Você pede à IA um resumo da reunião de ontem e recebe três parágrafos que serviriam para qualquer empresa. Ou pior: o texto sai bem escrito, confiante, e só na terceira leitura você percebe que ele atribuiu uma decisão a quem não a tomou.
Nos dois casos, o problema costuma estar em duas pontas: o pedido que saiu incompleto e a conferência que não aconteceu. Quem assina a entrega continua sendo você, e não a ferramenta.
Este texto mostra como montar um pedido em quatro partes, que material entregar (e o que nunca entregar), um roteiro curto de revisão e como definir o quanto conferir conforme o risco de cada documento.
Por que a resposta da IA vem genérica ou errada?
A IA responde com o que é mais provável a partir de padrões e, quando falta informação no pedido, completa a lacuna com algo plausível em vez de admitir que não sabe. Pedido vago gera resposta vaga, ou resposta convincente e incorreta.
Pense em um colaborador novo, muito rápido, que não conhece a sua empresa, o seu cliente nem o que você considera um bom resultado. Se você disser apenas “faz um resumo”, ele vai supor tudo o que não foi dito: para quem é, qual o tamanho, o que importa.
Também não existe expectativa realista de erro zero. A EY enquadra a questão central como a de qual nível de erro é aceitável, e diz que a resposta depende da finalidade de uso, do público afetado e das regras do setor. A Abes, associação brasileira de empresas de software, defende em artigo que zerar alucinações não é uma meta razoável no momento e que a empresa deve buscar mitigação e manter supervisão humana.
Em outras palavras: pedido melhor reduz o problema, e a revisão cuida do que sobra.
Como montar um bom pedido: contexto, tarefa, formato e critério?
Um pedido completo tem quatro partes: contexto (a situação e quem é o público), tarefa (o que você quer que seja feito), formato (como o resultado deve vir) e critério (o que torna a resposta boa ou ruim). Faltando uma delas, a IA supõe.
A documentação oficial da Anthropic sobre boas práticas de pedido orienta ser claro e direto, e tratar o modelo como um colaborador novo e capaz, que não conhece as normas da sua empresa e precisa que elas sejam explicadas. Há um teste simples: mostre o pedido a um colega que não participou da conversa. Se ele ficaria confuso, a IA também ficará.
Veja três exemplos, todos fictícios, em versão fraca e versão forte.
Resposta a cliente
- Fraco: “Responde esse cliente reclamando do atraso.”
- Forte: “Contexto: somos uma empresa de serviços e um cliente antigo reclamou que a entrega atrasou. O atraso foi causado por falha nossa, e já temos uma nova data. Tarefa: escreva uma resposta a ele. Formato: e-mail curto, em até três parágrafos, sem linguagem de call center. Critério: assumir o erro sem enrolação, informar a nova data que vou colar abaixo e não prometer compensação.”
Resumo de reunião
- Fraco: “Resume essa reunião.”
- Forte: “Contexto: reunião semanal de equipe comercial, vou colar a transcrição. Tarefa: resumir. Formato: lista de decisões, lista de pendências com o responsável citado na conversa e uma linha com dúvidas em aberto. Critério: só inclua o que aparece na transcrição; se algo não tiver responsável claro, escreva ‘sem responsável definido’.”
Análise de planilha
- Fraco: “Analisa esses dados.”
- Forte: “Contexto: planilha com vendas por mês de uma empresa de serviços, vou colar os dados. Tarefa: apontar os três movimentos que merecem atenção do gestor. Formato: um parágrafo por movimento, com os valores usados no cálculo. Critério: use apenas os dados colados e avise quando uma conclusão depender de informação que não está na planilha.”
Repare que o critério já trabalha a favor da revisão: pedir que a IA indique o que usou e o que não sabe torna os erros mais fáceis de achar depois.
Que material dar à IA e o que nunca colocar no pedido?
Dê à IA exemplos e dados próprios: um e-mail seu que ficou bom, um resumo no formato que você gosta, os números reais do período. Já dados pessoais de clientes e de funcionários e informações financeiras sensíveis não devem entrar no pedido.
Sobre exemplos, a mesma documentação da Anthropic trata exemplos como uma das formas mais confiáveis de guiar formato, tom e estrutura, e recomenda que sejam relevantes, variados e separados das instruções. Em vez de descrever o seu tom em um parágrafo, cole dois ou três textos que o representam e diga “escreva neste estilo”.
Sobre o que não colocar, o tema ganhou atenção do órgão regulador: a ANPD dedicou o 3º volume da série Radar Tecnológico à IA generativa, tratando do compartilhamento de dados pessoais com esses sistemas e de princípios da LGPD como necessidade e transparência, conforme noticiou o DPL News. Na prática:
- Não cole nomes, documentos, contatos ou histórico de clientes e funcionários. Troque por descrições genéricas (“um cliente de longa data”) ou por dados já anonimizados.
