A CNA criou mais de 20 GPTs personalizados antes de se autodenominar uma redação de IA

O ponto de dor que mudou a cultura: IA no Parlamento

O editor-chefe da CNA, Walter Fernandez, identifica um caso de uso específico como o ponto de virada para a adesão da redação: a cobertura do Parlamento. As sessões são longas e cansativas, então a equipe criou uma ferramenta que reconhece os rostos de mais de 90 deputados, transcreve discursos e gera resumos pesquisáveis.

Esse é um padrão específico e replicável. Em vez de impor IA de cima para baixo, a CNA perguntou aos jornalistas qual era o maior ponto de dor deles e construiu uma solução para o mais urgente. O valor da ferramenta ficou evidente imediatamente — os repórteres viam ela fazendo um trabalho que antes faziam manualmente.

Quando os repórteres viram a IA resolvendo um desafio real, todo mundo embarcou. Depois, virou uma questão de priorizar quais pontos de dor atacar em seguida.Montana Labs

A lição para equipes que aplicam IA na prática: a adoção veio depois de uma vitória demonstrada numa tarefa que todo mundo detestava fazer, não de um discurso genérico sobre capacidades. A fila de pontos de dor seguintes se tornou o roteiro.

O que a cobertura eleitoral realmente revelou

Durante a última Eleição Geral de Singapura, a CNA usou o ChatGPT de duas formas. Primeiro como um "segundo cérebro": GPTs internos alimentados com informações verificadas para dar contexto aos repórteres. Segundo, os modelos de raciocínio da OpenAI analisaram as campanhas, incluindo atividade manipuladora nas redes sociais.

O resultado concreto que Fernandez cita merece destaque porque não foi uma tarefa solicitada. O modelo identificou uma ligação entre duas contas suspeitas que tinham mudado de nome de perfil durante a campanha — uma anomalia que a redação nem havia perguntado nem considerado.

Essa distinção importa. O valor não estava em resumir ou redigir; estava em encontrar padrões em dados numa escala que a redação não conseguiria alcançar manualmente. Fernandez descreve isso como fazer coisas "que simplesmente não conseguíamos fazer antes", em vez de fazer o trabalho de sempre mais rápido.

Um ano de regras antes de escalar para 2.500 licenças

A CNA começou a experimentar em 2019, antes de o ChatGPT existir, mas passou cerca de um ano criando diretrizes de IA, montando supervisão multidisciplinar e implementando processos com humano no controle antes de expandir. Os limites são claros: nada de vozes de IA clonadas e nada de imagens geradas por IA em cobertura jornalística ou documentários.

Fernandez também rejeita "projetos de vitrine" — todo uso precisa resolver um problema real. Curiosamente, ele recusa o rótulo de "redação IA-first", mesmo descrevendo a organização como "totalmente comprometida".

Nossa bússola continua sendo o jornalismo de serviço público, com a IA como uma ferramenta para nos ajudar a cumprir essa missão.Montana Labs

Os números de escala dão peso às regras: mais de 500 licenças corporativas na CNA e outras 2.000 em nível de grupo, junto com treinamentos básicos e avançados, hackathons e equipes multidisciplinares. O trabalho de política veio antes, não depois, da distribuição em massa.

O diferencial em que a CNA está apostando: qualidade em meio a um mar de lixo

A implicação específica do relato da CNA é uma tese sobre para onde vai o valor competitivo quando gerar conteúdo se torna gratuito. Fernandez argumenta que, quando a IA pode produzir conteúdo infinito e clonar aparências em minutos, o diferencial das redações deixa de ser idioma, formato ou meio — passa a ser a qualidade e a relevância do conteúdo em meio ao que ele chama de "lixo de IA".

Isso reformula os mais de vinte GPTs personalizados, incluindo o popular "Newsroom Buddy", que confere o trabalho contra o manual de estilo da CNA. Essas ferramentas não existem para aumentar o volume de produção; existem para liberar os jornalistas para reportagens mais ambiciosas, enquanto a marca compete em confiança e julgamento editorial.

Para equipes que constroem em setores adjacentes, a sequência da CNA é o artefato útil: identifique um ponto de dor concreto, lance uma ferramenta que as pessoas possam ver funcionando, formalize as regras e só então escale distribuição e treinamento. A estratégia é agressiva na adoção e deliberadamente conservadora sobre o que a tecnologia tem permissão para inventar.