Prompts: Aprenda como melhorar seus pedidos para a Inteligência Artificial

São Paulo, 02/01/2026 - Uma conversa com a Inteligência Artificial pode ser frustrante. Existe a promessa de uma nova tecnologia que responderá todas as dúvidas e realizará qualquer tarefa; mas, na prática, muitos dos pedidos resultam em respostas diferentes do esperado. Estas limitações podem vir, principalmente, da construção desses pedidos, chamados de "prompts". 

Leia também: IA apela para nosso lado humano, mas não serve para tudo, diz filósofo Luciano Floridi

Apesar de modelos de LLM (Large language model), como o ChatGPT, serem desenvolvidos para emular a fala humana, ela não tem nada em comum com uma pessoa. Quando responde uma pergunta, a máquina não está pensando, mas sim calculando dados de palavras e selecionando as mais prováveis. Quando a máquina erra, ela não está sendo ignorante, mas escolhendo um dado impreciso o que é chamado de "alucinação". 

Esta antropomorfização da IA é a fonte mais comum de erros nos pedidos. Mesmo imitando chats, como o WhatsApp, conversar com uma máquina é como usar qualquer ferramenta digital, e pode ser aprimorada conhecendo os processos lógicos que ela segue. 

4 Dicas para criar comandos para IA

O especialista em inclusão digital, Lucas Silva, conhecido como O Senhor Professor,  tem um site com o objetivo deintroduzir pessoas de todas as idades ao universo tecnológico. Ele ensina algumas técnicas para extrair os melhores resultados das IAs. 

Seja claro e específico

Enquanto uma pessoa tem capacidade de abstrair e interpretar a intenção de um pedido, uma máquina é muito literal. Dizer que algo está ruim, ou fazer um pedido vago, deixa margem para que a IA de uma resposta pouco satisfatória. Além disso, especificar o formato da resposta, como a quantidade de opções ou o tipo de linguagem, aproxima a resposta gerada do que se espera. Veja o exemplo:

• Pedido fraco: "preciso de bons nomes de confeitarias" 
• Pedido melhor: "preciso que você gere 10 opções de nomes que possam ser usados em uma confeitaria. Os nomes não podem ser muito longos, e devem conter a palavra 'bolo' ou 'bolos". 

Contextualize sempre

Mesmo que a máquina se perca ao tentar interpretar o motivo para um pedido, ela lida muito bem quando recebe um contexto. Explicar o porquê do pedido e como pretende aplicar os resultados leva a IA a aplicar as informações na resposta, além de sugerir outras alternativas.  

• Melhorando o pedido: "após minha aposentadoria, pretendo aproveitar os conhecimentos culinários que desenvolvi ao longo dos anos e abrir uma confeitaria de bairro, que sirva doces caseiros para quem mora na região. Preciso que você gere 10 opções de nomes que possam ser usados nela e reforcem nas pessoas a ideia das receitas familiares. Os nomes não podem ser muito longos e devem conter a palavra "bolo", ou "bolos". 

Brincando de teatro com o robô

Uma característica curiosa dos modelos de LLM é que eles são muito eficazes quando recebem um papel para "interpretar", como atores em um teatro. Esta estratégia, chamada de "role prompting", é como um passo a mais no contexto: pedindo que a máquina aja com um especialista, ela compreende melhor as nuances da situação e como deve aplicar conceitos teóricos, na prática. 

• Melhorando o pedido: "após minha aposentadoria, pretendo aproveitar os conhecimentos culinários que desenvolvi ao longo dos anos e abrir uma confeitaria de bairro, que sirva doces caseiros para quem mora na região. Você é um especialista em marketing com anos de experiência, e já criou nomes e slogans para várias marcas famosas na gastronomia. Preciso que você gere 10 opções de nomes que possam ser usados nela e reforcem nas pessoas a ideia das receitas familiares. Os nomes não podem ser muito longos e devem conter a palavra "bolo", ou "bolos". 

Treinando sua máquina

Outra habilidade importante da Inteligência Artificial é o aprendizado contínuo, se adaptando aos dados que recolhe o usuário. Conhecido como "machine learning" (aprendizado de máquina), esta capacidade dos modelos de LLM faz com que cada vez mais eles se adaptem ao nosso estilo, e entreguem conteúdos mais próximos dos desejados.

A primeira resposta que a máquina entregar pode estar aquém do esperado, mas o processo de ler as respostas e entender qual ponto pode ser melhorado se reflete em resultados melhores, conforme a IA consegue mais informações sobre a situação. 

Seguindo o exemplo acima, caso as opções de nomes sejam muito genéricas, é possível seguir com um pedido como este: 

• Exemplo de novo pedido: "preciso de nomes mais específicos, que foquem na região e se comuniquem com a comunidade. Gere 10 novas opções, mas desta vez cite o bairro de Bela Vista e crie nomes mais alternativos e bem humorados." 

Uma pitada de persistência

É perceptível que a cada dica adicionada o pedido fica mais longo. Apesar de ser vendida como um processo direto e simples, obter respostas de qualidade da Inteligência Artificial exige um certo trabalho. No entanto, essa insistência extrai o melhor da tecnologia e, com o tempo, se torna mais fácil. 

A capacidade da máquina de nos conhecer profundamente é tão refinada que pode ser assustadora. No entanto, Lucas Silva reitera que as empresas sempre operaram na internet usando as informações entregues pelas pessoas, e saber treinar bem um modelo de LLM é uma maneira de aproveitar de maneira prática este grande volume de dados. 

"O conhecimento que a IA tem de nós pode causar estranheza, mas não é muito diferente dos dados que já oferecemos online. O melhor a se fazer é aproveitar este conhecimento que ela tem para usar a tecnologia a nosso favor."

*Estagiário sob supervisão de Luana Pavani