A IA evoluiu. Seus prompts ainda não

Estava outro dia conversando com um executivo sobre inteligência artificial e me dei conta de uma coisa curiosa. Passamos os últimos três anos ensinando as pessoas a conversar com uma tecnologia que, nesse meio-tempo, aprendeu a conversar muito melhor conosco. E talvez ainda não tenhamos percebido o tamanho dessa inversão.

Lá no começo da popularização do ChatGPT, entre 2022 e 2023, havia uma razão muito boa pra tanta preocupação com a engenharia de prompts. Os modelos eram relativamente frágeis, perdiam o contexto dado, interpretavam mal nossas intenções, tinham muita dificuldade para seguir instruções mais complexas e frequentemente produziam respostas ruins quando recebiam pedidos vagos.

Foi aí que aprendemos a duras penas algumas regras quase universais: atribua um papel à IA, explique o contexto, descreva a tarefa, defina o formato de saída, estabeleça restrições e, se possível, forneça exemplos.

Era tudo o que fazia sentido fazer. E continua fazendo em muitas situações.

O problema é que a tecnologia evoluiu numa velocidade impressionante, enquanto parte da nossa maneira de utilizá-la ficou estacionada em 2023. Criamos hábitos para compensar limitações que, em boa medida, já não existem na mesma intensidade.

E agora corremos o risco de transformar uma solução que foi importante em uma espécie de ritual obrigatório.

A metáfora da adolescência e a inversão da interface

A melhor analogia que encontrei para explicar isso é a de uma criança.

Quando uma criança tem cinco anos, precisamos dar instruções bastante claras, dividir tarefas em etapas, repetir explicações e verificar constantemente se ela entendeu.

Faz parte do processo. Mas imagine continuar falando exatamente da mesma maneira com essa criança com dez anos ou quando ela já é adolescente. Em algum momento, o problema deixa de estar na capacidade de compreensão dela e passa a estar na nossa dificuldade de perceber que ela cresceu.

É mais ou menos isso o que está acontecendo com a IA.

Metaforicamente, ela já não tem mais os cinco anos. Ela chegou à adolescência.

E, antes que algum leitor resolva me lembrar que modelos de linguagem não têm idade biológica, já aviso que estou usando uma metáfora. Ainda temos esse direito, pelo menos enquanto não inventarem uma ISO para analogias. :)

Os modelos atuais conseguem interpretar intenções muito melhor que antes, trabalhar com contextos extensos, fazer perguntas, revisar hipóteses, identificar contradições e participar de conversas bastante sofisticadas. A voz também mudou muito essa relação.

Hoje podemos explicar um problema falando com a IA, voltar atrás, complementar informações, discutir alternativas e construir com ela um entendimento progressivamente.

Isso altera profundamente a interface entre pessoas e inteligência artificial e nos leva a uma inversão que, para mim, é uma das mais importantes dos últimos anos:

Antes, eu precisava construir o prompt para conseguir conversar com a IA. Hoje, eu converso com a IA para que ela construa o prompt.

Parece apenas uma mudança de procedimento. Mas suas consequências são muito maiores.

Imagine que eu queira realizar uma investigação aprofundada sobre um mercado, um concorrente ou uma oportunidade de negócio. Posso sentar diante do computador e passar uma hora tentando escrever uma instrução perfeita para um Deep Research, especificando fontes, perguntas, metodologias, critérios de análise e formato dos resultados.

Ou posso simplesmente começar uma conversa com a IA.

Eu explico o problema, conto o que já sei, compartilho minhas dúvidas, apresento hipóteses e digo o que estou tentando descobrir. A IA pode questionar minhas premissas, identificar informações ausentes, propor caminhos alternativos e, depois de construirmos juntos um entendimento melhor da situação, elaborar uma instrução de pesquisa que dificilmente eu teria concebido sozinho.

Às vezes, essa instrução terá dez ou quinze páginas, eu sei. Mas o importante não é o tamanho e sim a qualidade das perguntas, dos critérios, das hipóteses e das precauções metodológicas que conseguimos reunir.

Percebe a diferença?

Eu continuo responsável pelo problema, pelo julgamento e pela decisão. Mas deixo de desperdiçar parte importante do meu esforço tentando competir com a IA justamente na elaboração técnica das instruções, uma atividade na qual ela está ficando extraordinariamente competente.

Formular problemas x formular instruções E aqui aparece uma consequência ainda mais interessante, especialmente para profissionais de marketing, comunicação e negócios: a vantagem competitiva está começando a migrar da capacidade de formular instruções para a capacidade de formular problemas.

