Como surgem os relatórios de IA — enquadramento
O que acontece na geração de um relatório
Quando clicas em Gerar, acontece o seguinte: o Picasi recolhe todos os Updates da secção atualmente visível da Inbox — filtrados pela pasta ativa e por todos os filtros aplicados. Esses Updates são entregues, juntamente com o vosso contexto de IA (se existir), a um modelo de IA.
O modelo recebe uma tarefa clara: resumir, analisar, criar uma lista, escrever posts do LinkedIn ou identificar iniciadores de conversa. Junta-se um texto de foco opcional da vossa parte, que orienta a saída em determinada direção.
A IA processa tudo isto em segundo plano — daí o pequeno tempo de espera de 15 segundos a dois minutos — e devolve um texto pronto, que o Picasi guarda como relatório.
O que influencia a qualidade
Três fatores determinam decisivamente a utilidade de um relatório:
A base de Updates: um relatório sobre três Updates será, inevitavelmente, mais superficial do que um sobre 50. Pouco input significa pouco output. Não há um número mínimo, mas para uma análise faz sentido acumular pelo menos uma semana de atividade.
O contexto de IA: sem documentos de contexto próprios, a IA não sabe quem sois. A análise fica então genérica e descreve o que o concorrente faz — sem enquadrar o que isso significa para vocês. Com um contexto de IA bem preenchido, as análises tornam-se concretas e orientadas para a ação.
O texto de foco: sem foco, a IA cria uma visão geral. Com um texto de foco como O que comunicam os nossos concorrentes sobre IA e automatização?, o relatório torna-se direcionado. Os textos de foco ajudam sobretudo quando têm uma pergunta concreta, não precisam apenas de um panorama.
O que a IA não consegue fazer
A IA gera relatórios a partir dos Updates que vocês disponibilizam — não consegue encontrar nem investigar Updates que não estejam na vossa Inbox. Se uma empresa publicou um post relevante que o Picasi ainda não obteve, ele não aparece no relatório.
As análises não contêm afirmações sobre dados internos do concorrente — apenas sobre conteúdos publicamente disponíveis que vocês recolheram no Picasi.
Os relatórios não são determinísticos
O mesmo input pode, em duas gerações, resultar em relatórios ligeiramente diferentes. É o comportamento normal dos modelos de IA. Se um relatório não acerta, pode ajudar afinar o texto de foco ou definir outros filtros e gerar de novo.
Como são escolhidos os iniciadores de conversa
Os iniciadores de conversa seguem uma lógica de seleção diferente da dos outros tipos de relatório. Em vez de fazer um resumo, a IA avalia cada Update quanto à sua adequação como ponto de partida para um comentário no LinkedIn.
Pontuação: cada Update recebe uma pontuação de 0 a 14. É composta por uma pontuação base (7–9 pontos) e possíveis bónus (0–5 pontos). Só entram no resultado Updates com pontuação de pelo menos 8 — Updates abaixo disso não são incluídos, mesmo que daí resultem menos de três sugestões. Menos, mas melhores sugestões é o objetivo declarado.
Diversidade de fontes: por fonte é proposto, no máximo, um Update. Se uma fonte esteve muito ativa, aparece ainda assim apenas o seu melhor resultado. Exceção: um segundo post da mesma fonte pode ser incluído se tiver pontuação de 12 ou mais.
Número: o resultado contém zero a cinco iniciadores de conversa. Se nenhum Update atingir o limiar, o relatório fica vazio — não é um erro, mostra que de momento não há pontos de partida adequados.
Quando surgem mais sugestões: quando a Inbox contém muitos Updates de fontes diferentes e os concorrentes acabaram de publicar conteúdos particularmente relevantes, a taxa de acerto sobe. Em períodos com pouca atividade, é normal terem-se poucas ou nenhumas sugestões.