Escrever com IA sem soar robô: o guia do editor

Capítulo 1

A IA não escreve mal, ela escreve igual

A reclamação mais comum sobre texto de inteligência artificial está errada. As pessoas dizem que o texto é ruim. Ele quase nunca é ruim. Ele é correto, organizado, gramaticalmente impecável e absolutamente igual ao texto que a mesma máquina entregou para outras dez mil pessoas na mesma hora.

O problema tem nome e tem endereço. Um modelo de linguagem escolhe, a cada palavra, a continuação mais provável. Escrever bem é quase sempre escolher a continuação improvável: a palavra que ninguém esperava ali, a frase que quebra o ritmo do parágrafo, o exemplo que só quem viveu aquilo teria. O que sai da máquina por padrão é a média da língua escrita, e a média não tem voz.

Daí vem a consequência prática que organiza o guia inteiro: você não conserta texto de IA pedindo um texto melhor. Você conserta com um processo que devolve ao texto o que a média apagou.

O que este guia é, e o que ele não é

Eu opero uma rede de newsletters que publica todo dia, e boa parte do texto dela nasce com ajuda de modelo. Em 13 de agosto de 2026 eu baixei a versão web pública de 2.074 edições de 30 newsletters, publicadas entre 1º de abril e 2 de agosto de 2026, e medi tique por tique em 2.388.531 palavras. Não é estimativa de mercado, não é opinião de quem leu um artigo em inglês. É o texto que foi para a caixa de entrada de gente de verdade.

O que sai daí é incômodo em alguns pontos, e o incômodo é justamente o motivo de publicar.

O primeiro incômodo: os tiques famosos não aparecem

Todo texto em inglês sobre o assunto lista os mesmos vilões. Abrir dizendo "no mundo de hoje". Anunciar que vai começar com um "vamos explorar". Encher de "em suma" e "vale ressaltar".

Nas 2.074 edições, "abertura de era" apareceu zero vez. "Vamos mergulhar" apareceu uma vez, em 2,4 milhões de palavras. Conector de redação escolar apareceu 0,006 vez a cada mil palavras, que é uma ocorrência a cada 166 mil palavras.

Os tiques que a internet mais alardeia são os mais fáceis de matar, porque eles são visíveis. Qualquer pessoa que leia o próprio texto uma vez pega um "no mundo de hoje". Eles somem no primeiro dia de revisão e nunca mais voltam.

O segundo incômodo: o que sobrevive é o que ninguém procura

Os três que continuam vivos na rede depois de meses de operação:

Um em cada três textos publicados carrega uma lista de três itens ou uma palavra de enchimento. São tiques discretos, que passam pela revisão porque parecem escolha de estilo. É por eles que o leitor sente que alguma coisa está estranha sem conseguir apontar o quê.

O terceiro incômodo, e o mais útil de todos

O travessão caiu de 1,338 por mil palavras em abril para zero em julho e em agosto. Zero em 933 edições e 1,2 milhão de palavras. O "isso" sem dono caiu de 0,651 para 0,022, uma queda de 96,6%.

No mesmo período, na mesma operação, com as mesmas pessoas: a lista de três itens andou de 0,446 para 0,434, que é o mesmo número. O vocabulário de enchimento subiu 20,3%.

A diferença entre os dois grupos não é o esforço. É que o travessão e o "isso" viraram regra escrita, checável por uma linha de código, que reprova o texto antes de ele ser publicado. A lista de três e o vocabulário continuaram como recomendação, e recomendação depende de alguém lembrar dela às seis da manhã.

Escreve-se muito sobre prompt e quase nada sobre gate. A medição diz que o gate é o que funciona, e o capítulo 9 mostra como montar o seu.

▸ Ao terminar este capítulo, você sabe que texto de IA não é ruim, é a média sem voz, e se conserta com processo, não pedindo texto melhor.

Capítulo 2

Os 12 tells que entregam um texto de IA

Um tell é uma construção que aparece muito mais em texto de máquina do que em texto de gente. Nenhum deles prova nada sozinho: gente também escreve "crucial", e modelo bem conduzido escreve texto limpo. O que entrega é a densidade, e é ela que a peça abaixo mede.

Antes da lista, um aviso que vale o guia inteiro. Nenhuma ferramenta lê um texto e sabe quem escreveu. O capítulo 3 mostra por que, com os números dos detectores comerciais. O que dá para medir é construção, e construção se conserta.

Os seis de construção

1. Travessão. O sinal longo não existe no teclado brasileiro. Quem digita usa vírgula, dois-pontos ou ponto final. Quando ele aparece no meio da frase em português, quase sempre veio de um modelo treinado em inglês. Intervalo numérico é outra coisa: 525–456 a.C. segue convenção tipográfica e não conta.

2. Não apenas X, mas também Y. A construção de contraste promete equilíbrio e não entrega informação nova. A segunda metade quase sempre repete a primeira com outras palavras. Frequência na rede: 0,016 por mil, em 1,8% das edições.