Vou dar um exemplo: imagine um diretor de marketing diante de uma queda de 20% na conversão de leads. Ele entra na sua biblioteca de prompts, encontra aquele modelo sofisticado para análise de campanhas e pede uma investigação sobre CPC, CPL, segmentação, palavras-chave, criativos, canais e comportamento do funil.

A IA faz uma análise impecável. Identifica variações, produz gráficos, sugere otimizações e entrega um relatório bonito, daqueles que fariam qualquer reunião de performance parecer bastante produtiva.

Mas e se o problema não estiver nas campanhas?

E se o problema estiver na equipe comercial que demora mais para responder aos leads? E se a concorrência tiver mudado sua proposta de valor? E se a oferta tiver perdido atratividade? Ou se o perfil de consumidor estiver mudando e ninguém percebeu porque todo mundo continua olhando para o mesmo dashboard?

Nesse caso, o profissional escreveu um ótimo prompt para investigar o problema errado.

Agora imagine que, em vez de começar pela instrução, esse diretor comece pela conversa:

“Minha conversão caiu 20%, apesar de termos aumentado o investimento. Tenho algumas hipóteses, mas quero que você me ajude a descobrir o que pode estar acontecendo, inclusive fora da mídia paga.”

Uma boa IA pode ajudá-lo a questionar o diagnóstico inicial, propor hipóteses concorrentes e identificar quais evidências seriam necessárias antes de recomendar mudanças.

O ganho não está em produzir um relatório mais rapidamente. Está em aumentar a chance de investigar a coisa certa.

E convenhamos: no marketing, onde frequentemente temos vinte indicadores para explicar um resultado e pouca disposição para questionar as premissas que orientaram a campanha, isso não é exatamente um detalhe. :)

Execução x Raciocínio: A IA como parceira estratégica

Essa é a diferença entre usar IA como parceira de execução e utilizá-la como parceira de raciocínio.

A maioria das pessoas já sabe utilizar IA para executar tarefas. Pedem um relatório, uma apresentação, uma análise de planilha, um texto publicitário, um resumo de reunião ou uma pesquisa sobre determinado assunto. Tudo isso é valioso e pode gerar ganhos expressivos de produtividade.

Mas repare em algo: quando fazemos esses pedidos, uma parte importante do trabalho intelectual já aconteceu. Alguém definiu o problema, escolheu o caminho, estabeleceu o objetivo e decidiu qual tarefa deveria ser realizada.

A IA entrou depois dessas decisões.

Só que existe um momento anterior, normalmente muito mais difícil, em que ainda não sabemos exatamente qual é o problema. Os dados são contraditórios, existem vários caminhos possíveis, as prioridades competem entre si e talvez estejamos apaixonados demais pela nossa própria ideia para perceber suas fragilidades.

É nesse momento que deveríamos trazer a IA para a conversa.

Seja para perguntar antes de responder, para desafiar uma hipótese, apontar um ponto cego ou até fazer o papel do décimo homem, aquele que recebe a missão de questionar uma conclusão mesmo quando todos parecem concordar com ela. Mas principalmente, deveríamos trazer a IA para nos ajudar a formular perguntas melhores antes de sair produzindo respostas.

Isso exige uma mudança de hábito. E talvez até uma pequena dose de humildade intelectual, artigo em falta em alguns departamentos corporativos.

Porque trabalhar dessa maneira significa admitir que a primeira pergunta que fazemos pode estar errada. Que nossa interpretação inicial pode ser insuficiente. E que uma boa conversa pode mudar a direção do trabalho antes mesmo de começarmos a executá-lo.

Por que uma biblioteca de prompts não é uma biblioteca de pensamento É também aqui que entra outro elemento que considero fundamental: contexto.

Nos últimos anos surgiu uma pequena indústria de prompts. Bibliotecas, templates, frameworks, cursos e coleções com títulos como “Os 50 prompts que todo executivo precisa conhecer”. Há profissionais com centenas deles organizados em pastas, alguns com nomes tão sofisticados que parecem documentos classificados de uma agência de inteligência.

Não tenho nada contra essas bibliotecas porque elas podem ser úteis, especialmente para tarefas recorrentes. Mas há um equívoco em acreditar que possuir uma coleção de excelentes instruções significa dominar a inteligência artificial.

Uma biblioteca de prompts não é uma biblioteca de pensamento.

O prompt pronto parte de um problema previsto. O trabalho real, especialmente em posições de liderança, raramente tem essa gentileza.

Um bom diretor de marketing não enfrenta sempre o mesmo problema de marketing.

