Como fazer a IA escrever uma história que não parece escrita por IA

Um texto de IA sem edição tem uma assinatura reconhecível, e ela mora no padrão de frase, não no vocabulário: contraste binário (“não é sobre vender, é sobre conectar”), listas com exatamente o mesmo número de itens em cada seção, metáfora genérica repetida (“jornada”, “virada”), e um ritmo de frase que nunca varia de tamanho. Trocar “revolucionário” por “inovador” não resolve nada disso, porque o problema mora na estrutura por trás da palavra, não na palavra sozinha.

Este artigo separa os dois lados do processo: o que colocar no prompt pra já nascer com menos desse padrão, e a passada de edição que resolve o que nenhum prompt resolve sozinho.

Os sinais que mais entregam um texto de IA

Contraste binário. “Não é sobre técnica, é sobre conexão” é a estrutura de frase mais comum em texto gerado sem edição, porque o modelo aprende esse formato como jeito eficiente de soar conclusivo. Usado uma vez por texto passa despercebido. Usado cinco ou seis vezes vira tique.

Simetria artificial. Toda seção com exatamente três parágrafos, toda lista com exatamente cinco itens, todo parágrafo com o mesmo tamanho. Texto humano varia porque o conteúdo dita o tamanho, não o formato.

Metáfora sem lastro. “Jornada”, “virada”, “novo capítulo” aplicados a qualquer contexto, sem nenhuma imagem concreta por trás. Metáfora forte nasce de um detalhe específico da situação, não de um estoque de palavras genéricas de autoajuda.

Ausência de detalhe verificável. Nome, número, data, lugar. Um texto sem nenhum desses quatro tipos de dado concreto soa flutuando, porque não tem nada que uma pessoa real precisaria ter visto pra escrever aquilo. É o mesmo princípio por trás dos três elementos que sustentam qualquer estrutura narrativa que funciona de verdade: sem personagem, tensão e mudança de estado nomeados com precisão, sobra só texto com adjetivo.

Ritmo sem variação. Frases do mesmo tamanho, uma atrás da outra, criam uma cadência mecânica que o ouvido (ou o olho, na leitura silenciosa) reconhece antes mesmo de processar o conteúdo.

O que colocar no prompt antes de pedir a história

A parte que mais separa um rascunho genérico de um rascunho aproveitável é a quantidade de material concreto que entra antes da geração, não o tamanho do prompt.

Ancorar num fato real. Pedir “escreva uma história sobre superar o medo de vender” gera texto genérico, porque o pedido descreve um tema amplo, sem nenhum fato concreto pra ancorar. Pedir “escreva a partir deste fato: perdi um cliente de R$4 mil em março porque baixei o preço na primeira objeção” dá ao modelo algo específico pra trabalhar em cima, em vez de inventar do zero.

Uma amostra da própria voz. Colar dois ou três parágrafos que a pessoa já escreveu (um post antigo, um e-mail, uma mensagem de WhatsApp pra cliente) e pedir pro modelo seguir o ritmo daquele texto funciona muito melhor do que descrever a voz em adjetivos (“tom direto e confiante”). Adjetivo é interpretação. Amostra é dado, e é o mesmo motivo pelo qual disciplina de linguagem consistente funciona como estrutura narrativa mesmo sem uma cena contada: a voz repetida é o que faz um texto parecer de alguém específico.

A instrução explícita contra o padrão binário. Pedir “não use a estrutura ‘não é X, é Y’ em nenhum momento do texto” reduz a frequência do padrão de forma mensurável, porque o modelo passa a evitar ativamente uma estrutura que, sem essa instrução, usaria por padrão.

Um limite de tamanho por parágrafo variando, não fixo. Em vez de “parágrafos de três frases”, pedir “varie o tamanho dos parágrafos, alguns de uma frase só, outros de cinco” quebra a simetria antes mesmo da geração.

A varredura de edição que o prompt sozinho não resolve

Mesmo com um prompt bem montado, nenhum texto gerado sai limpo o suficiente pra publicar sem uma passada de edição dedicada, e a palavra chave aqui é dedicada: misturar a caça a padrões de IA com revisão de conteúdo faz o olho passar batido pelos dois.

Uma varredura eficaz roda em duas passadas separadas:

Na primeira, ler o texto procurando só o padrão binário e a simetria, ignorando se o conteúdo em si está bom ou ruim. Cada ocorrência de “não é X, é Y” ou variação próxima vira reescrita imediata, trocando o contraste por uma afirmação direta.

Na segunda, ler o texto procurando só ausência de detalhe concreto: toda frase que poderia ter sido escrita sobre qualquer situação parecida, sem nenhum nome, número ou cena específica, ganha um detalhe real ou é cortada.

Um vício de escrita como esse costuma ficar invisível texto por texto e só fica óbvio quando alguém lê vários textos seguidos caçando aquele padrão específico. Quem produz conteúdo em volume, com ou sem IA no meio do processo, sente esse efeito com mais força: o mesmo tique que passaria despercebido num único artigo se multiplica quando ninguém para pra ler o lote inteiro procurando só por ele.

Um teste rápido antes de publicar

Ler o texto em voz alta funciona melhor que reler em silêncio, porque o ouvido detecta ritmo repetitivo mais rápido que o olho. Se três frases seguidas têm o mesmo comprimento, isso salta na leitura falada de um jeito que passa batido na leitura visual.

O segundo teste é perguntar, de cada afirmação forte do texto, se alguém que nunca viveu aquilo conseguiria ter escrito a mesma frase. Se a resposta é sim, falta um detalhe que só quem viveu a cena teria: um valor exato, um nome, uma hora do dia, uma frase que alguém disse de verdade.

Um texto de IA bem editado não esconde que passou por uma ferramenta, porque isso não é o que importa pra quem lê. O que importa é se o texto carrega fato real e voz reconhecível, e essas duas coisas só entram no processo através de quem edita, não através do modelo sozinho, por mais detalhado que o prompt tenha sido. É a mesma divisão de trabalho descrita em storytelling e copywriting, qual a diferença na prática: uma camada decide a estrutura, a outra escolhe a palavra exata, e nenhum modelo faz as duas sozinho sem alguém checando o resultado.