3. Não se trata de X. A irmã da anterior. Abre negando uma tese que ninguém defendeu, para parecer que revelou alguma coisa. Caiu 93,5% na rede depois que virou regra escrita.

4. Pergunta que se responde. A pergunta retórica seguida da própria resposta, no formato "mas o que realmente funciona? A resposta é". O leitor não perguntou.

5. Tudo em três. A lista de três itens é o ritmo padrão do modelo. Uma por texto passa despercebida. Quatro no mesmo parágrafo é assinatura. É o tique mais frequente da rede, e o mais difícil de matar, porque às vezes a lista informa de verdade.

6. Parágrafo que resume o parágrafo anterior. O modelo fecha o bloco repetindo o que acabou de dizer, com sinônimo. É o parágrafo que o leitor pula, e ele pula porque já leu.

Os quatro de vocabulário

7. Vocabulário de modelo. crucial, fundamental, essencial, robusto, abrangente, aprofundar, desvendar, panorama, cenário atual, transformador, alavancar, aprimorar. Nenhuma delas tem dono. São adjetivos que cabem em qualquer frase, e o que cabe em qualquer frase não diz nada sobre nenhuma. Segundo tique mais frequente da rede, em 35,4% das edições.

8. Superlativo vazio. extremamente, incrivelmente, verdadeiramente, simplesmente. Advérbio de intensidade sem número do lado é pedido de confiança sem lastro.

9. Ressalva automática. em muitos casos, de certa forma, pode ser que. O modelo se protege de estar errado, e o leitor lê como falta de convicção.

10. Conector de redação escolar. em suma, por fim, vale ressaltar, é importante notar. O texto anuncia que vai concluir antes de concluir.

Os dois de abertura

11. Abertura de era. no mundo de hoje, na era digital, desde os primórdios. O modelo começa pelo mais genérico possível para ganhar tempo. É o primeiro parágrafo que todo leitor pula, e o primeiro que todo editor corta. Zero ocorrência no corpus inteiro.

12. Vamos mergulhar. neste artigo vamos explorar, prepare-se para. O modelo narra o que vai fazer em vez de fazer. Nenhum escritor bom avisa que vai começar. Uma ocorrência em 2,4 milhões de palavras.

O antes e o depois, para os seis de construção

Repare no padrão: o conserto quase sempre encurta. Quando um tique some, o texto perde palavras e ganha afirmação.

Onde cada tique mora: o tema muda o tique

A mesma operação, com o mesmo processo, produz tiques diferentes conforme o assunto. Os números por vertical, com o mínimo de amostra de 60 edições e 3 newsletters por célula:

O vocabulário de enchimento é oito vezes mais denso em Dinheiro do que em Curiosidades. A explicação está no material de treino: texto sobre finanças e carreira na internet é escrito em registro corporativo, e é dele que robusto, alavancar e cenário atual vêm. Quanto mais o seu assunto se parece com o de uma apresentação de empresa, mais apertada a régua desse tique precisa ser.

O tell que não é regra, e que entrega mais que todos

O ritmo. Um modelo escreve frases de comprimento parecido, uma atrás da outra, e o texto ganha cadência de metrônomo. Nenhuma regra pega o ritmo, porque cada frase, sozinha, está certa.

Na rede, a frase média tem 11,91 palavras e a variação mediana de comprimento é de 8,23 palavras. É o número que interessa: quando a variação cai abaixo de 6, o texto fica plano mesmo com todas as palavras certas. O conserto está no capítulo 4, e ele leva menos tempo do que trocar sinônimo.

▸ Ao terminar este capítulo, você tem o texto no revisor de tells: parágrafo marcado, cada achado com motivo e reescrita, o ritmo contra a mediana da rede.

Capítulo 3

Detector de IA: o que o GPTZero e o ZeroGPT medem de verdade

Em português, detector de ia recebe 246.000 buscas por mês. Somando zerogpt (60.500) e gptzero (40.500), a família passa de 349 mil buscas mensais, e é o maior bolso de demanda do tema inteiro. Vale entender o que essas ferramentas fazem antes de entregar um texto a elas.

O que elas medem

Detectores de texto gerado trabalham com duas medidas emprestadas da estatística de linguagem.

A perplexidade mede o quanto o texto surpreende um modelo. Se cada palavra é a que o modelo teria escolhido, a perplexidade é baixa. Texto de máquina costuma ter perplexidade baixa porque foi construído escolhendo, palavra a palavra, a continuação mais provável.

A variação de perplexidade mede o quanto a surpresa oscila de frase para frase. Gente escreve uma frase brilhante seguida de uma frase burocrática. Máquina mantém o nível.

As duas medidas são reais e a intuição por trás delas está correta. O problema aparece na hora de transformar duas medidas contínuas num veredito de sim ou não.

Por que elas erram, e para os dois lados

Um detector precisa cravar um corte: acima daqui é humano, abaixo é máquina. Qualquer corte produz dois erros ao mesmo tempo.

