A editora pegou o texto soando como IA. Agora a IA pega primeiro

Acessar o original ↗

Por que vale

A Katie Parrott descobriu numa reunião que os textos dela tinham captado vícios típicos de IA: estruturas simétricas demais, retórica de trio, frases que parecem profundas e não dizem nada. O que me interessa é a resposta dela: pegou o feedback da editora-chefe e transformou em skills de revisão que rodam antes de qualquer humano ler. É o mesmo movimento por trás da checagem de voz e do draft review kit que uso aqui, contado por quem fez isso dentro de uma redação de verdade.

Principais insights

• Feedback editorial vira guardrail automático. O que a editora apontou uma vez virou uma skill chamada /guardrails, que escaneia os padrões proibidos toda vez. O erro deixa de depender de alguém lembrar dele.
• A revisão tem quatro camadas: reviewers atacando o argumento ainda no outline, /ai-check e /guardrails linha a linha enquanto escreve, /panel no draft completo, e um checklist final com os padrões acumulados da equipe.
• Reviewers com nome e persona. Sorkin pra ritmo, Hitchcock pra tensão, Mom pra acessibilidade. Dar nome torna o sistema memorizável: você sabe quem chamar pra cada problema.
• O /panel roda os reviewers em paralelo e um sintetizador lê o conjunto: onde concordam, onde divergem, e qual decisão o texto está pedindo. As tensões entre feedbacks apontam a escolha real do autor.
• O insight meta, em tradução livre: “escrever com IA costuma ser retratado como barganha: a máquina faz mais, o humano faz menos. Na minha experiência, muda o que o humano faz em vez de reduzir o trabalho.” Articular seus padrões com precisão suficiente pra um modelo entender os torna mais claros pra você mesmo.
• O kit de skills da Every é público: draft-review-kit no GitHub.