Como editor de aquisições da O’Reilly, passo um tempo considerável rastreando as pegadas digitais de nossos autores. Suas postagens nas redes sociais, palestras e liderança de pensamento on -line não refletem apenas os conhecimentos – eles afetam diretamente as vendas de livros e revelam estratégias promocionais que vale a pena replicar. Não é de surpreender que alguns de nossos autores mais vendidos sejam especialistas em mídia social cuja saída de publicação é impressionante. Acompanhar vários superposters entre plataformas rapidamente se torna insustentável.
Recentemente, construí uma solução de IA para gerenciar esse desafio. Usando o relay.app, criei um fluxo de trabalho simples para raspar as postagens do LinkedIn de um autor (vamos chamá -la de Bridget), analisá -las com o ChatGPT e envie -me resumos semanais de e -mails sobre suas postagens e que receberam mais atenção. O principal objetivo period seguir o que ela disse sobre seu livro, seguido pela liderança de pensamento em seu campo. A configuração levou cinco minutos e funcionou imediatamente. Não é mais revisar periodicamente seu perfil ou se preocupar com a falta de postagens importantes.
Mas, no segundo resumo, algumas limitações se tornaram aparentes. Classificada por curtidas e impressões com resumos genéricos, todo publish do LinkedIn estava recebendo o mesmo tratamento. Eu havia resolvido o problema de sobrecarga de informações, mas agora precisava de uma maneira de extrair informações estratégicas.
Para consertar isso, trabalhei com Claude para transformar o immediate em algo mais próximo de um agente com autoridade básica de tomada de decisão. Dei metas específicas e critérios de decisão destinados a esclarecer os padrões promocionais que nem sempre são fáceis de seguir, muito menos analisar, em uma enxurrada de postagens: selecione autonomamente de 10 a 15 postagens prioritárias por semana, priorizando as menções diretas do livro; Examine o desempenho atual com linhas de base históricas; Padrões de engajamento incomum de bandeira (positivos e negativos); e ajuste automaticamente a profundidade da análise com base em como as postagens estão executando.
O novo relatório agora fornece análises mais profundas focadas principalmente nas postagens mencionando o livro, não apenas qualquer publish common, além de recomendações estratégicas para melhorar o desempenho após o desempenho, em vez de “isso teve mais curtidas”. As recomendações são classificadas em idéias de promoção de curto e longo prazo e até propuseram testes de novas estratégias, como postar clipes de vídeo curtos relacionados a capítulos de livros ou postagens orientadas a incentivos.
O relatório não é perfeito. A análise histórica ainda não está certa e estou trabalhando para gerar visualizações. No mínimo, está me economizando tempo automatizando a entrega e a análise das informações que eu teria que obter manualmente (e possivelmente ignorar), e está começando a fornecer um ponto de partida para entender o que funcionou no programa promocional de Bridget. Com o tempo, com mais trabalhos, essas idéias podem ser compartilhadas com o autor para planejar campanhas promocionais para novos livros ou incorporados a comparações maiores de estratégias promocionais entre os autores.
Enquanto trabalhava nisso, eu me perguntei: isso é um fluxo de trabalho automatizado aprimorado da AII? Um agente? Um fluxo de trabalho agêntico? Isso importa?
Para meus propósitos, acho que não. Às vezes, você precisa de automação simples para capturar informações que você pode perder. Às vezes, você precisa de uma análise flexível e direcionada a objetivos que resulte em insights mais profundos e recomendações estratégicas. Mais um assistente útil que trabalha nos bastidores semana após semana em seu nome. Mas ser pego em definições e etiquetas pode ser uma distração. À medida que as ferramentas de IA se tornam mais acessíveis a todos no native de trabalho, é encontrado um foco mais valioso na construção de soluções que abordam seus problemas específicos usando essas novas ferramentas – o que você puder chamá -las.