O falso positivo acusa de máquina quem escreveu à mão. Ele castiga o texto bem escrito em estilo simples, que é o que se ensina a escrever: frase curta, palavra comum, estrutura previsível. Castiga sobretudo quem escreve em segunda língua, porque vocabulário mais restrito produz perplexidade mais baixa.

A prova mais citada disso está publicada. Em julho de 2023, pesquisadores de Stanford passaram 91 redações de TOEFL, escritas por estudantes não nativos, e 88 redações de estudantes americanos do oitavo ano por sete detectores comerciais. A taxa média de falso positivo nas redações de não nativos foi de 61,3%. Todos os sete detectores concordaram em acusar 19,8% delas, e 97,8% foram marcadas por pelo menos um detector. As redações dos americanos passaram quase limpas.

O detalhe seguinte do mesmo estudo é o que mais interessa aqui. Quando os pesquisadores enriqueceram o vocabulário das redações de TOEFL para soarem mais nativas, a taxa de falso positivo caiu de 61,22% para 11,77%. O caminho para enganar o detector foi trocar palavra simples por palavra difícil, que é o oposto de escrever bem.

O falso negativo libera texto de máquina, e é trivial de produzir: basta variar o comprimento das frases ou passar o texto por uma reescrita leve. Qualquer editor que aplique o capítulo 7 deste guia derruba a pontuação de qualquer detector, sem que o texto melhore uma linha.

Nenhum dos dois erros é defeito de implementação. Os dois vêm de tentar responder "quem escreveu" com uma medida que só sabe responder "quanto este texto surpreende".

A conclusão prática, que é curta

Se você é o autor, detector serve como termômetro grosseiro e nada além. Pontuação baixa não quer dizer texto ruim, e pontuação alta não quer dizer texto bom.

Se você recebe texto de terceiros, detector não sustenta acusação. O que sustenta é conversa sobre o conteúdo: peça a fonte de um número, pergunte por que aquele exemplo entrou. Texto sem dono não sobrevive a duas perguntas.

E se o seu objetivo é que o texto pare de parecer automático, o detector é a ferramenta errada de qualquer jeito. Ele devolve um número. O capítulo 2 devolve o parágrafo marcado, com o conserto ao lado, que é o que muda o texto.

Sobre o Google penalizar conteúdo de IA

A dúvida aparece em toda conversa e a resposta pública é estável desde fevereiro de 2023, quando o Google publicou a orientação: os sistemas de ranqueamento premiam conteúdo útil e confiável independentemente de como ele foi produzido, por gente ou por máquina. O que viola a política é usar automação para produzir conteúdo com o objetivo principal de manipular posição, e essa regra vale igual para texto escrito à mão.

Traduzindo para a prática de quem publica: o método não te protege nem te condena. O que decide é ter alguma coisa que só você poderia ter escrito, e é por esse motivo que o capítulo 6 trata a pauta como a etapa que não se delega.

▸ Ao terminar este capítulo, você sabe que detector mede perplexidade, não autoria, e erra para os dois lados: 61,3% de falso positivo em não nativos.

Capítulo 4

Humanizar texto de IA é devolver ritmo, não trocar sinônimo

humanizar texto recebe 110.000 buscas por mês em português, e existe uma indústria inteira de ferramentas que promete resolver a dor com um botão. Elas trocam palavra por sinônimo, invertem ordem de frase e devolvem o texto com pontuação de detector mais baixa.

O estudo do capítulo anterior já mostrou aonde esse caminho leva: enriquecer vocabulário derrubou o falso positivo de 61,22% para 11,77% em redações escritas por gente. Trocar palavra simples por palavra difícil engana a medida e piora o texto. Quem lê continua sentindo a mesma coisa que sentia antes.

O que faz um texto parecer escrito por alguém são três propriedades, e nenhuma delas é vocabulário.

A primeira: variação

Um modelo entrega frases de comprimento parecido. Gente alterna. A frase de 30 palavras que explica, e depois a de 4 que crava.

Na rede, com 2,4 milhões de palavras medidas, a frase média tem 11,91 palavras e a variação mediana de comprimento é de 8,23. É a régua prática: abaixo de 6 de variação, o texto soa plano mesmo com todas as palavras certas. O detector do capítulo 2 devolve esse número para o seu texto.

O conserto leva dois minutos por edição. Em cada parágrafo, ache a frase mais longa e quebre em duas. Depois ache a frase mais curta e veja se ela pode ficar mais curta ainda. Você não trocou uma palavra, e o texto mudou de dono.

Vale para o parágrafo também. A variação mediana de tamanho de parágrafo na rede é de 17,08 palavras. Um bloco de uma linha entre dois blocos longos faz mais pela leitura do que qualquer adjetivo.

A segunda: concretude

Modelo escreve significativamente. Gente escreve de 12% para 19%.

