IA aplicada

Trilha gerada por IA sem virar lixo: o que aprendi misturando conteúdo humano e sintético

Por Ruan Braz · 20 de maio de 2026 · Leitura de ~9 min

Qualquer pessoa consegue pedir para um modelo gerar um curso de quarenta aulas em três minutos. O resultado é sempre correto e sempre morto. Na Overlens eu fiz a escolha oposta: a IA desenha a rota entre pedaços de conteúdo humano que já existem, em vez de escrever o curso. Ela personaliza o caminho, e quem carrega a experiência continua sendo gente.

Gerar conteúdo é a parte fácil, e é exatamente por isso que ela vale pouco

Eu testei. Peguei um tema que eu domino, pedi para o modelo montar um programa completo, com módulos, objetivos de aprendizagem, exercícios, tudo. Saiu bonito. A estrutura estava certa, a progressão fazia sentido, não tinha erro factual grosseiro. E era inútil.

Inútil porque conteúdo educacional vale pela opinião embutida nele, e não pela informação que ele carrega. A informação está em todo lugar, de graça, desde 2005. O que faz uma aula valer alguma coisa é a ordem que aquela pessoa escolheu porque viu cem alunos travarem no mesmo ponto, o atalho que ela usa e que não está em nenhum livro, a coisa que o consenso do mercado repete e que ela contesta depois de ter tentado. Um modelo de linguagem entrega a média do que já foi escrito, e a média é, por definição, o lugar onde não tem opinião.

Existe um agravante econômico. Se o seu produto é conteúdo gerado por IA, ele pode ser replicado por qualquer concorrente em uma tarde, com o mesmo modelo, por um custo que tende a zero. Você não construiu ativo nenhum. Construiu uma interface por cima de uma API que o seu aluno também tem no bolso.

O ativo é a biblioteca humana, não o gerador

O Overpass tem mais de 400 horas de conteúdo gravado por gente. Criação, empreendedorismo, nexialismo, metacognição, análise de dados, visão sistêmica. Isso levou anos e custou dinheiro real para existir. É um ativo lento, caro e chato de produzir. É justamente por isso que ele é defensável.

A pergunta que me interessava não era "como eu gero mais conteúdo". Era: como uma pessoa com um projeto específico atravessa 400 horas sem se perder? Porque esse é o problema real de biblioteca grande. Quanto mais material você tem, mais paralisante ele fica. O aluno abre o catálogo, vê trinta trilhas possíveis, escolhe nenhuma e some. Já escrevi sobre isso em educação não é Netflix: catálogo não é currículo, e tratar acervo como se fosse aprendizagem é o erro estrutural da educação online.

É aí que a IA entra na minha arquitetura, no papel de roteirista de percurso.

A IA monta a rota, não o destino

Na prática funciona assim. O aluno descreve o projeto que está construindo, e não o tema que quer estudar. "Quero lançar um serviço de edição para dentistas cobrando por assinatura." A partir daí o sistema gasta créditos e produz uma trilha.

Essa trilha é feita de quatro tipos de peça:

1. Peças humanas selecionadas. Trechos específicos das 400 horas, escolhidos e ordenados para aquele projeto. Não o módulo inteiro: o recorte que importa agora.
2. Conectivo de contexto. Texto gerado explicando por que aquela peça aparece ali, o que ela resolve no projeto da pessoa e o que ignorar dentro dela. É a ponte entre o material genérico e a situação particular.
3. Exercício aplicado. Não "faça um resumo". Uma tarefa executada dentro do projeto real da pessoa, com entregável verificável.
4. Checagem de entendimento e material derivado. Perguntas que expõem se a pessoa entendeu ou decorou, mais podcast, PDF e mapa mental gerados a partir daquela trilha específica.

A divisão de trabalho é explícita: o conteúdo humano carrega opinião e experiência; a IA carrega a personalização. Nenhum dos dois consegue fazer o trabalho do outro bem. Um professor não tem tempo de montar uma rota individual para cada aluno. Um modelo não tem cicatriz.

O que a IA sabe fazer é ligar pontos. O que ela não sabe é qual ponto valeu a pena e qual custou dois anos de erro para descobrir que não valia.

Falha número um: a IA não sabe dizer não

A primeira coisa que quebrou foi o tamanho. As trilhas saíam gigantes. O modelo, quando pedido para montar um percurso, se comporta como um bibliotecário ansioso: tudo que é tangencialmente relevante entra. Projeto de assinatura para dentistas? Vamos incluir posicionamento, precificação, tráfego, copy, produto, retenção, jurídico, fiscal. Tudo é relevante, e tecnicamente ele não está errado. Só que uma trilha de 60 horas para alguém que tem seis semanas é o mesmo que nenhuma trilha. Pior: gera culpa. A pessoa abandona no item nove e associa a plataforma à sensação de estar devendo.

Curadoria é subtração. Um bom professor te diz o que não estudar agora, e essa é a parte da docência que o modelo não replica sozinho, porque dizer não exige assumir um custo de oportunidade: apostar que aquilo que ficou de fora não vai fazer falta. Modelo nenhum tem incentivo para correr esse risco.

A correção foi impor orçamento antes da geração. A trilha nasce com um teto de horas e um número máximo de peças, e o sistema é obrigado a escolher dentro disso. Também passei a exigir que cada peça declarasse qual decisão do projeto ela destrava. Peça que não destrava decisão sai. Ficou melhor, ainda não está no ponto que eu quero, e eu continuo mexendo nisso.

Falha número dois: briefing vago produz trilha vaga

A segunda falha foi mais desconfortável, porque a culpa não era do modelo nem minha. Era da entrada.

