O que a IA barateou no monitoramento de mídia

Em 4 de janeiro de 2021, o Brazil Journal publicou uma matéria sobre a Knewin que trazia, quase de passagem, uma descrição técnica: um sistema capaz de monitorar em tempo real 1,2 milhão de fontes distintas de informação, gerando mais de 10 terabytes de dados por dia.

Vale reler esse parágrafo hoje — não pelo que ele anuncia, que é uma captação, mas pela data. Ele registra o que a expressão "inteligência artificial aplicada a monitoramento de mídia" significava quase dois anos antes de o ChatGPT existir. O sentido mudou tanto desde então que a mesma frase, escrita agora, seria entendida como outra coisa.

A diferença entre os dois sentidos é o assunto aqui, porque ela move o lugar onde o trabalho é difícil.

O que "IA" queria dizer ali

Naquele estágio, a inteligência artificial de um sistema de monitoramento estava quase toda na entrada: descobrir e varrer fontes, remover duplicata, reconhecer que uma marca citada numa frase é a empresa e não um homônimo, transcrever rádio e TV para texto pesquisável, classificar cada peça como positiva, neutra ou negativa.

É engenharia pesada, e é ela que sustenta os 10 terabytes por dia. Mas repare no que era entregue no fim: um painel e um relatório. A máquina cortava o volume até um tamanho legível, e a leitura continuava humana.

Toda ferramenta que barateia uma etapa empurra o gargalo para a seguinte. Com a coleta resolvida em escala, o custo real da operação passou a ser o tempo de alguém diante do painel — formulando a pergunta certa, cruzando dois gráficos e escrevendo o parágrafo que o comitê ia ler.

O gargalo mudou de camada

O que os modelos de linguagem mudaram não foi a coleta. Foi essa segunda etapa.

Vale ser preciso sobre o tamanho da mudança, porque ela costuma ser descrita como "agora a IA entende texto" — o que já era verdade em 2021, no sentido que importava para classificar sentimento. O que passou a existir é outra coisa: a etapa que antes exigia uma pessoa disponível agora custa uma frase. Pedir um recorte, comparar dois períodos, montar o gráfico e redigir a leitura deixaram de ser um item de agenda e viraram um item de conversa.

Há uma consequência prática que se comenta menos do que deveria. Quando produzir uma análise fica barato, o volume de análises produzidas cresce, e o que passa a escassear é o critério para pedir a análise certa. A restrição some do lado da oferta e reaparece do lado de quem pergunta.

O que não ficou barato

Os 10 terabytes por dia.

Um modelo de linguagem não tem cobertura de mídia — ele tem memória de treino, e a confusão entre as duas é fácil de cometer. Perguntar a um assistente genérico "como anda a reputação da marca X" devolve um texto plausível, montado com o que ele absorveu até a data de corte: sem fonte, sem data e sem nenhuma garantia de que a semana passada esteja ali.

A distinção que importa é essa: um modelo sem recuperação responde sobre a marca; um modelo com recuperação responde a partir da cobertura. O primeiro costuma ler melhor. O segundo é conferível — e o que separa um do outro é justamente a base que já existia antes dele.

Essa base não barateia com um modelo melhor. Ela é uma operação física, que continua exigindo o mesmo de sempre: captar rádio e TV, digitalizar impresso, manter varredura contínua de portais, transcrever, deduplicar. É trabalho que se acumula por ano — no caso da matéria, desde 2011.

O erro mudou de aparência

Aqui está o ponto que justifica o texto.

Em 2021, a falha típica de um sistema de monitoramento era não ver: uma fonte fora da lista, um veículo regional ausente, uma menção não capturada. Falha por ausência tem uma propriedade boa — ela aparece como buraco. Quem conhece o assunto percebe que faltou alguma coisa.

Hoje a falha típica é outra: uma resposta bem escrita sobre um perímetro que ninguém conferiu. Texto fluente não sinaliza a própria lacuna. Ele preenche.

É por isso que declarar o perímetro virou uma exigência maior agora do que era na época do painel. No painel, o filtro de fontes estava na tela, visível, e quem analisava sabia o que tinha marcado. Numa conversa, o recorte fica implícito na resposta, e a pergunta "sobre o que exatamente isso foi calculado" precisa ser feita de propósito — nada na tela a provoca.

Um exemplo está na própria matéria de 2021. Entre as fontes varridas, ela lista "desde sites e redes sociais até rádios e canais de televisão". Quem ler aquilo hoje e concluir que a análise de reputação do Knewin AI inclui redes sociais vai concluir errado: as fontes declaradas do produto são manchetes, portais e blogs de notícia, impresso, rádio e TV, mais a base do Knewin Monitoring para contas elegíveis — redes seguem no roadmap. A base de coleta de uma empresa e o perímetro declarado de um produto são coisas distintas, e tomar uma pela outra é o mesmo erro descrito acima, em escala menor.

O que se transporta

1. A camada cara continua sendo a de baixo. O que ficou barato foi interpretar. Coletar, transcrever e manter série histórica custa hoje o que custava em 2021, e é o que um modelo não substitui — só consome.
2. Fluência não é evidência. A qualidade da redação de uma resposta não diz nada sobre a qualidade da base que a produziu. Antes de 2022, texto bem escrito sobre dados implicava alguém que tinha olhado os dados; essa inferência deixou de valer.
3. Perguntar de onde veio o número virou trabalho de quem pergunta. O filtro que estava visível na tela agora está implícito na conversa. Pedir o recorte junto com a resposta é o hábito que substitui a checagem visual que o painel dava de graça.
4. Série histórica ficou mais valiosa, não menos. Justamente porque a análise pontual ficou abundante, o que distingue uma leitura útil é ter um "antes" com que comparar — e isso não se produz sob demanda.

Fontes

• A Knewin usa inteligência artificial no 'clipping' — e acaba de levantar R$ 40 mi — Pedro Arbex, Brazil Journal, 4 de janeiro de 2021. De onde vêm a descrição da operação de coleta, o 1,2 milhão de fontes e os 10 terabytes diários. Os números de negócio da matéria — faturamento, carteira e meta — descrevem 2020 e 2021 e devem ser lidos com a data.
• Introducing ChatGPT — OpenAI, 30 de novembro de 2022. O marco usado aqui para separar o "antes" do "depois", por ser a data em que a interface conversacional deixou de ser assunto técnico.