Por que a IA não entendeu o que você pediu

Tem uma cena que se repete nos times que assessoro. Alguém mostra um resultado ruim da IA — uma análise superficial, um texto genérico, uma resposta que não serve — e diz: "essa ferramenta não presta". Então eu leio o prompt que foi usado. É algo como: "analise esses dados de vendas" ou "escreva um resumo executivo". E o problema fica claro.

A IA não falhou. A comunicação falhou.

Isso não é crítica ao usuário — é diagnóstico de um problema que afeta a maioria das pessoas que começa a usar IA no trabalho. O modelo não adivinha intenção. Ele responde ao que foi dito, com base nos padrões que aprendeu durante o treinamento. Pedir de forma vaga garante resultado vago.

Description é a competência de comunicar com IA de maneira que cria um ambiente colaborativo produtivo. Tem três dimensões.

O que você quer, como quer que ela pense e como quer que ela se comporte

Product Description é especificar o que você quer como resultado: o formato, o público, o nível de detalhe, o tamanho. "Escreva um resumo executivo" não diz nada. "Escreva um resumo executivo de duas páginas para um diretor financeiro que não tem contexto do projeto, com foco nos riscos operacionais e nas próximas decisões que precisam de aprovação dele" — isso sim direciona.

Process Description é definir como você quer que a IA chegue à resposta. Isso é especialmente útil em tarefas analíticas. Em vez de pedir a análise direto, você diz: "Primeiro identifique os produtos com queda acima de 10% no trimestre. Depois compare esses produtos com o trimestre anterior. Então levante possíveis causas baseadas nos dados disponíveis. Só depois apresente sua conclusão." Você está guiando o raciocínio, não só pedindo o resultado.

Performance Description é definir como a IA deve se comportar na interação: se deve ser concisa ou detalhada, se deve fazer perguntas antes de responder, se deve adotar um papel específico. "Responda como um consultor sênior de crédito que está revisando uma proposta antes de apresentar ao comitê" muda completamente o tom e a qualidade da análise.

Seis ajustes que mudam o resultado

Da experiência de quem usa IA diariamente em trabalho de alta consequência, essas são as técnicas que mais fazem diferença:

Dê contexto. Quanto mais a IA sabe sobre sua situação específica, melhor ela consegue calibrar a resposta. "Analise o risco desse contrato" é pior do que "Analise o risco desse contrato do ponto de vista de um banco que precisa estar em conformidade com as normas do Bacen."

Mostre um exemplo do que "bom" parece. Quando você tem um exemplo de output de alta qualidade, inclua no prompt. A IA aprende padrão e formato muito mais rápido a partir de exemplos do que de descrições.

Especifique os limites do output. Tamanho, estrutura, tom, o que incluir e o que não incluir. Quanto menos ambíguo, melhor.

Quebre tarefas complexas em etapas. Uma análise completa de portfólio em um prompt único vai dar resultado mediano. A mesma análise dividida em etapas sequenciais vai dar resultado muito melhor.

Peça pra IA pensar antes de responder. Em problemas que exigem raciocínio, pedir que ela considere os fatores envolvidos antes de chegar à conclusão melhora a qualidade da resposta de forma consistente.

Defina o papel. A IA se comporta diferente dependendo do contexto que você estabelece. "Você é um advogado revisando isso pra identificar riscos" e "você é um gerente comercial revisando isso pra identificar oportunidades" vão gerar perspectivas completamente diferentes sobre o mesmo documento.

A habilidade que vale a pena desenvolver

Comunicar bem com IA não é dom. É habilidade. Se aprende. E o retorno aparece rápido: o mesmo modelo, com o mesmo prompt melhorado, entrega resultado substancialmente melhor.

A forma mais direta de aprender é rever os seus próprios prompts depois de receber um resultado ruim. O problema quase sempre está em uma dessas três dimensões: não especificou o que queria, não guiou o processo ou não definiu como a IA devia se comportar. Identificar qual das três falhou é metade da solução.