Quando a pessoa escreve "quero empreender com IA" ou "quero criar conteúdo", não existe geração possível que salve. O sistema devolve uma trilha correta e genérica, o mesmo curso morto que eu critiquei no começo, só que agora com a minha marca. Em produto educacional, garbage in, garbage out decide se a pessoa vai achar que a plataforma é mágica ou que é pura enrolação.

O que aprendi é que a qualidade do briefing é uma habilidade, e a plataforma precisa ensinar essa habilidade antes de gerar qualquer coisa. Então a entrada deixou de ser um campo de texto livre e virou uma conversa curta que força especificidade: para quem é, o que a pessoa já tentou, o que já existe pronto, qual é a próxima decisão travada, qual é o prazo. Só depois disso a trilha é gerada.

Isso tem um efeito colateral que eu não previ e que passei a considerar o melhor pedaço do produto: o exercício de descrever o projeto com precisão já é metacognição aplicada. A pessoa descobre, escrevendo, que não sabia o que estava fazendo. Falei mais sobre esse tipo de mecanismo em metacognição na prática. O briefing virou aula antes de existir aula.

Falha número três: a tentação de gerar tudo, porque é mais barato

Essa é a que eu considero perigosa de verdade, e é uma tentação que aparece todo trimestre na conversa de custo.

A matemática é sedutora. Uma hora de conteúdo humano bem produzido envolve roteiro, gravação, edição, revisão e o tempo de alguém que já fez aquilo. Uma hora de conteúdo sintético custa centavos de token. Se você olha só a planilha do mês, substituir é óbvio. E o resultado imediato não parece pior, que é onde mora a armadilha: conteúdo sintético falha de forma plausível, nunca de forma escandalosa.

O problema aparece no médio prazo, em três frentes que eu enxergo com clareza hoje:

• Diferenciação vai a zero. Se tudo é gerado, o meu produto é o mesmo do concorrente com o orçamento de anúncio maior. Não sobra motivo para escolher a Overlens.
• Confiança é assimétrica. Ela sobe devagar e desaba de uma vez. Basta o aluno perceber uma vez que aquele "insight" era vago demais para ser de alguém que viveu aquilo, e ele passa a ler tudo com desconfiança, inclusive o que é humano e bom.
• O modelo se alimenta da média e a média piora. Conteúdo sintético treinado em conteúdo sintético converge para o nada. Se eu paro de produzir material humano com opinião, daqui a três anos não tenho matéria-prima nova para personalizar.

Então a regra que eu adotei é simples de enunciar e cara de manter: a IA nunca é a fonte primária de uma tese. Ela contextualiza, conecta, exemplifica, aplica ao caso da pessoa, gera derivados. A autoria do argumento continua fora dela. No dia em que a IA virar autora, eu deixo de vender aprendizagem e passo a vender uma interface de chat com paywall.

Esse é um trade-off explícito e ele tem preço. Minha estrutura de custo fica pior que a de quem gera tudo. Meu catálogo cresce mais devagar. Estou apostando que profundidade sustenta preço melhor do que volume, e essa aposta atravessa toda a escada de valor, não só esse produto. Posso estar errado nessa. Se em dois anos os modelos ficarem bons o suficiente para ter posição própria defensável, eu revejo. Até lá, sigo.

Personalização é um problema de roteamento, não de produção

A conclusão que eu tiro depois de operar isso é que a indústria toda está resolvendo o problema errado. Todo mundo correu para usar IA para produzir mais conteúdo, quando o gargalo da educação online nunca foi escassez de conteúdo. O gargalo é que a pessoa não sabe qual dos dez mil vídeos disponíveis é o próximo dela.

Isso é um problema de roteamento. Roteamento é exatamente o tipo de tarefa em que modelo de linguagem é excelente: ler um contexto bagunçado, cruzar com um acervo grande, propor uma ordem, explicar a ligação. É a mesma lógica de dividir responsabilidades em camadas que eu usei ao desenhar a arquitetura de agentes de reunião, onde cada camada faz aquilo que ela faz melhor que as outras e nenhuma tenta ser tudo.

Tem um detalhe econômico que amarra isso. Como cada trilha consome créditos, gerar tem custo variável real, e isso me obriga a ser honesto sobre o que vale gerar. Se a geração fosse ilimitada e gratuita, eu geraria lixo em escala sem sentir. O custo funciona como disciplina de curadoria embutida no modelo de negócio.

O princípio que eu vou defender até quebrar

A IA deve personalizar o caminho e deixar intacta a experiência de quem já percorreu esse caminho.

Toda vez que eu vejo uma decisão de produto no time, é esse o teste que eu aplico. Essa funcionalidade está tornando o percurso mais preciso para aquela pessoa, ou está substituindo cicatriz por texto plausível? A primeira eu construo. A segunda eu recuso, mesmo quando a planilha diz que eu deveria construir.

Não estou dizendo que existe pureza aqui. O conectivo é sintético, os derivados são sintéticos, boa parte do que o aluno lê na tela não foi escrita por gente. Discutir "IA sim ou IA não" não leva a lugar nenhum. A pergunta que importa é quem tem opinião dentro do produto. Enquanto a opinião for humana e a IA for o roteador, eu durmo tranquilo. Quando inverter, o produto morreu e só vai demorar uns meses para o mercado perceber.

Essa lógica de projeto antes de currículo é a base de tudo que eu construo. Escrevi sobre ela em aprender criando, e sobre por que aposto em gente que conecta áreas em nexialismo. Se quiser saber mais de onde eu venho, tem o sobre, e eu falo dessas decisões com mais detalhe no canal.