Toda vez que o texto tiver um adjetivo de intensidade, teste a troca por um número, um nome próprio, uma data ou um lugar. Se você não tem o número, a frase está afirmando alguma coisa que você não sabe, e o problema deixou de ser de estilo.

Foi o que apareceu na medição da rede: superlativo vazio some rápido quando alguém cobra o número, e é o tique mais fácil de matar sem perder nada.

A terceira: posição

O modelo evita tomar partido, porque a média das opiniões é a ausência de opinião. Um texto humano diz o que acha, e assume o custo de estar errado.

A forma mais barata de devolver posição a um texto é responder por escrito, no fim da revisão, uma pergunta: qual é a frase deste texto com a qual alguém razoável poderia discordar? Se não existe nenhuma, o texto não afirmou nada, e nenhuma reescrita conserta.

Sobre as ferramentas de humanizar

Elas resolvem um problema que não é o seu. Se o objetivo é passar num detector, elas funcionam e o capítulo 3 explica por que a vitória vale pouco. Se o objetivo é que o leitor não sinta a máquina, elas não tocam em nenhuma das três propriedades acima, porque sinônimo não cria variação, não cria concretude e não cria posição.

▸ Ao terminar este capítulo, você sabe que humanizar é devolver três coisas (variação de ritmo, concretude e posição), nunca trocar sinônimo, que só engana o detector.

Capítulo 5

O prompt de voz: como ensinar a máquina a escrever como você

Um prompt de voz é o documento que o modelo lê antes de escrever a primeira frase. Ele não descreve a tarefa do dia. Ele descreve quem escreve, para quem, com que régua, e o que nunca pode acontecer.

A diferença prática entre um prompt de voz e um pedido comum é que o primeiro é escrito uma vez e usado em todas as edições. Na rede ele é o arquivo mais reescrito da operação, e o que mais economiza tempo.

O que entra, na ordem que importa

A amostra da sua escrita é o campo que mais muda o resultado. Um parágrafo escrito por você, colado dentro do prompt, com a instrução de imitar o ritmo e o vocabulário e nunca o assunto. Sem amostra, o modelo escreve na voz média da internet, que é o problema que o guia inteiro tenta resolver.

As regras duras vêm depois, e elas são proibições, nunca adjetivos. "Escreva de forma envolvente" não muda uma vírgula, porque o modelo já acha que está sendo envolvente. "Nunca use travessão" muda todas as vírgulas do texto. A régua é simples: se a regra não puder ser verificada por outra pessoa lendo o texto pronto, ela é decoração.

O leitor entra em uma frase específica. "Empreendedor" produz texto de ninguém. "Quem escreve todo dia e quer parar de soar igual a todo mundo" produz texto para alguém.

O tamanho entra com uma cláusula de escape: se faltar assunto, corte o tamanho, nunca encha com repetição. Sem essa linha, o modelo cumpre a contagem de palavras enchendo o texto, e o enchimento é feito exatamente dos 12 tiques do capítulo 2.

A última seção é o protocolo: confirme que entendeu antes de escrever, entregue texto puro sem comentário, e escreva [CONFERIR] no lugar de qualquer dado que você não souber. Essa última linha é a que impede o erro mais caro, que é o do capítulo 7.

Um prompt de voz inteiro, para copiar a estrutura

O gerador acima monta este esqueleto com as suas respostas. Vale ler a forma antes de usar, porque a ordem das seções faz diferença: o modelo lê de cima para baixo e a última instrução pesa mais.

# Voz da [nome da newsletter]

Você escreve a [nome], uma newsletter sobre [assunto].
Escreva sempre em português do Brasil, com acentuação correta.

## Quem lê
[uma frase específica sobre a pessoa]
Escreva para uma pessoa só, não para uma audiência. Ela já sabe o básico
do assunto: não explique o que ela não perguntou.

## Tom
[tom escolhido, com a régua dele]
Ritmo: [alternância de frase curta e longa que você quer]

## Tamanho
Cerca de [N] palavras. Se faltar assunto, corte o tamanho, nunca encha
com repetição.

## Regras duras
Estas não são preferências. Texto que quebra qualquer uma volta pra reescrita.
1. Nunca use travessão. Use vírgula, dois-pontos, parênteses ou ponto final.
2. Nunca use crucial, fundamental, essencial, robusto, jornada, desvendar.
3. Nunca construa "não é apenas X, mas também Y". Afirme direto.
4. Nunca use em suma, por fim, vale ressaltar, é importante notar.
5. Nunca abra pelo genérico. Abra pela frase mais específica que você tem.
6. Nunca narre o que vai fazer. Comece pelo conteúdo.

## Como eu escrevo
Este parágrafo fui eu que escrevi. Imite o ritmo, o tamanho de frase e o
vocabulário dele, nunca o assunto:

"""
[seu parágrafo]
"""

## O que fazer agora
1. Confirme que entendeu a voz em uma frase, sem escrever a edição.
2. Espere eu mandar a pauta.
3. Entregue o texto puro, sem comentário antes nem depois.
4. Se algum dado você não souber, escreva [CONFERIR] no lugar. Nunca invente
   número, data, nome próprio ou citação.

