Uso de IA e automação na Consultoria de Negócios Digitais

Na semana passada, a comunidade Digital Marketing Malaga me convidou para apresentar nosso caso. Ou seja, o processo que seguimos nos projetos de Consultoria de Negócios Digitais na Disruptivos para nos adaptar à chegada da IA, que, como em todos os setores, provocou uma grande (r)evolução.

A palestra correu muito bem, mas a verdade é que eu já esperava isso, porque estou bastante satisfeito com o processo que seguimos e com os resultados obtidos. Principalmente porque criamos as bases necessárias para continuar crescendo sobre elas sem precisar começar do zero.

Se você faz qualquer tipo de consultoria — digital ou não — vai perceber que 80% do que eu conto é aplicável ao seu negócio, por isso quero resumir aqui os principais pontos da palestra.

Razões para usar IA e automatizar processos

Há razões óbvias, como você vai ver agora, mas quando começamos a analisar de verdade o que queríamos conseguir com a IA percebemos que economizar tempo era apenas uma parte das vantagens.

Na verdade, algumas das vantagens que hoje me parecem mais importantes têm menos a ver com fazer uma consultoria mais rápido e mais com conseguir fazê-la melhor e, sobretudo, de forma mais consistente.

A pergunta que desencadeia tudo: a IA realmente nos dá os resultados que queremos?

ChatGPT nos dá resultados surpreendentes. Você preparava um bom prompt, acrescentava algum contexto e, em poucos segundos, tinha uma análise, uma proposta ou um documento que antes teria levado muito mais tempo.

O problema aparecia quando você tentava usar esse resultado em um projeto real. 

Muitas vezes a qualidade não era suficiente, faltava profundidade, algumas respostas eram melhores que outras e o resultado dependia demais de como você tinha formulado o prompt ou das informações que tinha acrescentado.

Por isso acabamos mudando a pergunta. Em vez de simplesmente nos perguntarmos como poderíamos usar mais IA, começamos a nos perguntar o que precisávamos mudar em nossos processos para que a IA nos desse os resultados de que realmente precisávamos.

Essa mudança parece pequena, mas para mim é a base de tudo o que fizemos depois. 

Usar IA é muito fácil. Fazer com que ela passe a fazer parte de um processo profissional, repetível e com padrões de qualidade claros é muito mais complicado.

Economizar tempo é apenas a razão mais evidente

A primeira vantagem da automação é óbvia: economizar tempo. Uma consultoria envolve uma parte importante de pesquisa de informações, coleta de dados, análise preliminar, criação de documentos e tarefas administrativas que são necessárias, mas que não precisam ser realizadas manualmente por uma pessoa do início ao fim.

Aliás, não deveriam.

Porque, se conseguimos fazer com que uma tarefa que antes levava quatro horas passe a levar uma, ganhamos três horas adicionais para dedicar a outras coisas. Multiplicado por todas as fases de um projeto, isso tem um impacto importante.

Mas há um ponto importante: a economia de tempo não podia acontecer às custas da qualidade. Se uma tarefa leva metade do tempo, mas o resultado é pior, para nós não existe uma melhoria real.

Por isso, o importante é economizar tempo mantendo o mesmo nível de qualidade.

Padronizar a qualidade de todas as consultorias

Esta é provavelmente o motivo que acabou tendo mais peso para mim, no fim das contas.

Quando várias pessoas realizam consultorias, é inevitável que existam diferenças. Um consultor pode ser especialmente bom em SEO técnico e outro se aprofundar muito mais em linkbuilding. Um pode preparar documentos extremamente detalhados e outro ser bem mais direto.

Isso não é ruim per se, porque o ideal é aproveitar a experiência de cada pessoa, mas pode criar um problema quando a profundidade e a qualidade do serviço acabam dependendo demais do consultor que realiza o projeto.

Nós queríamos conseguir exatamente o contrário. Se um cliente contrata uma Consultoria de Negócios Digitais com a Disruptivos, deve existir um determinado nível de profundidade e consistência independentemente de quem a faça.