- Não cole extratos, folha de pagamento, contratos e números financeiros sensíveis sem que a empresa tenha definido que aquilo pode ser feito.
- Use apenas as ferramentas e contas que a empresa aprovou para esse fim.
Em caso de dúvida sobre LGPD, vale consultar um profissional jurídico: este texto não substitui um parecer.
Como revisar a resposta antes de usar?
Revise em quatro passos: confira fatos e números na fonte, verifique se a resposta atendeu ao pedido, procure trechos inventados e ajuste tom e público. Faça nessa ordem, porque um texto bonito não prova que o conteúdo está certo.
- Fatos e números na fonte. Cada dado que importa deve ser comparado com o documento, a planilha ou o sistema de onde veio. Não confie no cálculo só porque ele veio com cara de cálculo.
- Atendeu ao pedido? Volte ao seu pedido e confira contexto, tarefa, formato e critério, um por um. Se o critério dizia “não prometer compensação”, procure a promessa.
- Trechos inventados. Desconfie de nomes, datas, citações, leis e fontes que você não forneceu. Quando a IA cita uma fonte, o Canaltech lembra que não basta ver que ela existe: é preciso checar se ela realmente sustenta a afirmação, porque a IA pode distorcer documentos reais. Para o que for importante, busque uma segunda fonte independente.
- Tom e público. Leia como se fosse o destinatário. Soa como a sua empresa? Um cliente entenderia? Um diretor teria o que precisa para decidir?
Se algo falhar, não conserte só o texto: ajuste o pedido e peça de novo. Assim o erro de hoje vira um pedido melhor amanhã.
Quanto revisar depende do risco da entrega?
Quanto maior o risco de uma entrega, mais profunda deve ser a conferência. Um rascunho interno pede leitura rápida; um material para cliente pede checagem de fatos, tom e promessas; um documento para diretoria ou decisão financeira pede conferência de cada número e uma segunda pessoa revisando.
Essa lógica acompanha o que a EY aponta: o erro aceitável depende da finalidade, do público afetado e das regras do setor. E, como a Abes lembra, a supervisão humana continua sendo parte do processo. Os níveis abaixo são uma sugestão de organização, não uma norma de mercado:
| Nível de risco | Tipo de entrega | Conferência mínima |
|---|---|---|
| Baixo | Rascunho interno, ideias, primeira versão de texto | Leitura rápida e ajuste de tom |
| Médio | E-mail ou proposta para cliente, conteúdo público | Conferir fatos, tom e promessas antes de enviar |
| Alto | Documento para diretoria, decisão financeira, contrato | Conferir cada número na fonte e ter uma segunda pessoa revisando |
Quem assina o resultado responde por ele, com ou sem IA no meio do caminho. Por isso vale o gestor definir, para cada tipo de entrega do time, em qual nível ela cai.
Como transformar o que funcionou em rotina?
Guarde os pedidos que deram certo e o roteiro de revisão em um modelo simples, num documento compartilhado, que o time reaproveita. Assim o acerto de uma pessoa deixa de depender da memória dela.
O modelo pode ter poucos campos: contexto, tarefa, formato e critério do pedido; um exemplo de resultado bom; os cuidados com dados que não devem entrar; e um checklist de revisão para cada nível de risco. Quando alguém acerta um pedido, acrescenta ao documento. Quando alguém descobre um erro que passou, acrescenta o que faltou conferir.
Se você quer ir além do uso individual e medir o que a IA entrega no dia a dia, vale ler também o texto sobre IA na rotina da empresa.
Para quem quer aprender a aplicar IA na gestão de forma estruturada, a Imersão Gestão & IA é um caminho para seguir sozinho depois, levando esse tipo de critério para as decisões da sua empresa.
Perguntas frequentes
Quais são as partes de um bom pedido para a IA?
Contexto (a situação e o público), tarefa (o que fazer), formato (como a resposta deve vir) e critério (o que torna a resposta boa). Se faltar uma parte, a IA preenche com suposições.
Por que a IA inventa informações?
Ela gera a resposta mais provável a partir de padrões e, quando falta informação, tende a completar a lacuna com algo plausível em vez de admitir que não sabe. Por isso a conferência humana é necessária.
O que não devo colocar em um pedido para a IA?
Dados pessoais de clientes e funcionários e informações financeiras sensíveis. Use apenas ferramentas aprovadas pela empresa e, em caso de dúvida sobre LGPD, consulte um profissional jurídico.
Como revisar uma resposta da IA antes de usar?
Confira fatos e números na fonte, veja se a resposta atendeu ao pedido, procure trechos inventados e ajuste tom e público. Para o que for importante, busque uma segunda fonte independente.
Toda resposta da IA precisa de revisão igual?
Não. O nível de conferência depende do risco: leitura rápida para rascunho interno, checagem de fatos e promessas para cliente, e conferência de cada número com segunda pessoa para decisão financeira.