- A vantagem competitiva não está apenas em gerar ideias, mas em identificar o problema certo antes de buscar soluções — o conceito chamado de “Questão Zero”.
- Exemplos: Cursor mudou o foco de escrever código para entender melhor grandes bases de código; Speak investiu em confiança no aluno para falar, não apenas em gramática.
- Observação de padrões em escala ajuda organizações grandes: Netflix percebeu que as pessoas escolhem conteúdo por “vibe” emocional, não por gênero; Duolingo identificou que similaridade entre idiomas aumenta abandono; P&G detectou que pais confiavam menos em produtos para bebês.
- O papel da IA é tornar visíveis padrões de comportamento, não fornecer insights por si só; a reformulação do problema depende de dados e de perguntas certas.
- Passos práticos: mapear lacuna entre dizer e fazer, auditar o enquadramento do problema e usar IA para reformular o problema com base em dados comportamentais.
O que diferencia quem inova de verdade não é a quantidade de ideias geradas pela IA, mas a capacidade de identificar o problema certo. A vantagem competitiva migrou da solução para a formulação do desafio, segundo o professor David Schonthal, da Kellogg School of Management.
Em artigo na MIT Sloan Management Review, ele afirma que, com o acesso igualitário a geradores de ideias, o foco deve estar na direção correta. A etapa anterior ao brainstorming é a Questão Zero: perguntar se estamos olhando para o problema certo.
Dando um passo atrás, Schonthal aponta que descrever com precisão o incômodo do usuário é o maior obstáculo. Em estudos citados, pessoas sabem o que sentem, mas nem sempre sabem por que se sentem assim, o que dificulta a formulação do problema.
Ao perguntar por que abandonou um app, a resposta comum é estar ocupado. A explicação real pode ser uma interface confusa, não verbalizada pelo usuário. Pesquisas capturam apenas a superfície do problema, levando a melhorias incrementais.
Reformulando a pergunta
Casos recentes ilustram como uma formulação acertada pode redefinir estratégias. O Cursor, editor de código com IA, atingiu US$ 1 bilhão em receita, ao notar que desenvolvedores passam mais tempo lendo código do que escrevendo.
A proporção de tempo gasto com leitura levou a um novo foco: entender melhor o código existente, não apenas escrever mais rápido. O diagnóstico mudou o objetivo e a empresa ganhou valor superior aos concorrentes.
O Speak, avaliado em US$ 1 bilhão, viu além de ensinar gramática. O problema identificado foi o medo de falar, mesmo após anos de estudo. Com IA que acompanha conversação, a empresa oferece ambiente sem julgamentos para errar.
Identificando padrões
Para startups, a reformulação costuma ser prática e próxima do problema. Em grandes organizações, a IA observa comportamento em escala para sinalizar a reformulação. Em todos os casos, a IA não entrega o insight, mas revela padrões.
A Netflix tratou o desafio como gênero. Ao analisar dados, percebeu que humor orienta mais o consumo do que a categoria fixa. Em 2025, a empresa passou a testar busca por estado de espírito para descrever o que o usuário sente.
O Duolingo analisou bilhões de dados entre pares de idiomas e encontrou que espanhol para português leva a desistências quando as línguas são muito parecidas, por excesso de confiança. Soluções incluíram testes de proficiência mais sutis.
A P&G monitorou fóruns e redes sociais e percebeu que pais usavam produtos para bebê em vez da linha infantil, por desconfiança na eficácia. A reformulação passou por produto, comunicação e estratégia de mercado.
Casos específicos de referência
A Anthropic criou o Clio, ferramenta que analisa como milhões de pessoas usam IA. O sistema identifica padrões invisíveis no uso individual e revela caminhos diferentes para crises ou consultas, que os filtros simples não capturam.
Entre as descobertas, clientes japoneses discutem cuidados com idosos com mais frequência, e usuários em crise percorrem trajetórias distintas. A avaliação mostrou que os sistemas de segurança de Claude podiam reagir de forma inadequada a alguns pedidos inofensivos.
Por onde começar
Para aplicar o conceito, Schonthal sugere um caminho prático em três etapas. Primeiro, mapear a lacuna entre o que as pessoas dizem e o que realmente fazem, usando dados de suporte, fóruns, redes sociais e avaliações.
Segundo, auditar o enquadramento do problema antes de gerar soluções, perguntando quando foi a última vez que o problema certo foi testado. Se isso não ocorreu nos últimos 12 meses, a inovação pode estar apenas decorando a ideia.
Terceiro, usar IA para reformular, não apenas para idear. Em vez de pedir dez ideias, forneça dados comportamentais e sinais identificados para que a IA proponha formulações alternativas do problema.
O autor ressalta que a IA não resolve o problema sozinha, mas, com insumos adequados, facilita chegar a formulações que o brainstorming tradicional não alcançaria.
Entre na conversa da comunidade