Aqui a IA e a automação podem nos ajudar muito, porque podemos definir previamente quais elementos devem ser revisados, quais KPIs precisam ser analisados, qual documentação deve ser usada e qual profundidade mínima esperamos em cada bloco.  

Depois, evidentemente, o consultor pode ampliar, avaliar e modificar o que considerar adequado, mas existe uma base comum que todos os projetos devem cumprir.

Deixar para o consultor o trabalho que realmente agrega valor

O valor do consultor está sobretudo em seu critério. Em entender o negócio, saber que informação é importante e qual não é, questionar uma conclusão, detectar algo que não faz sentido, definir prioridades ou decidir o que vale a pena fazer levando em conta as limitações reais do cliente.

Também está, evidentemente, na relação com esse cliente. Há coisas que não aparecem no Analytics, Search Console ou em um CRM e que você só entende depois de conversar com as pessoas que conhecem o negócio.

Por isso, nossa ideia nunca foi que a IA fizesse a consultoria, mas que se encarregasse de parte do trabalho prévio, repetitivo ou mecânico para que o consultor possa dedicar mais tempo justamente àquilo em que sua experiência agrega mais valor.

Ajudar novos consultores sem depender o tempo todo dos seniores

Há outro problema que surge assim que uma equipe começa a crescer ou quando você troca uma pessoa de projeto. Durante seus primeiros dias ou semanas, ela precisa perguntar coisas constantemente porque não tem toda a informação de contexto.

• Onde está um documento.
• Qual modelo deve usar.
• Quem é responsável por determinada área.
• Quais KPIs precisam ser analisados.
• Como um entregável específico é estruturado. 

É totalmente normal, mas tem uma consequência bastante evidente: para que uma pessoa avance, outra precisa interromper o próprio trabalho continuamente.

E é aí que entra a IA, porque ela pode se transformar em uma camada de conhecimento do projeto e da própria empresa. Se a metodologia, os processos, os modelos, as pessoas responsáveis e a documentação estiverem bem organizados, muitas dessas perguntas podem ser resolvidas diretamente sem precisar recorrer sempre a outro consultor.

Isso não substitui o treinamento; apenas reduz muitas interrupções que não agregam valor e ajuda uma pessoa nova a se tornar autônoma mais cedo.

A metodologia de consultoria da Disruptivos

A primeira coisa é explicar que, embora o processo de execução tenha mudado, o framework ou a metodologia de consultoria da empresa não mudou. É exatamente o mesmo antes e depois da IA. E, se você é consultor, provavelmente vai reconhecê-lo ou perceber certa semelhança com o que já faz.

As três fases de uma consultoria

Nossa metodologia pode ser resumida em três grandes fases: entender, pensar e fazer.

A primeira consiste em entender o negócio. Aqui analisamos a empresa, seus números, proposta de valor, tecnologia e objetivos, auditamos seus canais e ativos digitais e completamos tudo com pesquisa de mercado, análise de demanda e estudo de concorrentes.

Depois vem a fase de pensar. Com todas essas informações, construímos um plano estratégico que basicamente deve responder a três perguntas: o que precisa ser feito, em que ordem e quem deveria fazer.

A terceira fase é a implementação. Nem todos os projetos chegam até aqui, porque alguns terminam com a entrega do plano estratégico e o próprio cliente se encarrega de executá-lo, enquanto em outros continuamos trabalhando na implementação das melhorias propostas.

Decompor todo o processo

Depois de explicar a metodologia, o que fizemos em seguida foi decompô-la.

Não bastava dizer que fazemos uma auditoria de SEO, uma análise de mercado ou uma proposta estratégica. Descemos vários níveis — mais adiante detalharíamos ainda mais — e ficamos com 6 etapas, cada uma com vários marcos.

Para cada marco respondemos a três perguntas muito simples: quanto tempo ele leva atualmente, que parte poderia ser automatizada e quanto tempo deveria levar depois da automação. O primeiro já estava calculado; os outros dois eram estimativas que precisávamos testar em projetos reais.

E foi aqui que surgiu uma das ideias que você precisa guardar de todo esse processo: se um processo só existe na sua cabeça, você ainda não está pronto para automatizá-lo.

