Agora, ao escrever conteúdo, não começo mais do início, mas sim com uma pergunta; é aqui que a IA realmente mudou o meu fluxo de trabalho.

A maioria das pessoas usa IA para obter respostas, mas eu dou mais importância à própria questão; primeiro escrevo uma pergunta muito grosseira e depois a melhoro continuamente.
Por exemplo, inicialmente, pergunto o que este projeto está fazendo, depois mudo para qual comportamento do usuário este projeto mudou, e depois para se este modelo for bem-sucedido, quem perderá negócio.
A mudança na pergunta faz com que o conteúdo seja completamente diferente, e então entrego essa pergunta à IA para que ela me forneça múltiplos caminhos de raciocínio.
Um prompt que uso frequentemente é bem simples: dê-me três perspectivas diferentes para analisar este tema, uma do comportamento do usuário, uma da estrutura de mercado, e uma de um ponto de vista contra o senso comum, sem dar conclusões, apenas o processo de raciocínio.
Essa etapa não é para uso direto, mas para encontrar pontos de exceção; aqueles que não fazem sentido à primeira vista, mas têm explicação, são o núcleo do conteúdo.
Depois disso, começo a escrever, e a IA é usada apenas para calibrar a estrutura, como ritmo e densidade de informações.
A expressão deve ser sempre feita por mim, pois o estilo não pode ser terceirizado; esse processo me ajudou a escrever muito menos conteúdo correto, porém entediante, e também a entender melhor o que vale a pena ser expresso.
Essa é uma das razões pelas quais acho @RallyOnChain muito interessante.
O que ela faz, essencialmente, é identificar esse tipo de expressão eficaz, e não apenas o desempenho superficial dos dados.
No futuro, a competição de conteúdo não será entre humanos e IA, mas entre quem faz as melhores perguntas.