O que sai do prompt e vai para outro lugar

Regra que se repete em toda edição não mora no prompt, mora no gate. É a lição da medição: as regras que a rede escreveu no prompt e não transformou em verificação automática não pararam de acontecer. O capítulo 9 mostra a diferença.

▸ Ao terminar este capítulo, você tem o prompt de voz pronto pra colar, com a sua amostra de escrita e as proibições viradas em regras duras numeradas.

Capítulo 6

A pauta é humana, e é ela que decide se o texto tem o que dizer

A etapa que mais define a qualidade do texto acontece antes de qualquer prompt, e ela não se delega.

Um modelo consegue escrever bem sobre um assunto. Ele não consegue decidir que aquele assunto merece a atenção de alguém hoje, porque ele não sabe o que os seus leitores já leram, o que você publicou na semana passada, o que aconteceu no seu mercado ontem à noite, e o que só você viu.

Quando a pauta é genérica, nenhum prompt salva. "Escreva sobre produtividade" produz o texto que já existe em dez mil sites, e ele vai soar automático mesmo se cada tique for apagado, porque o problema está antes da frase.

O que uma pauta precisa carregar

Um ângulo, não um tema. "Assinatura de newsletter" é tema. "Por que a taxa de abertura cai no décimo dia e o que fazer na véspera" é ângulo.

Uma coisa que só você tem. Um número que você mediu, um caso que você viveu, uma conversa que você teve, um erro que você cometeu. É a única barreira real contra o texto médio, e é o que os capítulos deste guia fazem a cada seção.

Uma promessa que a edição cumpre. Se o título diz que o leitor vai sair sabendo fazer, o texto entrega o passo a passo. Prometer mais do que o corpo cumpre é o defeito que sobrevive a qualquer revisão de estilo.

Como a rede faz

Cada newsletter tem um banco de pautas escrito por gente, com o ângulo já decidido, e a máquina recebe uma pauta por vez com o que precisa saber sobre ela. O modelo nunca escolhe sobre o que vai escrever.

A consequência aparece na conta do dia: a parte humana do processo ficou concentrada nas duas pontas, decidir o que vale ser dito e conferir o que foi dito, e o meio ficou barato. É esse desenho que permite publicar todo dia sem que o texto vire preenchimento.

▸ Ao terminar este capítulo, você sabe que a pauta, não o prompt, decide se o texto tem o que dizer: ângulo, algo só seu e promessa cumprida.

Capítulo 7

O passe de revisão: quatro leituras que apagam o tell

Revisar não é ler o texto de novo procurando erro. É passar quatro vezes, cada uma procurando uma coisa só. Passe misturado não pega nada, porque a atenção não faz duas coisas ao mesmo tempo.

A ordem importa, e ela vai do mais destrutivo para o mais delicado.

Passe 1 · Corte

Você lê procurando o que sai, e não o que conserta. Comece pelos dois suspeitos de sempre: o primeiro parágrafo e o último. O primeiro costuma ser aquecimento, e o texto quase sempre começa melhor no segundo. O último costuma resumir o que o leitor acabou de ler.

Depois procure o parágrafo que repete o anterior com outras palavras. Ele existe em quase todo texto de modelo, e apagar ele nunca custa informação.

Régua da rede: se o corte tirou menos de 10% do texto, você não passou o passe 1, releu.

Passe 2 · Tique

Agora sim, os 12 do capítulo 2. Rodar o detector ali em cima resolve em segundos o que a leitura leva minutos para achar, e ele marca no parágrafo, com a reescrita ao lado.

O que a medição da rede ensina sobre esse passe: os tiques visíveis somem no primeiro dia e não voltam. Os discretos, a lista de três e o vocabulário de enchimento, sobrevivem à revisão humana indefinidamente. Foi por eles que a rede parou de confiar na leitura e passou a rodar verificação automática.

Passe 3 · Fato

Todo número, nome próprio, data, citação e link é conferido na fonte. Não na memória do modelo, e nem na sua.

Este é o passe que a maioria pula, e é o único cujo erro custa a confiança do leitor. Das 40 correções que a rede registrou em 26 dias, 37 eram de estilo e 3 eram de fato. A proporção diz duas coisas ao mesmo tempo: o modelo erra de gosto muito mais do que erra de verdade, e a raridade é o que faz a revisão de fato parecer dispensável até o dia em que não é.

Um dos três casos, para dar tamanho ao problema: uma das newsletters da rede publicou a explicação corrente sobre por que carne deve descansar depois de assada, aquela em que o calor empurra o suco para o centro e o descanso redistribui. A explicação é falsa. Um leitor respondeu ao email contestando, e ele estava certo. O texto estava perfeito de estilo, e a única forma de pegar aquilo era alguém conferir o mecanismo na fonte.