Antes você precisa escrevê-lo, dividi-lo e explicar como ele é feito. Caso contrário, quando tentar automatizá-lo, vai acabar descobrindo exceções, decisões ou pequenos passos que podem ser intuitivos para uma pessoa experiente, mas que você nunca tinha documentado.

E que, portanto, um consultor novo ou uma IA não sabem processar corretamente.

Graus de automação

Nem todas as tarefas permitem o mesmo grau de automação.

Por exemplo, uma parte importante da pesquisa de mercado pode ser automatizada. Podemos coletar volumes de busca, tendências, informações públicas do setor ou analisar parte da presença digital dos concorrentes sem que uma pessoa precise fazer todo o trabalho manualmente.

Em outras áreas, o percentual é bem menor. As análises heurísticas de CRO, por exemplo, ainda têm um componente muito alto de julgamento humano.

Determinadas tarefas administrativas, como criar estruturas de pastas ou projetos no Asana, podem ser automatizadas quase por completo.

Por isso você não pode tratar a automação como tudo ou nada. Há processos nos quais você pode automatizar 80% e outros em que só faz sentido automatizar 20%, e não há problema nenhum nisso.

E lembre-se do que dissemos antes: a pergunta não é se uma tarefa pode ser totalmente automatizada, mas qual parte faz sentido automatizar sem piorar o resultado.

Nossos resultados

Quando somamos o tempo médio que dedicávamos a todas as tarefas de uma Consultoria de Negócios Digitais, um projeto típico ficava aproximadamente entre 80 e 100 horas de trabalho.

Depois de analisar o potencial de automação de cada bloco, o cálculo teórico chegava a cerca de 38 horas. No papel, era uma redução enorme, praticamente deixando o processo em menos da metade do tempo original.

A realidade ainda não é essa.

Atualmente estamos mais perto de 50 horas, o que ainda representa praticamente reduzir pela metade o tempo de que precisávamos antes. Mantendo nossos padrões de qualidade, que, como eu disse antes, eram inegociáveis.

E não são 38 horas porque os processos têm exceções, surgem erros, os clientes são diferentes e nem todas as integrações funcionam da forma ideal. Automatizar o caminho perfeito pode até ser relativamente simples, mas automatizar tudo o que pode dar errado é praticamente impossível. E não vale a pena.

O resultado é bom. E, o que é mais importante, agora temos uma estrutura-base sobre a qual continuar melhorando em vez de depender apenas de adicionar novos prompts ou ferramentas.

Os sistemas e ferramentas que estamos construindo

Depois de definir o processo e entender quais partes fazia sentido automatizar, começamos a construir as ferramentas.

No começo, não nos importava se a solução acabaria sendo um GPT, um fluxo no n8n, um agente ou uma aplicação própria. Primeiro precisávamos definir exatamente a tarefa ou processo a resolver e depois escolher a ferramenta adequada.

Nosso objetivo real era um só, bem específico e talvez um pouco diferente do que você espera, mas delimitava muito bem o que pretendíamos: facilitar a vida de qualquer consultor novo sem reduzir nossos padrões.

Primeiro: documentar processos, métricas, KPIs e modelos

Para conseguir isso, tivemos que documentar todo o processo de consultoria com muito mais detalhes do que tínhamos antes ao decompor a metodologia. Cada bloco passou a se transformar em tarefas concretas com instruções, documentos relacionados e modelos que explicavam como deveria ser realizado.

Depois fizemos o mesmo com as métricas e os KPIs.

Temos diferentes níveis de consultoria e, dependendo do projeto, sabemos quais métricas exatas devem ser analisadas em cada área de negócio digital, como SEO, CRO, paid media, email ou conteúdo. Um consultor pode acrescentar tudo o que considerar necessário, mas existe uma base mínima que ele precisa revisar e que é padrão para todas as consultorias.

O mesmo acontece com as próprias auditorias. Criamos modelos para que, em vez de simplesmente pedir à IA para "fazer uma auditoria", forneçamos a estrutura que usamos, as áreas que devem ser analisadas e o tipo de informação que esperamos encontrar.

