Caso de uso

Um caso completo, do contrato ao candidato aprovado

Este é o caso ilustrativo que acompanha o pacote. Os dados da empresa "NimbusOps" são fictícios, criados para mostrar o nível de detalhe que a Gauntlet Loop exige, não como prova de resultado com um cliente real. O contrato e o scorecard completos, no formato exato usado durante a execução, estão no pacote em templates/contrato-preenchido.md e templates/scorecard-preenchido.md.

O que estava sendo produzido

Um relatório de uma página, entre 400 e 600 palavras, que identificasse onde a NimbusOps, uma SaaS B2B fictícia, estava perdendo eficiência entre marketing, CRM e vendas, terminando em no máximo três ações priorizadas por impacto em pipeline e receita. Não um plano de implementação. Um diagnóstico que orienta a próxima decisão do cliente.

Sem esse contrato, seria fácil pedir à IA "um relatório de diagnóstico" e aceitar qualquer coisa razoável que ela devolvesse. Com o contrato, existia um padrão contra o qual medir.

Os critérios eliminatórios

Cinco critérios, cada um verificável por inspeção ou contagem, não por opinião:

#Critério
E1Toda afirmação de causa e efeito sustentada por um número da planilha de funil fornecida, não por opinião.
E2Pelo menos três desconexões específicas entre áreas, nomeando as duas áreas e o ponto exato da falha.
E3No máximo três ações, ordenadas por impacto estimado em pipeline ou receita.
E4Entre 400 e 600 palavras no corpo do texto.
E5Nenhum termo de convencimento vazio ("revolucionar", "transformar", "potencializar", "alavancar") sem um número na mesma frase.

Sem referência externa disponível (diagnósticos de RevOps de outras empresas não circulam publicamente), o loop foi registrado como exploratório, comparado contra um baseline interno: a estrutura de diagnóstico já praticada pelo consultor.

Ciclo 1. O que reprovou

O primeiro candidato passou em três dos cinco eliminatórios. As três desconexões nomeadas em E2 já vieram corretas, cada uma com o dado de apoio: a taxa de MQL para SQL caindo de 38% para 24%, o SLA de retorno sobre leads quentes subindo de 4h para 31h, e um critério de qualificação de SQL alterado sem avisar marketing.

Duas falhas específicas:

  • E1 reprovado. Duas das cinco afirmações de causa e efeito não tinham número de apoio. Uma delas dizia que "o time de vendas está desengajado com os leads de marketing", sem nenhum dado por trás. Era opinião, não fato extraído da planilha.
  • E5 reprovado. A frase "isso vai transformar o funil da NimbusOps" apareceu sem nenhum número na mesma frase ou no parágrafo.

A instrução gerada para o ciclo seguinte foi específica: remover ou reescrever a frase sobre desengajamento, ancorando-a em um dado já citado (o SLA de retorno), e reescrever a frase de impacto citando o número correspondente. Preservar as três desconexões e as três ações priorizadas, que já haviam passado.

Ciclo 2. O que corrigiu

O segundo candidato passou nos cinco eliminatórios. A frase sobre desengajamento foi substituída por uma leitura ancorada em dado: o SLA de retorno subindo de 4h para 31h. A frase de impacto foi reescrita citando o número: "reduzir o tempo de resposta a leads quentes de 31h para até 4h pode recuperar parte da taxa de SQL para oportunidade perdida nos últimos dois trimestres".

As três desconexões e as três ações priorizadas do primeiro candidato foram preservadas sem alteração. Esse é o ratchet em funcionamento: o que já havia passado não foi tocado de novo, só o que tinha reprovado.

Custo total: 36 minutos de uma hora orçada, dois ciclos de dois disponíveis. O loop parou porque todos os eliminatórios passaram dentro do orçamento, não porque o orçamento esgotou.

O que continuou imperfeito

Um fechamento sem limitação residual costuma indicar que a crítica foi complacente. Neste caso, ficou registrada uma: o relatório aponta uma correlação temporal entre o aumento do SLA de retorno e a queda de conversão, mas não isola essa causa de outros fatores do mesmo período, como sazonalidade. Isso está fora do que a planilha fornecida permite verificar. A recomendação de fechamento foi aprovar o candidato, com essa limitação declarada explicitamente antes de qualquer decisão de investimento baseada só no relatório.

O que isso ensina sobre o método

Três pontos que não aparecem claros até você ver um loop rodar de ponta a ponta:

Primeiro, o crítico não pede perfeição, pede evidência. O candidato final não é perfeito. Ele é o que passa nos critérios definidos antes de começar, com a imperfeição restante declarada em vez de escondida.

Segundo, o ratchet evita retrabalho. Nenhuma correção do ciclo 2 tocou no que já estava aprovado no ciclo 1. Sem essa disciplina, é comum uma correção pontual quebrar algo que já funcionava, o que aconteceu em outros pontos da produção deste próprio pacote e está registrado no changelog da skill.

Terceiro, orçamento fechado é resultado válido. O loop não precisa esgotar o tempo disponível para ser considerado completo. Ele para no primeiro evento que a condição de parada define, e aqui esse evento foi aprovação total dentro do orçamento.

Se você rodar o seu próprio caso

O contrato e o scorecard em branco estão no pacote, prontos para o seu projeto. Se concluir um loop, o registro é voluntário e ajuda a melhorar o material para quem vier depois.

Metodologia criada por Matt Shumer. Skill e materiais adaptados e estruturados por Israel Degasperi. Licenciado sob CC BY 4.0.