Onde o prompt do capítulo 5 ajuda: a instrução de escrever [CONFERIR] em vez de inventar transforma a maior parte desses casos em uma marca visível no rascunho. O que o modelo não sabe passa a aparecer, em vez de virar uma frase confiante e errada.

Passe 4 · Voz alta

O último passe é o único que precisa de som. Você lê em voz alta, e cada lugar em que a sua respiração tropeça é uma frase para quebrar.

É o passe que pega o que nenhuma regra pega: ritmo, repetição de som, a frase que está gramaticalmente certa e humanamente impossível. Leva o tempo de leitura do texto, e é o que separa um texto correto de um texto que alguém escreveu.

▸ Ao terminar este capítulo, você tem os quatro passes de revisão na ordem (corte, tique, fato e voz alta), cada leitura procurando uma coisa só.

Capítulo 8

Reescrever com IA sem perder o que era seu

reescrever texto recebe 110.000 buscas por mês, e a família inteira passa de 159 mil. É a tarefa mais comum de todas, e a que tem o modo de falhar mais previsível.

O erro padrão tem três passos. Você cola o seu texto. Você pede para melhorar. O modelo devolve um texto correto, mais longo, com todos os 12 tiques do capítulo 2, e sem nada do que fazia aquele parágrafo ser seu.

O problema está no pedido. "Melhore" é um pedido sem régua, e sem régua o modelo aplica a média da língua escrita, que é de onde vieram os tiques.

A escada da reescrita, do mais barato ao mais caro

Primeiro degrau, cortar. Peça para o modelo apontar o que sai, sem reescrever nada: quais parágrafos repetem o anterior, quais frases podem sair sem perda de sentido, qual é o primeiro parágrafo que carrega informação. Você decide o que cortar, e o texto continua seu.

Segundo degrau, reordenar. Peça a ordem alternativa dos blocos, com justificativa. Muito texto fraco está só na ordem errada, e reordenar não toca em uma palavra sua.

Terceiro degrau, reescrever uma frase por vez. Nomeie a frase, dê o defeito e peça três alternativas. "Esta frase tem 34 palavras e duas ideias. Me dê três versões de no máximo 15 palavras, cada uma com uma ideia só."

Só o terceiro degrau é reescrita, e ele acontece frase a frase, com você escolhendo. Trocar o texto inteiro por outro é a operação que sempre perde a voz, porque a voz mora exatamente no que a média apagaria.

O uso que rende mais, e quase ninguém faz

Modelo é um crítico melhor do que é um escritor. Ele lê rápido, não se cansa e não tem apego ao que você escreveu.

Quatro pedidos que funcionam, todos sem reescrever uma linha:

1. "Quais são as três frases mais fracas deste texto, e por quê?"
2. "Qual afirmação aqui não tem lastro no próprio texto?"
3. "Onde um leitor cético pararia de ler, e o que ele estaria pensando?"
4. "Qual pergunta óbvia este texto deixa sem resposta?"

As respostas dão trabalho de verdade, e nenhuma delas produz uma palavra de máquina no seu texto final.

O caso especial do texto que já é de IA

Quando o rascunho inteiro veio de modelo, a ordem muda. Rode o detector do capítulo 2 antes de qualquer coisa, resolva os tiques marcados, e só então faça a leitura de conteúdo. Corrigir estilo em cima de um texto que ainda vai mudar de estrutura é trabalho jogado fora.

▸ Ao terminar este capítulo, você tem a escada da reescrita (cortar, reordenar, reescrever frase a frase) e os quatro pedidos que usam o modelo como crítico.

Capítulo 9

Correção que vira regra: o gate que impede a mesma falha duas vezes

É o capítulo com o número mais forte do guia, e o único que quase ninguém escreve.

A rede mantém um arquivo único onde toda correção editorial é registrada. Entre 19 de julho e 13 de agosto de 2026, 26 dias, ele recebeu 40 regras, o que dá 1,54 por dia. Cada uma nasceu de um erro que foi para a caixa de entrada de alguém.

O que o arquivo mostra sobre a natureza do erro

37 das 40 são de estilo. 3 são de fato. O modelo erra de gosto doze vezes mais do que erra de verdade. A parte incômoda é que as 3 de fato custam mais do que as 37 juntas, porque estilo o leitor perdoa e erro de fato o leitor lembra.

34 foram capturadas por uma pessoa. 4 pelo próprio agente, ao perceber a correção no meio da conversa. Ninguém deveria contar com a segunda via.

9 valem para a rede inteira, 31 nasceram coladas a uma newsletter só. É a origem do desperdício que aparece a seguir.

O achado que muda o desenho do sistema

Das 40 correções, 30 são regras distintas. As outras 10 são cópias: a mesma regra registrada de novo, para outra newsletter, porque quando ela foi escrita ficou presa ao escopo de uma só.

O caso maior aconteceu num único dia, 30 de julho: a mesma regra sobre como abrir o título foi registrada 9 vezes, uma para cada newsletter da mesma família. Nove edições erradas para aprender uma coisa só.

