Em uma ligação recente, o chefe de marketing de uma empresa de SaaS B2B de médio porte me explicou tudo o que sua equipe fez para resolver o problema de trabalho.
Eles construíram uma biblioteca de prompts compartilhada no Notion. Eles publicaram um guia de voz da marca. Eles realizaram treinamento de alfabetização em IA duas vezes. Eles realizavam horários comerciais mensais onde os usuários de IA mais prolíficos da equipe respondiam a perguntas. O CMO escreveu pessoalmente um memorando modelando o uso cuidadoso da IA e gentilmente lembrou a todos que o objetivo era a substância em vez do volume.
Mesmo assim, o trabalho continuou chegando. Resumos incompletos que parecem primeiros rascunhos de algo melhor. Plataformas deslizantes que pareciam boas na superfície e se desfizeram com a terceira bala. Cópia do boletim informativo que atingiu o objetivo e perdeu o público.
Workslop é o sintoma fácil de nomear. Diagnosticar de onde vem é mais difícil e ocorre em uma camada diferente da organização.
Onde a maior parte da conversa no local de trabalho termina
A pesquisa do BetterUp Labs e de Stanford – o estudo HBR original de setembro de 2025 e um acompanhamento em janeiro de 2026 – colocou os números à vista. Quarenta por cento dos funcionários receberam trabalho no último mês. Cada instância custa pouco menos de duas horas para ser limpa. Numa empresa com 10.000 pessoas, essa matemática equivale a cerca de 9 milhões de dólares por ano, perdidos para consertar o trabalho gerado pela IA que deveria poupar tempo.
O número mais difícil para mim vem da pesquisa State of AI at Work da Asana. Apenas 19% dos trabalhadores do conhecimento afirmam ter clareza sobre que tipos de trabalho a IA deve realizar no seu papel. Essa figura explica o resto dos dados.
A solução dominante na conversa agora é aquela que meu companheiro de ligação está executando há seis meses. Os líderes devem modelar o uso intencional da IA. As equipes devem estabelecer barreiras de proteção claras. Os indivíduos devem desenvolver o que a BetterUp chama de mentalidade piloto.
A produção de IA humana deve atender ao mesmo padrão que a produção somente humana. O artigo recente de Greg Kihlstrom sobre MarTech estende o argumento para um território específico de marketing, dizendo aos líderes de marketing para intensificarem e definirem linhas de transferência com TI, jurídico e compras.
Tudo isso está correto. Nada disso está errado. E cada pedacinho disso coloca o fardo no mesmo lugar: o instigador individual, o líder individual, a mentalidade individual. Essa é a camada que a maioria das equipes utilizou nos últimos 18 meses, e a solução real está em outro lugar.
Seus clientes pesquisam em qualquer lugar. Certifique-se de que sua marca aparece.
O kit de ferramentas de SEO que você conhece, além dos dados de visibilidade de IA de que você precisa.
@media (largura máxima: 768px) { .headline-responsive { tamanho da fonte: 30px !importante; altura da linha: 1,3 !importante; } }
Onde o sistema está quebrado
Workslop é o que acontece quando pessoas individuais produzem trabalho gerado por IA e não há tecido conjuntivo entre elas.
Em uma equipe de marketing ativa, o aprendizado precisa ser rápido. O especialista em conteúdo descobre na primeira semana que esse modelo precisa de um briefing mais longo e de uma persona mais restrita para gerar qualquer coisa utilizável. O designer descobre na segunda semana que esta ferramenta de imagem quer as cores da marca em hexadecimal, e não em inglês simples. O profissional de marketing por e-mail descobre na terceira semana que as linhas de assunto da IA parecem genéricas, a menos que você alimente as últimas três linhas de assunto com desempenho.
Cada um desses aprendizados é real. Cada um foi conquistado. Na maioria das equipes de marketing que vejo, nenhum desse conhecimento vai muito longe. O especialista em conteúdo não sabe o que o designer descobriu. O profissional de marketing por email não sabe o que o especialista em conteúdo aprendeu. Não há lugar compartilhado onde alguém diga: “Isso é o que funcionou, foi assim que cheguei lá, tente do seu jeito e me diga o que melhora”.
