Time de Writing BTG
Writing em escala: do Figma ao MCP
De um plugin de revisão a uma infraestrutura que conecta diretrizes de Writing a diferentes ferramentas de IA.
01 - Contexto
Uma demanda maior que o time
Manter uma linguagem consistente entre os produtos e as equipes de design do BTG era um desafio de escala.
O time de Writing não atendia a todas as demandas. Designers criavam textos por conta própria, muitas vezes fora das diretrizes do banco, gerando inconsistências e retrabalho.
O avanço da IA abriu a oportunidade de levar nossas diretrizes a mais pessoas, sem depender da atuação direta de Writing em cada entrega. A ideia era oferecer um autoatendimento simples e sempre disponível.
02 - Desafio
Como estar presente sem estar?
Queríamos dar autonomia aos designers e liberar os writers para demandas mais complexas, preservando a consistência da linguagem em diferentes jornadas. Não se tratava de substituir o time, mas de ampliar seu alcance.
Um guia, porém, não bastava. Era preciso tornar suas regras interpretáveis e aplicáveis por ferramentas de IA.
03 - Processo
Como o trabalho aconteceu
Primeiro, preparar o conhecimento
A iniciativa começou com uma decisão minha: adaptar o guia de tom de voz existente para um formato mais fácil de interpretar pela IA.
Reorganizei orientações em textos corridos, atualizei regras e preenchi lacunas. Assim nasceu a base para um plugin no Figma.
A primeira aplicação no Figma
Com desenvolvedores, conectamos a base a um plugin que analisa textos e jornadas do Figma e sugere ajustes.
Em jornadas reais, auditamos respostas e corrigimos lacunas. No início, a IA ignorava padrões de CTA e usava termos proibidos. Criamos uma blacklist, reforçamos regras e revisamos o prompt diversas vezes, incluindo uma segunda checagem.
Os testes aprimoraram a ferramenta e explicitaram regras antes sujeitas à interpretação dos writers.
Inserir um exemplo real: texto original e versão sugerida pelo agente, evidenciando ajustes de CTA, termos proibidos e aplicação das diretrizes.
Da revisão à criação
A base permitiu ir além da revisão: criar textos do zero.
Criamos um agente de UX Writing no ADA, IA interna do banco. A ferramenta era tão intuitiva que alguns designers a utilizaram antes da apresentação oficial.
A mesma base passou a apoiar revisão e criação de conteúdo. Apresentado internamente, o agente teve recepção positiva.
A evolução para o MCP
O agente exigia um pedido do usuário. Queríamos que outros sistemas utilizassem nossas diretrizes diretamente.
Com Tecnologia, evoluímos para uma infraestrutura baseada em MCP, conectando o conhecimento de Writing a diferentes aplicações de IA.
Um portal passou a organizar a documentação e as conexões. Restrito a writers e alguns profissionais de Tecnologia, ele permite que o conhecimento alcance outras áreas.
Inspirado em um portal de MCP já existente para Design, o novo ambiente ampliou a aplicação do conhecimento de Writing além das ferramentas originalmente previstas.
04 - Decisões
Decisões na prática
Uma documentação preparada para IA
Para o MCP, simplificamos tabelas, identificamos a finalidade de cada documento e criamos hierarquias entre regras, facilitando a consulta e a resolução de conflitos.
A base reúne hoje mais de 400 páginas e centenas de regras de linguagem. Era necessário identificar o contexto de cada regra e a prioridade entre documentos.
Regras que precisam ser respeitadas
Aprendemos que disponibilizar regras não garante que a IA as siga. Por isso, continuamos refinando instruções, restrições e testes para melhorar a qualidade das respostas.
A qualidade depende da base e das instruções para utilizá-la.
Uma linguagem para diferentes mercados
Também ampliei, com o time, a documentação para inglês e espanhol. Pesquisamos nomenclaturas em apps financeiros e consultamos profissionais do BTG na América Latina.
No espanhol, consideramos diferenças entre Chile, Colômbia e Uruguai, onde o BTG mantém operações, em vez de tratar todos os mercados como uma única variação. A pesquisa foi dividida entre os writers e apoiada por referências do setor.
Para Offshore, os designers podem escrever em português no Figma e gerar, pela integração, variáveis para versões em outros idiomas.
Conhecimento construído coletivamente
Idealizei a iniciativa e escrevi a primeira documentação. Depois, mobilizei writers e colaborei com desenvolvedores, organizando o conhecimento e definindo necessidades.
A disponibilidade dos desenvolvedores foi um desafio. Negociamos prioridades para avançar gradualmente.
05 - Resultados
O que mudou
Mais autonomia, menos dependência
Os textos produzidos pelos designers começaram a chegar ao time de Writing muito mais próximos dos padrões esperados, exigindo menos ajustes.
Demandas pequenas passaram a ser resolvidas pelos designers, sobretudo quando já existiam padrões definidos. Isso reduziu a sobrecarga do time.
O conhecimento passou a circular
Além da revisão e da criação de textos, o MCP passou a apoiar ferramentas de CX, tradução e produção de apresentações, com novas integrações previstas.
A IA apoia demandas quase diariamente e já faz parte da rotina de boa parte do time. Ainda não temos métricas consolidadas de usuários ou tempo economizado; os ganhos de qualidade, autonomia e alcance foram observados no trabalho cotidiano.
06 - Aprendizados
Escalar Writing é escalar conhecimento
A maior conquista foi fazer nosso trabalho alcançar mais pessoas e ferramentas do que conseguiríamos atender diretamente.
A IA não dispensa conhecimento especializado: quanto maior o alcance, mais importante uma base clara e confiável.
A manutenção permanece com o time de Writing, que segue testando e refinando a base. Mesmo com documentação e instruções claras, a IA pode ignorar regras ou errar; a qualidade exige acompanhamento contínuo.
Para mim, o projeto amplia o papel de Writing: nossas decisões deixam de atuar apenas em interfaces e passam a orientar diferentes produtos e sistemas.
O maior resultado foi ampliar nossa presença: fazer com que o conhecimento de Writing contribua para a qualidade dos produtos, mesmo quando um writer não participa diretamente da jornada.