevia de forma insossa demais e, às vezes, misturava estilos. A redação então migrou para um esquema few-shot, em que o prompt trazia, junto com as instruções, exemplos bons e ruins de textos reais. Foi isso que garantiu resultados previsíveis e permitiu criar templates específicos para notícias, redes sociais e outros formatos.

Do ponto de vista técnico, a redação com IA roda na plataforma corporativa Videocat, com componentes do llama.cpp e do Open WebUI. No caso descrito, o modelo usado é o Google Gemma 3. Mais importante que a stack em si, porém, é o princípio de arquitetura: a ferramenta continua flexível para que outros modelos possam ser conectados e testados conforme a tarefa. Isso elimina a dependência de um único fornecedor e permite equilibrar qualidade, velocidade e custo de geração.

Na prática, a IA da M2 não só escreve rascunhos e adapta textos para cada canal, como também ajuda a gerar ideias, extrair informações de imagens e explicar a própria lógica. Este último ponto é especialmente útil para quem não faz parte da redação: quando o modelo justifica a escolha de palavras e da estrutura, ele funciona ao mesmo tempo como assistente e como ferramenta de aprendizado. Ainda assim, a empresa deliberadamente não tenta transformar a IA em um substituto completo do editor.

A M2 separa com clareza as áreas de responsabilidade. Tarefas rotineiras, padronizadas e em grande volume podem ficar quase inteiramente com a máquina. Já textos aprofundados, conceitos criativos, slogans e materiais que exigem precisão emocional continuam nas mãos de pessoas. Esse equilíbrio ajuda a vencer o medo da página em branco, acelera a preparação de rascunhos e alivia a redação sem que o texto perca o toque humano. A segurança é um capítulo à parte: a ferramenta de IA opera no ambiente interno, e os funcionários recebem treinamento sobre quais dados podem ou não ser enviados ao sistema. É um detalhe importante para qualquer empresa que queira usar modelos generativos em processos reais, e não apenas em um sandbox.

A conclusão do caso da M2 é bem pé no chão e, justamente por isso, útil: a IA já consegue absorver uma parte considerável da rotina de conteúdo, mas não é capaz de criar sozinha uma redação forte. Antes, a empresa precisa ter padrões próprios, um Tone of Voice bem definido e editores de verdade, que saibam distinguir um bom texto de um texto apenas formalmente correto. Só então a IA deixa de ser uma ameaça aos empregos e passa a potencializar a equipe.

Para o mercado, é mais um sinal: a demanda não vai migrar dos autores para as máquinas, e sim de executores comuns para especialistas capazes de desenhar processos, ajustar prompts e levar o rascunho da máquina ao padrão da marca.