A Segunda Passagem: Porque a Boa Pesquisa de IA Deve Ser Contestada

Uma fonte não é o mesmo que certeza

Ver citações é reconfortante, mas um selo de citação por si só não torna uma alegação verdadeira.

Existem pelo menos quatro perguntas separadas que vale a pena fazer:

1. A fonte realmente existe?
2. É a fonte certa para este assunto?
3. Ela realmente apoia a alegação específica que está a ser feita?
4. Existe outra fonte credível que a contradiz?

O Opis já trata a proveniência da fonte como parte do objeto de pesquisa, em vez de notas de rodapé decorativas. Os achados podem conter referências de fontes, o sistema retém as fontes fundamentadas que estavam realmente disponíveis para a execução, e a camada de controlo de qualidade da saída verifica problemas como referências inválidas e padrões de fonte suspeitos.

Para si, como operador, o comportamento deve ser igualmente deliberado.

Quando um achado importa, abra a fonte.

Não pergunte “este relatório tem citações?”

Pergunte “eu me sentiria confortável em defender esta alegação a um cliente usando esta evidência?”

Esse é um padrão muito mais elevado.

Os quatro sinais de incerteza que vale a pena aprender

O Opis separa vários tipos de incerteza porque exigem respostas diferentes.

Suposição

Uma suposição é algo que a análise teve de tratar como provisoriamente verdadeiro para avançar.

Exemplo:

“O negócio parece visar PMEs com base na linguagem e pacotes exibidos no seu website.”

Essa pode ser uma interpretação razoável, mas talvez você saiba que 70% da sua receita realmente vem de contratos empresariais.

Isso não é um problema de pesquisa na web. É um problema de contexto.

Ambiguidade

Uma ambiguidade existe quando o material disponível deixa mais de uma interpretação razoável.

Por exemplo, um fornecedor diz “entrega no Reino Unido” na sua página inicial, mas uma página de envio apenas menciona o continente da Inglaterra e do País de Gales.

A informação existe. O seu significado é incerto.

Contradição

Uma contradição é mais forte. Duas peças de evidência apontam em direções incompatíveis.

Uma página da empresa pode chamar um produto de “cancele a qualquer momento” enquanto os termos atuais descrevem um compromisso de 12 meses.

Isso não deve ser silenciosamente convertido numa conclusão confiante.

Lacuna

Uma lacuna significa que a pesquisa não contém atualmente evidências suficientes para responder a algo importante.

Talvez a quantidade mínima de pedido no atacado nunca seja divulgada. Talvez nenhuma fonte credível estabeleça há quanto tempo um fornecedor está a operar. Talvez o preço atual do concorrente simplesmente não seja público.

Uma lacuna não é um relatório falhado.

É um mapa do que precisa acontecer a seguir.

ICC: corrija a interpretação sem começar de novo

Correção Contextual Interativa — ICC — é a parte do Opis projetada para momentos em que a evidência pública não é a história completa.

A ideia importante é que a sua intervenção tem um tipo.

Adicionar contexto

Use contexto quando souber um facto ou restrição relevante que o Opis não poderia razoavelmente saber.

“A nossa equipa de vendas confirmou que este fornecedor fabricará pedidos de marca própria a partir de 500 unidades.”

Adicionar uma instrução

Use uma instrução quando quiser que a análise priorize ou lide com as informações existentes de forma diferente.

“Para esta decisão, a fiabilidade da entrega importa mais do que o preço unitário de tabela.”

Fazer uma pergunta

Faça uma pergunta quando quiser interrogar o que já está presente.

“A evidência atual estabelece que a garantia se aplica a clientes comerciais?”

As perguntas são particularmente importantes porque o Opis não deve fabricar uma resposta apenas porque você perguntou.

Se o material existente não puder responder à pergunta, o resultado correto é uma lacuna.

Essa lacuna pode então tornar-se um alvo de pesquisa.

ICC e novas pesquisas são operações deliberadamente diferentes

Essa distinção é subtil, mas é fundamental para o comportamento pretendido do sistema.

Suponha que a sua primeira Análise de Concorrentes diz:

“O Concorrente A serve principalmente consumidores.”

Você sabe, a partir de uma conversa de vendas recente, que a empresa mudou de rumo há seis meses e agora foca em contratos de escritório.

Você adiciona isso através do ICC como contexto autoritativo.

O Opis pode rever a interpretação usando o que você forneceu. Não precisa fingir que descobriu independentemente o seu conhecimento privado na web.

Agora suponha que você pergunte:

“Que percentagem do seu negócio é corporativa?”

Nem a evidência original nem a sua clarificação contêm esse número.

A resposta honesta não é uma percentagem gerada.

É uma lacuna.

O caminho de preenchimento de lacunas do Opis pode pegar lacunas não resolvidas e realizar pesquisas de fundamentação direcionadas para novas evidências. O material recém-encontrado é anexado à pesquisa, em vez de ser silenciosamente confundido com as informações da primeira passagem.