Outro aspecto-chave que você precisa guardar: não deixamos a IA decidir como deve ser uma boa consultoria. Primeiro definimos nós mesmos o padrão e depois fazemos a IA trabalhar dentro dele.

Escolher o grau de automação: as três abordagens

A partir daí, podemos escolher diferentes graus de automação.

O primeiro e mais simples consiste em usar a IA como assistente. Pode ser um GPT personalizado, um Gem, um projeto com determinadas instruções ou qualquer ferramenta semelhante à qual forneçamos nossa metodologia e documentação.

É a opção com menos automação, mas também a que permite obter resultados mais rapidamente e sem precisar desenvolver coisas demais.

O segundo nível consiste em automatizar tarefas conectando diferentes ferramentas. Aqui entram sistemas como o n8n, nos quais podemos fazer a informação passar automaticamente de uma aplicação para outra, incorporar modelos de IA em determinadas partes do processo e manter validações humanas quando forem necessárias.

E o terceiro nível seria construir um sistema completo, seja com agentes ou com nosso próprio SaaS com front-end e back-end.

Quando começamos a trabalhar em tudo isso, os agentes eram menos desenvolvidos do que são hoje, então apostamos principalmente nos dois primeiros caminhos. Se começássemos hoje do zero, provavelmente estudaríamos com muito mais detalhe uma arquitetura baseada em agentes, embora eu ainda ache que faz sentido validar primeiro cada parte do processo antes de construir um sistema enorme.

As ferramentas que desenvolvemos

De todo esse processo foram surgindo diferentes ferramentas e experimentos. Algumas já estão funcionando, outras continuam evoluindo e provavelmente várias mudarão bastante nos próximos meses.

O interessante não é tanto a ferramenta específica que usamos, porque provavelmente daqui a dois anos muitas serão diferentes, mas que problema cada uma resolve dentro do processo.

Oráculo: uma base de conhecimento para cada projeto

Uma das primeiras coisas que desenvolvemos foi o que internamente chamamos de Oráculo.

O nome pode soar mais avançado do que realmente é. Basicamente consiste em ter uma base de conhecimento onde está a informação necessária para trabalhar no projeto: 

1. Contexto do projeto.
2. Comunicações com o cliente.
3. Nossos entregáveis (auditorias, guias…)
4. Informações do nosso gerenciador de projetos.
5. Relatório mensal de KPIs.

Tudo isso dentro de um sistema de IA para que o consultor possa fazer perguntas.

Qualquer coisa.

Na verdade, com essas fontes, é difícil você ter alguma dúvida que o Oráculo não consiga responder bem.

Temos um Oráculo por cliente e outro para cada projeto diferente, de modo que qualquer consultor novo possa se orientar facilmente.

Evidentemente, isso só funciona se as informações de origem estiverem bem organizadas e atualizadas; colocar documentação desorganizada dentro de uma IA não faz com que ela magicamente deixe de estar desorganizada.

Automatizar a gestão de projetos com n8n, Drive e Asana

Outro exemplo é um fluxo que criamos no n8n para automatizar parte da camada de gestão dos projetos.

Quando o departamento comercial fecha um projeto, gera um relatório seguindo uma estrutura determinada. O consultor só precisa copiar essa informação e enviá-la para o fluxo, onde usamos um nó de IA para interpretá-la e preparar automaticamente tanto a estrutura de pastas e documentos no Google Drive quanto o projeto e as tarefas correspondentes no Asana.

Antes de criar qualquer coisa, o sistema mostra as informações e solicita uma validação ao consultor. Se houver algo incorreto, podemos modificá-lo antes que o restante do processo seja executado.

Esse desenvolvimento também nos ensinou outra coisa importante: automatizar quando tudo funciona bem é relativamente fácil, mas gerenciar erros e exceções é bem mais complicado.

Uma pessoa aplica intuitivamente um monte de pequenas regras que muitas vezes nem percebe que está aplicando. Quando você automatiza um processo, todas essas regras precisam estar escritas e o sistema precisa saber o que fazer quando algo não se encaixa no caso esperado.