A lição é barata de aplicar: quando a correção chegar, a primeira pergunta é se ela vale para uma newsletter ou para todas. Errar para o lado de "todas" custa uma linha a mais no arquivo. Errar para o lado de "uma" custa oito edições.

O que separa uma regra que funciona de uma que não

Aqui está a medição que dá título ao capítulo. Das 40 correções, apenas 3 viraram verificação automática, com uma expressão que reprova o texto antes da publicação. As outras 37 continuam dependendo de alguém lembrar.

O corpus mostrou o resultado dos dois grupos, na mesma operação e no mesmo período:

Três regras que viraram código foram a zero e ficaram lá. Duas que continuaram como recomendação não se moveram, e uma delas piorou. Nenhuma diferença de esforço explica a distância: ela é a diferença entre uma regra que o sistema verifica e uma regra que a pessoa precisa lembrar às seis da manhã.

Como montar o seu, na versão pequena

Não precisa de sistema. Precisa de três coisas.

Um arquivo só. Uma linha por regra, com a data, o que não pode e um exemplo do erro que a originou. O exemplo é o que faz a regra ser entendida daqui a três meses.

Um teste de escopo. Antes de gravar, pergunte se a regra vale para tudo que você publica. Se valer, grave assim, mesmo que o erro tenha acontecido num lugar só.

Um teste de gate. A regra pode ser verificada por uma busca de texto? Se pode, ela vira busca, e para de depender de você. travessão, em suma, crucial, vamos explorar cabem numa busca simples. Uma verificação que roda em dois segundos antes de publicar já resolve a maior parte, e nem precisa ser código: a busca do próprio editor de texto, com a lista aberta ao lado, faz o mesmo trabalho.

O que não couber em busca continua no prompt e no passe de revisão, sabendo que ali a taxa de sobrevivência é a que a tabela acima mostra.

▸ Ao terminar este capítulo, você tem o gate na versão pequena (arquivo único, teste de escopo, teste de gate por busca), que tira a regra da memória.

Capítulo 10

O que a escrita move de verdade, medido em 1.627 edições

Este capítulo existe para tirar uma promessa da mesa.

Em outra medição da mesma rede, 1.627 edições de 27 newsletters entre abril e agosto de 2026, com o assunto real do email lido na plataforma, o efeito de cada recurso de escrita foi comparado com a vizinhança temporal da própria newsletter, o que tira o peso do tamanho da lista e o da época.

O resultado: a variação normal de abertura entre edições vizinhas da mesma newsletter tem desvio-padrão de 2,2 pontos. Nenhum recurso de escrita testado moveu mais de meio ponto. O maior efeito medido foi de 0,33 ponto, dentro da margem.

Quem promete dobrar abertura mudando a escrita está vendendo o que a medição não sustenta. O que separa uma newsletter de 12% de uma de 23% é a lista e o assunto tratado, não a linha de texto.

Então por que revisar

Porque abertura não é a métrica do texto. Abertura mede o assunto do email e a relação que já existe. O texto é medido depois: em quem termina de ler, em quem responde, em quem continua abrindo daqui a três meses, e em quem cancela.

E porque o texto é o produto. Uma newsletter que soa automática cumpre a métrica de hoje e perde o motivo de existir amanhã, que é alguém querer ler aquela pessoa.

O guia de copywriting para email, irmão deste, trata a parte que move abertura de verdade, que é o assunto. Aqui o assunto é o corpo.

E os dois juntos movem uma camada de quatro. Abertura baixa para o tamanho da lista costuma ser infra, lista parada é tráfego, audiência que encolhe enquanto a lista cresce é conteúdo, e gente lendo sem nada entrar é receita: o guia da metodologia dos 4Cs, o método em quatro camadas, separa as quatro e devolve a que está travada agora.

▸ Ao terminar este capítulo, você sabe que nenhum recurso de escrita move a abertura mais de meio ponto (contra 2,2 normais), e por que revisar mesmo assim.

Capítulo 11

O workflow inteiro, da pauta ao registro da correção

As oito etapas, na ordem, com o que cada uma custa e o que ela impede.

1. Pauta decidida por gente. Ângulo, não tema, com uma coisa que só você tem. Impede o texto médio, que nenhum passe posterior conserta.

2. Prompt de voz salvo. Escrito uma vez, usado sempre. Impede que cada edição comece do zero, e é o que faz o volume caber no dia.

3. Amostra da sua escrita dentro do prompt. O campo que mais muda o resultado. Impede a voz média da internet.

4. Regras duras como proibição. Verificáveis por outra pessoa lendo o texto. Impedem o adjetivo decorativo que não muda nada.