Pense nos dois ciclos assim:

ICC pergunta: “O sistema entendeu a situação corretamente?”

O preenchimento de lacunas pergunta: “Precisamos de mais evidências?”

Você geralmente precisa de ambos.

Um exemplo prático: pesquisa de fornecedores

Imagine que está a adquirir um produto para um cliente.

A primeira passagem identifica quatro fornecedores e avalia áreas como preço, tempo de entrega, avaliações e tempo de atividade no negócio. As fontes são anexadas aos achados relevantes quando disponíveis.

O Fornecedor B tem uma classificação alta.

Antes de o recomendar, nota duas questões:

• o preço aparente é tirado de uma página de produto de retalho;
• a quantidade mínima de atacado não é verificada.

Em vez de aceitar a classificação, você interage com ela.

Primeiro, adicione contexto:

“Precisamos de fornecimento por atacado para pedidos recorrentes de aproximadamente 2.000 unidades por trimestre. O preço de retalho não é útil para a decisão.”

Em seguida, pergunte:

“As fontes atuais provam que o Fornecedor B oferece termos de atacado para este volume?”

Se não o fizerem, isso torna-se uma lacuna que vale a pena investigar.

Uma vez que uma evidência melhor ou um contexto de utilizador autoritativo altere um critério usado por um modo de pesquisa pontuado, a camada de pontuação determinística pode recalcular o resultado.

Esse é um fluxo de trabalho muito diferente de pedir a um chatbot para “tentar novamente.”

Você sabe o que mudou e porquê.

Por que o rasto de refinamento importa

A pesquisa de negócios muda.

As pessoas aprendem factos novos. Os websites atualizam. Os clientes corrigem os briefings. As suposições que pareciam razoáveis na segunda-feira tornam-se obviamente erradas na quinta-feira.

Um rasto de refinamento dá uma história a essas mudanças.

Em vez de tratar a prosa mais recente como se tivesse surgido do nada, o Opis pode reter a sequência de clarificação e refinamento que o produziu.

Para consultores e agências, isso é útil operacionalmente.

Imagine que um cliente pergunta:

“Por que esta recomendação é diferente do rascunho que nos mostrou ontem?”

Uma resposta fraca é:

“A IA mudou-o.”

Uma resposta profissional é:

“Ontem a análise assumiu que a sua área de serviço terminava em West Yorkshire. Confirmou esta manhã que eles agora também servem o Noroeste. Incorporámos essa informação e recalculámos a comparação relevante.”

É assim que um processo de pesquisa soa.

Não corrija tudo

O ICC não é um convite para forçar a pesquisa a concordar consigo.

Se um resultado desafia a sua crença anterior e a evidência é forte, mudar o contexto até receber a resposta que queria anula o propósito.

Uma disciplina útil é distinguir três estados:

• Sei que isto está errado — corrija e declare a base do seu conhecimento.
• Suspeito que isto está errado — faça uma pergunta ou crie uma lacuna de pesquisa.
• Não gosto desta conclusão — deixe-a em paz até ter evidências.

Essa fronteira é especialmente importante no trabalho de consultoria. A expertise humana melhora a pesquisa de IA apenas quando o humano também está disposto a ser desafiado.

O seu exercício de segunda passagem

Pegue um relatório Opis concluído e não o execute novamente imediatamente.

Em vez disso:

1. Escolha uma conclusão que afetaria materialmente uma decisão.
2. Abra as fontes anexadas a ela.
3. Leia as suposições, ambiguidades, contradições e lacunas em torno do relatório.
4. Adicione uma peça de contexto que você sabe ser verdadeira.
5. Faça uma pergunta cuja resposta você genuinamente não sabe.
6. Se a pesquisa atual não puder respondê-la, permita que se torne uma lacuna.
7. Use pesquisa de lacunas direcionada onde apropriado.
8. Compare o resultado revisado com o original.

O objetivo não é produzir mais texto.

É melhorar a qualidade da decisão.

O princípio por trás da funcionalidade

Uma boa IA não deve exigir que os humanos renunciem ao julgamento.

E um bom julgamento humano não deve exigir que a evidência se renda à opinião.

O arranjo mais útil é uma conversa controlada entre os dois.

O Opis fornece a estrutura de pesquisa. A evidência pública fornece uma visão externa. A sua experiência fornece contexto que a web pode nunca conter. A camada de incerteza diz-lhe onde as uniões são fracas.

O resultado pode então melhorar em vez de meramente regenerar.

Essa é a diferença entre pedir uma resposta à IA e trabalhar com um processo de inteligência.

A seguir na série: como os modos de pesquisa individuais se tornam muito mais valiosos quando a evidência e o contexto viajam através de um fluxo de trabalho.