Nenhum gestor de varejo enfrenta sempre o mesmo comportamento de consumo.

Assim como um CEO não toma decisões importantes escolhendo situações numa lista previamente organizada por categorias.

A realidade insiste em produzir problemas inéditos, misturados, incompletos e inconvenientemente humanos. Por isso, considero cada vez mais importante construir contexto com a IA: compartilhar objetivos, critérios, restrições, decisões anteriores, informações sobre o negócio, projetos em andamento e até nossas próprias preferências de trabalho.

Naturalmente, com todos os critérios de privacidade, segurança e governança. Contexto útil não significa despejar indiscriminadamente informações confidenciais numa ferramenta.

Mas, quando bem construída, essa relação muda a qualidade da colaboração.

Em vez de começar cada conversa praticamente do zero, a IA pode trabalhar a partir de um entendimento progressivamente mais rico sobre o problema e sobre quem está tentando resolvê-lo.

Pense na relação entre um arquiteto e seu cliente. Um bom arquiteto não espera que a família apareça com a planta pronta de uma casa, especificando todas as medidas, materiais e soluções técnicas. Ele conversa, procura entender quem vai morar ali, como aquelas pessoas vivem hoje, quais suas necessidades, quanto tem de orçamento, hábitos e expectativas. Questiona algumas ideias, sugere outras e transforma aquele entendimento em um projeto.

O cliente não precisa dominar a elaboração técnica da planta. Ele precisa só saber discutir suas necessidades e avaliar se o projeto arquitetônico realmente as atende.

Com a IA, começa a acontecer algo semelhante.

O prompt sofisticado pode deixar de ser aquilo que precisamos entregar pronto para a máquina e passar a ser algo que construímos com ela, como resultado de uma conversa bem conduzida.

A evolução das competências humanas

Isso não significa que os bons prompts perderam importância, pelo contrário. Em agentes, automações, processos repetitivos, operações críticas e tarefas que exigem consistência, instruções bem estruturadas, testadas e revisadas continuam sendo fundamentais.

Nesses ambientes, improvisar a cada execução seria trocar qualidade por uma espécie de espontaneidade que ninguém pediu.

A questão é outra: uma competência que continua importante para o funcionamento dos sistemas não precisa continuar sendo a principal competência exigida dos seres humanos que trabalham com eles.

E é justamente essa distinção que me parece estar escapando de muita gente.

O profissional não precisa se tornar o melhor escritor de prompts da empresa. Ele precisa aprender a raciocinar melhor com IA, construir contexto, formular problemas, questionar respostas e avaliar resultados.

Há uma diferença enorme entre saber usar uma ferramenta e saber trabalhar com uma inteligência. No primeiro caso, aprendemos comandos. No segundo, desenvolvemos uma forma diferente de pensar e produzir.

Para o mercado de marketing, isso tem uma implicação bastante concreta: em um ambiente em que produzir campanhas, relatórios, apresentações, análises e variações criativas está ficando cada vez mais fácil, a execução isolada tende a perder parte do seu diferencial.

A capacidade de identificar um problema relevante, interpretar o comportamento do consumidor, questionar uma estratégia, perceber uma oportunidade e fazer boas escolhas passa a valer ainda mais.

E, antes que alguém diga que conversar com uma IA também é fazer prompting, eu concordo plenamente. Se quisermos chamar qualquer instrução enviada a um modelo de prompt, não tenho a menor objeção. Só acho que ficar preso a essa discussão semântica é uma excelente maneira de perder a transformação que está acontecendo diante dos nossos olhos.

O que está mudando é a natureza do trabalho intelectual com IA. Estamos deixando de depender tanto da capacidade humana de escrever instruções tecnicamente perfeitas para explorar uma relação na qual o entendimento do problema pode ser construído durante a própria conversa.

E isso nos leva a uma conclusão bastante simples:

Não pare de usar bons prompts. Pare de depender deles.

Talvez o ativo mais valioso daqui para frente não seja aquele arquivo cuidadosamente organizado com 200 prompts que você levou meses para reunir. Talvez seja ter uma IA que conhece seu contexto, entende seus critérios e consegue ajudá-lo a construir o prompt 201.

Justamente aquele que você ainda não sabia que precisava.

A IA evoluiu. E continuará evoluindo.

Talvez esteja na hora de nossa maneira de conversar com ela evoluir também.

Porque a pergunta que mais importa já não é se você sabe escrever um excelente prompt.

É se você sabe ter uma excelente conversa sobre um problema que ainda não conseguiu resolver. :)