Ideia principal

Uma ferramenta de grafo divide um wiki de 1 013 notas de marketing em 22 grupos: um em torno do Mom Test, um sobre a influência e os princípios de Cialdini, um sobre o chasm, um sobre customer success. A divisão em si é um cálculo: um algoritmo agrupa as notas mais ligadas entre si do que com o resto, sem ler nada do conteúdo delas. Ele roda numa fração de segundo e não precisa de nenhum modelo.

Os grupos, porém, saem sem nome: "Community 0", "Community 1"… Dar nome a eles exige ler as notas que contêm e decidir o que elas têm em comum. A ferramenta sabe fazer isso chamando uma IA — ou seja, trazendo de volta exatamente o custo que o resto da cadeia evitava.

A divisão passa, portanto, por dentro de uma mesma funcionalidade: a estrutura se calcula, o significado se julga.

Por que isso importa

Isso dá um critério para decidir onde colocar a chamada a um modelo numa cadeia de análise: não na funcionalidade inteira, mas na etapa que exige interpretar. O resto pode ser determinístico, gratuito e reproduzível.

Isso também diz o que sobra para o leitor humano de um grafo calculado: a interpretação dos grupos. É um trabalho real, que não desaparece só porque a divisão é automática.

Nuances e limites

O nome de um grupo é menos útil quando o grupo está mal formado: se a divisão segue os livros em vez das ideias, dar nome a ele é só reencontrar o título da obra.

E a interpretação manual não escala: com algumas dezenas de grupos, ela se faz lendo; com várias centenas, volta a ser um trabalho que dá vontade de delegar.

Questões em aberto

• A partir de quantos grupos o custo de nomeá-los por IA volta a ser menor que o tempo de interpretá-los você mesmo?