Há mais ou menos uns 5 anos, eu lá no SXSW, ainda ao vivo, pude tomar contato mais concreto pela primeira vez com cases de uso da Inteligência Artificial para a criação e produção de textos. Ou seja, máquinas escrevendo como gente.
Um dos painéis que mais me marcou foi um em que editores de publicações como The New York Times, The Guardian, Wall Street Journal e mais alguns outros que não vou me lembrar, mostraram exemplos de aplicação prática, no dia a dia de suas redações, de robôs jornalistas, se é que os podemos assim chamar.
Basicamente, estávamos falando ali e estamos falando aqui de um pedaço específico da Inteligência Artificial, o Machine Learning, em que os algoritmos vão aprendendo incrementalmente a linguagem escrita humana, até que não consigamos mais distinguir se quem escreveu aquele determinado texto foi um algoritmo ou um ser humano.
Anos atrás era já algo em uso e agora, suponho, deve ser ainda mais, nesses órgãos de imprensa.
Cito um experimento sobre o qual escrevi já, mais recentemente, no ProXXIma, num post cujo título é “Um robô escreveu este texto”, no qual descrevo o experimento com o GPT-3, um computador desenvolvido por um estudante da Berkeley University, Liam Porr. No experimento, a redação do The Guardian alimentou o robô com algumas linhas de informação e orientações racionais sobre o que ele deveria escrever. Elas instruíam o GPT-3 a desenvolver um raciocínio (marquem bem essa palavra, raciocínio) em que explicava por que nós, humanos, não deveríamos temer a ameaça das máquinas.
Pois o GPT-3 criou um texto fluído de 500 caracteres, como orientado, integralmente razoável e até conceitualmente sofisticado, de porque não deveríamos temer computadores.
Não é mais um texto como os que vi no SXSW, mais descritivos e nada analíticos. Esse é já um texto em que a máquina, aparentemente, “pensou”. E “raciocinou”.
O concatenamento das ideias no caso do GPT-3 é o avanço aqui. Em inglês, o reasoning. Ou o raciocinamento, numa palavra que acabo de inventar.
Estamos falando, como expliquei no meu texto do ProXXIma, de técnicas de AI/Machine Learning no âmbito da NLP, ou Natural Language Processing, ou a linguagem computacional que produz textos fluentes com a naturalidade humana. Uma linguagem cognitiva, que se expressa com a lógica e dinâmica do nosso conhecimento, o conhecimento humano.
Não sei se você tem esse nível de interesse em NLP, mas resumidamente, para você poder contar numa conversa de bar, a NLP se divide nas três camadas abaixo:
Recognition – computadores, em verdade, não escrevem, eles interpretam números. Assim, o primeiro passo é fazê-los transformar e converter nossa linguagem escrita numa linguagem computacional numérica.
Understanding – Ao fazer a primeira parte, algoritmos passam a fazer complexas análises estatísticas que passam a coordenar letras, palavras e frases inteiras, numa lógica previamente imputada. Sendo que, com o tempo, a máquina vai aperfeiçoando cada vez mais essa lógica e melhorando a perfeição dos textos.
Generation – Aqui acontece a mágica, pois neste estágio, a máquina passa a construir logicamente textos análogos aos que o raciocínio humano produziria, emprestando-lhes coordenação, concatenação de blocos de ideias, por aí vai. Bem, escrevendo como nós, certo? Deixando bem claro que a máquina mimetiza o entendimento humano, mas ela, de fato, não “entende” as coisas, ela organiza matematicamente as coisas.
A NLP pode, então, ser usada, como já disse, nas redações, mas pode também ser utilizada (e deverá vir a ser) para escrever qualquer coisa, desde uma bula de remédio a uma tese de doutorado em Berkeley, a mesma universidade do nosso amigo Porr.
Ou, como é nosso caso, aqui, na produção de texto para marketing.
Todo e qualquer tipo de conteúdo escrito que tiver uso mercadológico em ações de marketing pode ser produzido por NLP. Tudo que imaginarmos no âmbito do branded content, blogs, campanhas digitais inteiras, posts em redes sociais (um mar de possibilidades), você escolhe.
Tendo em mente o seguinte: numa lógica cada vez mais cotidiana do marketing contemporâneo, em que a assertividade das mensagens é o Santo Graal da eficiência num mundo caótico de informações e mensagens comerciais, quanto mais precisa e acurada for a linguagem, o storytelling e a forma de construção das narrativas de marcas, mais otimizadas e eficazes elas serão. Ora, máquinas podem fazer isso melhor que gente.
E não nos esqueçamos ainda do óbvio, o SEO. No âmbito da busca, textos produzidos por algoritmos serão mais e melhor encontrados pelos algoritmos dos buscadores. Máquina falando com máquina, capicce?
Tudo isso é a ampliação das capacidades de impacto, engajamento e conversão do marketing. Via NLP.
Ah, você não percebeu, mas este texto foi integralmente escrito por um robô, sabia?
Brincadeira. Não foi não. Ainda.
Ou será que foi?
Pyr Marcondes