Assistente de consultoria

Outra ferramenta que estamos construindo tem um objetivo um pouco diferente: servir como assistente durante a própria consultoria.

Aqui a ideia é que uma pessoa possa inserir o tipo de negócio e os principais KPIs e que o sistema vá ajudando a detectar o que deveria ser revisado e onde podem existir problemas.

Para isso, o sistema precisa conhecer os KPIs que consideramos relevantes e trabalhar com benchmarks públicos e informações internas que lhe permitam fornecer contexto e avaliar as métricas.

Não queremos que o assistente tome as decisões pelo consultor, mas que dê pistas e reduza o trabalho necessário para chegar ao ponto em que começa a parte realmente essencial da análise.

Criar o primeiro rascunho de uma auditoria com IA

O próximo passo é usar tudo o que vimos antes para gerar o primeiro rascunho de uma auditoria.

Usamos modelos de projetos para Claude Code, Codex ou Antigravity, preparados especificamente para uma área, com nossa metodologia, modelos e instruções, para que a IA possa gerar uma primeira versão do documento de auditoria a partir das informações disponíveis que fornecemos.

Já estamos testando essa abordagem em áreas como SEO, embora ainda seja uma parte em desenvolvimento.

Uma coisa: gerar um primeiro rascunho não significa gerar o entregável final.

O consultor ainda precisa revisar, editar, organizar e priorizar o rascunho. A IA pode fazer com que ele comece a trabalhar a partir de um documento que já está 50%, 60% ou a porcentagem correspondente pronto, em vez de começar sempre com uma página em branco.

Esse é o objetivo: não substituir o consultor, mas dar a ele um ponto de partida muito melhor.

Conclusões e um pequeno exercício

Depois de todo esse processo, há várias ideias que recomendo guardar.

A primeira é que automatizar não consiste simplesmente em economizar tempo. Documentar uma metodologia, definir padrões e decidir o que deve acontecer em cada situação é mais importante do que escolher a ferramenta que depois executará o processo.

A segunda é que não existe uma única solução para tudo. Às vezes basta um bom prompt; outras vezes faz sentido criar um GPT personalizado; em alguns casos precisaremos do n8n; e em outros acabaremos desenvolvendo um agente ou até uma aplicação completa.

O que você precisa é saber que tipos de ferramentas existem e qual se adapta melhor ao problema que quer resolver.

A terceira tem a ver com o papel do consultor. Quanto mais barata e rápida se tornar a execução, mais valor terão o critério, a capacidade de decidir, a gestão e a relação com o cliente.

E há uma quarta e última consequência que nem todo mundo leva em conta: a IA amplia enormemente aquilo que uma única pessoa pode fazer.

Um especialista em marketing que antes não podia desenvolver uma pequena ferramenta porque não sabia programar agora pode fazer isso. Alguém especializado em CRM pode criar automações que antes teriam exigido um desenvolvedor, e uma pessoa de negócios pode prototipar soluções que antes nem sequer teria pensado em construir.

Isso não significa que todos tenhamos nos tornado desenvolvedores, designers ou analistas, mas que a barreira de execução caiu tanto que será cada vez mais importante saber o que queremos construir, por quê e como deveria funcionar e não tanto saber construí-lo, já que a IA fará isso por nós com as instruções adequadas.

Para encerrar o artigo e a palestra, deixo você com um exercício muito simples que acho que vale a pena fazer.

Pense em uma tarefa que você realiza habitualmente no trabalho e pergunte a si mesmo que parte dessa tarefa você poderia deixar de fazer manualmente dentro de seis meses. 

Depois pense no que você precisa para conseguir isso: talvez uma ferramenta, algumas horas para documentar o processo, ajuda de outra pessoa ou simplesmente aprender como funciona determinada tecnologia.

Você já terá dado o primeiro passo no caminho da automação.

Se quiser dar o segundo, escolha algo concreto que possa testar ainda esta semana em um projeto real. 

É assim que você começará a descobrir como isso pode realmente mudar sua forma de trabalhar.