A The Economist prepara-se para uma internet dividida em duas: uma para humanos e outra para agentes de IA

A The Economist está a começar a preparar-se para um cenário que ganha cada vez mais peso no setor editorial: uma web em que parte do conteúdo continuará a ser desenhada para leitura humana e outra terá de ser estruturada para ser compreendida, resumida e utilizada por agentes de IA. É esta a ideia que Josh Muncke, vice-presidente de IA generativa do grupo, resume quando fala de “um mundo com duas versões da web”.

Para já, a empresa está a trabalhar sobretudo sobre conteúdos que já se encontram fora da paywall, especialmente materiais de marketing e vendas B2B. O objetivo é tornar essas superfícies mais legíveis para motores de resposta e assistentes como ChatGPT, Google Gemini ou Claude, numa altura em que uma parte crescente dos compradores inicia o processo diretamente nestas interfaces.

Isso obriga a construir versões paralelas da mesma mensagem: páginas mais visuais e comparativas para humanos e estruturas mais limpas, textuais e em formato pergunta-resposta para agentes.

O desafio, no caso de um publisher de subscrição como o The Economist, é particularmente sensível, já que precisa de medir cuidadosamente que partes do conteúdo pode tornar mais acessíveis aos agentes sem comprometer o valor da subscrição. Para já, tudo continua numa fase de experimentação cautelosa, com pesquisas conversacionais internas e formatos agent-readable utilizados como sandbox para ajustar precisão, performance e tom antes de qualquer implementação em maior escala.

Esta estratégia insere-se numa transformação mais ampla. Alessandro De Zanche, fundador da ADZ Strategies, defende que a otimização para agentes se está a tornar uma camada defensiva essencial para qualquer publisher de qualidade: quem não o fizer arrisca-se a tornar-se tecnicamente invisível num ambiente em que a pesquisa está a ser reconstruída em torno de agentes.

Ainda assim, alerta que a discoverability é apenas parte do problema. Retenção, confiança e engagement continuam a ser os ativos que sustentam tanto a subscrição como a publicidade premium.

A outra grande transformação no The Economist não está apenas na distribuição de conteúdo, mas também na forma como os produtos são desenvolvidos. No último ano, a equipa de Muncke acelerou os ciclos de desenvolvimento ao integrar IA generativa no processo e reorganizar o trabalho em pequenos pods multidisciplinares.

Um exemplo concreto foi o lançamento da nova app para Apple CarPlay, que chegou ao mercado cinco meses antes do previsto graças a uma equipa reduzida equipada com ferramentas de IA para documentação, testes e desenvolvimento de código base. Segundo Muncke, isso permitiu mais do que duplicar a velocidade tecnológica do grupo.

Esse modelo está agora a expandir-se para outras áreas: o publisher já criou entre seis e oito pods ao longo da stack de produto e, nas áreas que impactam diretamente a experiência do leitor, integra também perfis editoriais para garantir que qualquer funcionalidade suportada por IA mantém o tom e o estilo próprios da marca.

Em paralelo, a empresa está a promover internamente uma cultura de vibe coding, incentivando colaboradores sem experiência prévia em programação a desenvolverem as suas próprias ferramentas. Há editores a criar utilitários para monitorizar papers científicos, equipas de produto a automatizar relatórios de performance e até agentes internos semelhantes a “chiefs of staff”, ligados ao email e calendário.

Nem todas as experiências, contudo, resultaram. O publisher já suspendeu testes como um verificador automático baseado no seu manual de estilo de 300 páginas ou assistentes de IA para eventos ao vivo com subscritores, considerados pelos testers mais distrativos do que úteis.

Muncke deixa ainda uma fronteira clara: “Ninguém quer ler um Economist escrito por IA”. Para a empresa, o papel desta tecnologia continua a ser o de infraestrutura para investigação, workflows e desenvolvimento de produto — não o de substituir o critério editorial.

O The Economist está, assim, a preparar-se simultaneamente para duas transições: uma externa, em que a discoverability se desloca para agentes e motores de resposta, e outra interna, em que a IA altera a forma de construir produtos, automatizar tarefas e acelerar a experimentação.

Mas, em ambos os casos, mantém-se a mesma linha de separação: a IA pode ajudar a trazer, organizar e acelerar; o valor pelo qual o subscritor continua a pagar permanece centrado no critério humano.