Como extrair o melhor resultado do ChatGPT, segundo diretora de prompts

Todo executivo já teve essa experiência: pediu para o ChatGPT resumir uma reunião, redigir um anúncio ou montar um plano, e recebeu de volta um texto genérico, raso, que exigiu mais trabalho de correção do que teria dado escrever do zero. A reação mais comum é concluir que a ferramenta ainda não está madura o suficiente. A reação mais precisa seria olhar para o próprio pedido que foi feito a ela.

É esse o ponto central de uma reportagem da CNBC Make It com Kelly Daniel, diretora de prompts da Lazarus AI, empresa especializada em construir soluções corporativas sobre modelos de linguagem. Segundo Daniel, a técnica número um para extrair resultado consistente de qualquer IA generativa não tem nada de exótico: escrever o prompt como se estivesse explicando a tarefa para uma criança inteligente — alguém que quer acertar e fazer o que foi pedido, mas que só vai acertar se receber instrução clara.

"Você está falando com uma criança esperta" — e isso muda tudo

A frase de Daniel é direta: pense em dar instrução para uma criança. Não uma criança qualquer — uma criança inteligente, que quer deixar você satisfeito e vai se esforçar para cumprir exatamente o que foi pedido. O problema é que a maioria das pessoas não escreve prompt assim. Escreve como quem manda um recado apressado para um colega que já devia saber o contexto inteiro.

Daniel é categórica sobre esse hábito: só porque é possível mandar um parágrafo confuso cheio de regra e exigência solta, não significa que se deva fazer isso. A IA generativa não tem contexto que você não deu a ela. Ela não sabe qual é o tom da sua empresa, quem é seu público, ou o que "bom resultado" significa para você — a menos que isso esteja escrito no pedido.

O prompt vago produz resposta vaga. Sempre

Esse princípio parece óbvio quando dito em voz alta, mas raramente é praticado. A maior parte dos usuários corporativos de IA generativa ainda trata o chat como um mecanismo de busca: digita uma frase curta, espera uma resposta pronta, e se frustra quando ela não serve.

Um levantamento acadêmico recente com 243 profissionais e estudantes, conduzido entre janeiro e fevereiro de 2025, mediu exatamente essa relação entre clareza do pedido e qualidade da resposta. O resultado: 83,7% dos participantes concordam que prompts mais específicos e claros produzem resultados melhores, e 75,7% afirmam que a IA de fato ajuda a completar tarefa mais rápido — mas só quando o pedido inicial já vem bem construído.

O exemplo da ata de reunião mostra a diferença na prática

Daniel dá um exemplo concreto que qualquer gestor reconhece. Em vez de pedir "resuma essa reunião", o prompt eficaz especifica exatamente o que precisa sair dali: uma visão geral dos principais pontos discutidos, os riscos identificados ao longo da conversa, e uma lista exaustiva de itens de ação — incluindo quem ficou responsável por cada um, quando isso estiver claro na transcrição.

A diferença entre os dois pedidos não é sutil. O primeiro devolve um parágrafo genérico que exige reescrita. O segundo devolve exatamente o documento que o gestor levaria para a próxima reunião de acompanhamento, sem precisar editar estrutura nenhuma.

O exemplo do anúncio comercial prova que contexto substitui insistência

O segundo exemplo dado por Daniel é sobre marketing: em vez de pedir "crie um anúncio para minha loja nova", o prompt especifica que a loja é maior, funciona das 10h às 22h durante o mês de inauguração, o tom deve ser empolgante, e o público-alvo é formado por adultos com filhos pequenos — com uma referência de estilo concreta para calibrar o resultado.

Cada detalhe adicionado no pedido reduz uma rodada inteira de ida e volta. Em vez de gerar dez versões genéricas até acertar por tentativa e erro, o usuário recebe algo próximo do que precisa já na primeira resposta — porque deu à IA o mesmo tipo de contexto que daria a um estagiário competente, mas que ainda não conhece a empresa.

Incluir instrução explícita de formato também aumenta a precisão

Daniel destaca ainda um detalhe frequentemente ignorado: pedir explicitamente que o modelo siga uma estrutura numerada, ou que confirme premissas antes de responder, tende a produzir resultado mais preciso do que deixar o formato em aberto. Não é exigência burocrática — é reduzir a ambiguidade que obriga o modelo a "adivinhar" o que o usuário queria dizer.

Isso conecta diretamente com o achado do levantamento acadêmico citado acima: quanto mais a instrução elimina espaço para interpretação, maior a taxa de satisfação relatada com o resultado. A precisão do prompt e a precisão da resposta caminham juntas — não por mágica, mas porque o modelo só tem para trabalhar aquilo que foi escrito no pedido.

O erro de liderança é achar que isso é problema técnico, não de gestão

Empresas que investem em ferramenta de IA generativa, mas não investem em ensinar o time a formular pedido claro, estão comprando capacidade que boa parte da equipe não sabe usar. O resultado é frustração recorrente, subutilização da ferramenta, e a conclusão errada de que "IA generativa ainda não serve para o nosso tipo de trabalho" — quando o problema nunca foi a ferramenta.

Ensinar a formular prompt bem-estruturado é, hoje, uma competência de produtividade tão básica quanto saber redigir um e-mail profissional foi há vinte anos. E, como qualquer competência básica, ela não se desenvolve sozinha só porque a ferramenta está disponível no computador de todo mundo.

Sua empresa comprou a ferramenta certa, ou só ensinou o time a pedir direito para ela?

Essa é a pergunta que separa a empresa que já sente o ganho de produtividade da IA generativa da que só acumula assinatura de ferramenta sem uso consistente. É esse tipo de capacitação prática — a diferença entre usar IA por acaso e usar IA com método — que a AI Journey ajuda lideranças e equipes a desenvolver, antes que a frustração com resposta ruim vire desculpa para abandonar uma ferramenta que só precisava de instrução melhor.