5. Passe de corte. Menos 10% ou você releu. Impede o parágrafo de aquecimento e o que resume.

6. Passe de tique. Os 12, com o detector. Impede o que a leitura humana não pega depois da terceira edição do dia.

7. Passe de fato. Todo número, nome, data e citação na fonte. Impede o erro que o leitor lembra.

8. Registro da correção, com teste de escopo e teste de gate. Impede que a mesma falha volte, e é a única etapa que melhora sozinha com o tempo.

Onde a máquina entra, e onde ela não entra

Das oito etapas, o modelo faz uma: a que fica entre a pauta e o corte. As outras sete são de editor, e a divisão é o que faz o resultado depender tão pouco de qual modelo você usa.

A troca que esse desenho permite não é escrever mais rápido. É publicar todo dia com uma pessoa cuidando das duas pontas, decidir o que merece ser dito e garantir que o que foi dito está certo, em vez de gastar o dia inteiro no meio.

A parte prática de publicar

Um workflow assim precisa de um lugar que aguente edição diária, automação de boas-vindas e segmento por comportamento, sem virar um segundo trabalho. Eu uso a beehiiv nas newsletters da rede, e é ela que sustenta as 2.074 edições que este guia mediu.

Dentro desse workflow existe um texto que a IA não precisa reescrever nunca: a sequência que recebe cada assinante novo é escrita uma vez e roda por anos. Na mesma rede ela mantém 42,52% de abertura em 97.509 emails entregues, competindo em abertura com o que a redação produz toda semana. Escrever bem essa peça uma vez rende mais que humanizar cem edições, e o desenho dela, email a email, está no guia do email de boas-vindas, com os primeiros 30 dias do assinante medidos.

O guia da beehiiv em português, irmão deste, cobre o passo a passo da conta, dos planos e do que muda entre eles. Se você ainda está decidindo formato, frequência e o que a sua newsletter vai ser, comece por o guia da newsletter, o hub da categoria, e volte para cá quando tiver o que publicar. Para encher a lista depois que o texto estiver de pé, o guia de captação de leads no orgânico traz o mix medido da mesma rede, e o guia de entregabilidade de email cuida da parte que decide se o texto chega.

▸ Ao terminar este capítulo, você tem o diagnóstico do workflow: a nota e a fila do que falta por dependência, com o custo medido de cada etapa.

Escrito por Henrique Carvalho, que opera a rede de newsletters onde cada número deste guia foi medido.

Capítulo 12

Perguntas frequentes sobre escrever com IA

De onde vem cada número deste guia

O corpus de tiques. 2.074 edições de 30 newsletters, publicadas entre 1º de abril e 2 de agosto de 2026, com 2.388.531 palavras medidas. O texto sai da versão web pública de cada edição, que é o mesmo link aberto que qualquer pessoa recebe. Extraído em 13 de agosto de 2026.

Três cortes fazem parte do método, e cada um muda o número publicado. O cabeçalho de marca fica de fora, porque o travessão de identidade visual não é tique de modelo. O anúncio do Ad Network fica de fora, porque a copy é de terceiro e quase sempre em inglês, e medir ela seria medir a escrita dos outros. Os blocos de interface repetidos em toda edição (quiz, avaliação, recomendação) ficam de fora, porque a mesma frase multiplicada por duas mil edições distorce qualquer contagem. Sem o primeiro corte, o travessão apareceria em 42,9% das edições em vez de 8,1%.

Intervalo numérico com o sinal longo (525–456 a.C.) não conta como tique, por ser convenção tipográfica.

As 30 newsletters não são a rede inteira. As publicações lançadas depois de 2 de agosto de 2026 ficam fora da janela, e a janela deixa 61 das 91 publicações do registro fora desta medição.

As correções. 40 regras registradas entre 19 de julho e 13 de agosto de 2026 no arquivo único de correção editorial da operação, com data, escopo, tipo e o exemplo do erro que originou cada uma.

A abertura contra recurso de escrita. 1.627 edições de 27 newsletters, entre 1º de abril e 2 de agosto de 2026, com o assunto real do email lido na plataforma de envio. Efeito medido contra a mediana das dez edições vizinhas da mesma newsletter, o que tira o peso do tamanho da lista e o da época.

Os volumes de busca. Google Keyword Planner, geo Brasil, idioma português, média de 12 meses, coletado em 13 de agosto de 2026, com 2.848 termos únicos. Uma keyword por chave canônica: grafia repetida com o mesmo volume conta uma vez só. O alvo de intenção limpa do guia soma 654.020 buscas por mês, e outras 87,8 milhões ficaram de fora por serem navegacionais, quase todas de gente digitando o nome da ferramenta para abrir a ferramenta.

As duas fontes externas. O estudo dos detectores é Liang, Yuksekgonul, Mao, Wu e Zou, "GPT detectors are biased against non-native English writers", publicado na revista Patterns em julho de 2023. A orientação sobre conteúdo de IA na busca é o texto do Google Search Central de fevereiro de 2023.

O que não é publicado aqui. O prompt de produção da rede, linha a linha, e qual newsletter carrega qual número de qualidade. Sai o método, não o mapa.