O resultado é uma equipe de indivíduos qualificados, cada um executando seu próprio pequeno projeto de P&D em paralelo. Cada um melhora na sua fatia. O resultado combinado da equipe ainda produz trabalho porque nenhum aprendizado individual chega à próxima pessoa. Quando alguém muda de equipe, esse aprendizado sai junto com ele.
Esta é a parte do problema do aterro que ninguém nomeia claramente. É um problema de coordenação de aprendizagem e não pode ser resolvido por outra sessão de treinamento ou por um guia de voz de marca mais nítido. O problema é resolvido com a construção de infraestrutura que transmita o aprendizado entre as pessoas.
Como é a correção da coordenação de IA
Em meu livro “Hyperadaptive”, chamo essa camada conectiva de hub de ativação de IA. Um hub é um pequeno grupo de pessoas dentro da organização, seja virtual, físico ou ambos, cuja função é manter a capacidade de IA fluindo pelo resto da equipe em ambas as direções.
É diferente de um suporte técnico, uma biblioteca de prompts ou uma caixa de entrada de tickets de IA. Esses são repositórios estáticos que você acessa quando precisa procurar algo. Um hub são pessoas cujo trabalho é movimentar ativamente o aprendizado pela equipe.
A visão prática, num contexto de marketing. Um hub de trabalho faz algumas coisas específicas.
- Permanece atualizado e atomiza o aprendizado: Os hubs traduzem o que há de novo e o que está funcionando em conteúdo pequeno e específico para a função que chega ao fluxo de trabalho, mais como um Loom de dois minutos em um canal do Slack do que uma página wiki que ninguém abre.
- Mantém o horário comercial e reúne pessoas: Os hubs facilitam a experiência prática e ao vivo. Um membro do hub une um profissional de marketing com fluência em IA com um profissional de marketing com contexto de negócios, e o trabalho resultante é melhor do que qualquer um deles poderia construir sozinho.
- Mantém um mecanismo de conhecimento utilizável: Quando a empresa de engenharia iMBrace construiu o seu, reduziu pela metade o tempo de busca de informações. Esse é o número ao qual vale a pena prestar atenção. O repositório está ativo, pode ser consultado em linguagem natural e atualizado continuamente pelo próprio Hub.
- Mede onde a IA está ou não ganhando seu sustento: Os hubs rastreiam o que está funcionando e transmitem esse padrão à liderança. Esta é a peça que falta totalmente nas descrições de cargos do centro de excelência de IA de marketing.
Quando foi a última vez que sua equipe construiu algo que fluísse propositalmente o aprendizado de IA entre os membros, em vez de esperar que isso acontecesse na máquina de café?
Os novos dados do mercado de trabalho sugerem que o marketing está começando a descobrir isso. De acordo com um artigo recente de Carilu Dietrich, as funções seniores de IA de marketing estão crescendo rapidamente sob nomes como chefe de IA de marketing, líder do centro de excelência de IA de marketing e diretor sênior de projetos de IA.
As postagens relacionadas de engenheiros GTM no LinkedIn mais que dobraram em seis meses, de cerca de 1.400 em meados de 2025 para mais de 3.000 no início de 2026. O marketing está inventando o hub em tempo real e dando-lhe um nome diferente.
As equipes que vejo acertando definem a função corretamente. Eles definem o trabalho do líder central em torno de mover o aprendizado, unir pessoas e tornar a equipe mais inteligente propositalmente. Essa é uma descrição de trabalho diferente de “aplicar os padrões de IA e a qualidade da prontidão policial”, que é onde a maioria dessas funções está chegando agora.
Para onde isso vai
As equipes de marketing que resolverem problemas de trabalho nos próximos 12 meses serão as que construirão a camada conectiva que transporta o aprendizado entre as pessoas, de modo que, quando um profissional de marketing descobre algo, o restante da equipe estará usando-o até o final da semana. Essa é a verdadeira solução. A eficiência segue. Sempre acontece.
A postagem Melhores prompts não resolverão seu problema de trabalho apareceu pela primeira vez em MarTech.
Fonte ==> Istoé
