Imagine que você precisa apresentar um projeto técnico em cinco minutos. Você pede à IA: “Monte uma apresentação sobre o meu projeto.” Ela devolve vinte slides genéricos, inventa benefícios que você nunca mediu e usa uma linguagem que sua plateia provavelmente não vai entender.
O problema agora não é descobrir uma frase mágica. É saber conduzir a conversa: explicar a situação, fornecer o material verdadeiro, perceber o que ficou errado, pedir perguntas quando faltarem dados, corrigir apenas o necessário e validar antes de usar.
Em IA na Vida Real você aprendeu a fazer pedidos úteis para tarefas pontuais. Aqui vamos avançar: uma tarefa importante raramente termina na primeira resposta. Você vai aprender a trabalhar com a IA em várias rodadas sem perder objetivo, contexto nem controle.
Você encontrará esse nome em cursos, ferramentas e no mercado. Em sentido prático, ele envolve projetar instruções, contexto, exemplos, restrições e formatos para orientar melhor um modelo. Isso faz parte deste módulo, mas é apenas uma parte da competência maior que queremos desenvolver: comunicar, fornecer evidências, observar a resposta, corrigir o rumo e validar. Um prompt bem escrito não compensa uma fonte ruim, uma hipótese tratada como fato ou a falta de conferência.
Até o laboratório integrador, as caixas em fonte monoespaçada mostram formas de conversar com a IA. Elas servem para você observar o que muda entre um pedido fraco e um pedido bem orientado. Não é necessário copiar cada uma.
Quando a aula pedir uma ação, você deverá pensar, escrever, decidir ou conversar com a IA. Neste módulo, isso é intencional: aprender comunicação também significa não depender de prompts prontos para tudo.
Antes de enviar uma nova mensagem à IA, saiba dizer o que deve ser preservado, o que precisa mudar e como você vai reconhecer uma resposta adequada.
Quando a primeira resposta não serve, muita gente apaga tudo e tenta escrever um “prompt perfeito”. Em uma situação real, normalmente é melhor descobrir o que exatamente não funcionou.
A IA sabe que você não gostou, mas não sabe o motivo. Pode mudar justamente a parte que estava boa e manter o problema principal.
Agora a correção tem alvo, limite e algo que deve ser preservado.
Antes de mandar “refazer”, consiga dizer: o que está bom, o que está errado e o que precisa permanecer igual?
Um pedido pode estar cheio de detalhes e ainda assim não dizer o que significa “ficar bom”. Pense na apresentação do projeto. A IA precisa saber não só o tema, mas para quem é, quanto tempo existe e o que não pode inventar.
“Bonita” é subjetivo. Não há público, duração, objetivo nem fonte dos fatos.
Um bom critério de sucesso permite avaliar a resposta depois. “Ficou bonito?” é fraco. “Cabe em cinco minutos, um visitante leigo entende e nenhum resultado foi inventado?” é verificável.
Suponha que o grupo já escreveu um resumo do projeto e anotou os componentes realmente usados. Se você não fornecer esse material, a IA tentará completar lacunas com conhecimento geral e hipóteses. É assim que um texto pode ficar convincente e, ao mesmo tempo, deixar de representar o projeto real.
Trecho real do projeto:
Como orientar a IA:
Quando você tem arquivo, texto, tabela, código, regulamento ou anotações reais, mostre a matéria-prima. A IA trabalha melhor sobre evidências do que sobre adivinhações.
Há tarefas em que responder imediatamente é pior do que fazer algumas perguntas. Imagine pedir um roteiro de instalação do MySQL para um laboratório escolar sem informar sistema operacional, permissões disponíveis ou versão que será usada. Uma resposta pronta pode nascer errada desde a primeira etapa.
A IA pode assumir Windows, privilégios administrativos, uma versão específica e um tipo de instalação que não correspondem ao ambiente.
Pedir perguntas não serve para alongar a conversa. Serve para impedir que uma hipótese silenciosa vire instrução.
Pense em uma tarefa sua que poderia mudar bastante conforme o contexto. Anote três informações que a IA precisaria saber antes de responder. Se você não consegue encontrar três, tente explicar por que a tarefa realmente não depende delas.
Em uma apresentação de cinco minutos, receber três páginas corridas não ajuda. Em um relatório, receber apenas frases soltas também não. O formato deve nascer do uso que você fará do resultado.
Não transforme todo pedido em um formulário de vinte regras. Coloque restrições quando elas resolvem um problema real. Contexto bom é suficiente e organizado, não gigantesco.
Esse cuidado é especialmente importante quando a IA ajuda a analisar projeto, documento, código ou decisão. Se tudo aparece no mesmo tom, uma sugestão pode ser confundida com algo que estava na fonte.
“O sistema reduz o consumo de água em 30% e pode ser usado comercialmente.”
Se o grupo nunca mediu isso, a frase transforma possibilidade em resultado.
Essa separação melhora a conversa e também ensina o usuário a enxergar de onde veio cada afirmação.
Conversas longas ficam ruins quando cada ajuste destrói o que já estava aprovado. Em trabalho real, refinamento eficiente é incremental.
Saber preservar o que funciona e modificar apenas o necessário reduz retrabalho — com IA, com código, com documentos e com projetos.
Antes de pedir qualquer refinamento, consiga escrever duas frases: “preserve isto” e “mude isto”. Se você não consegue separar as duas coisas, ainda não definiu bem a alteração.
Durante várias mensagens, a IA pode carregar uma hipótese antiga que já deixou de valer. Imagine que no início a apresentação seria para professores de eletrônica, mas depois você descobre que será aberta ao público. Se essa mudança não for declarada, a conversa pode continuar presa ao público anterior.
Não é necessário apagar a conversa sempre que algo muda. Mas mudanças que alteram objetivo, público, fonte ou restrições precisam ser ditas de maneira inequívoca.
Dizer “quero um texto profissional” pode significar coisas diferentes. Quando formato ou estilo são importantes, um pequeno exemplo costuma orientar melhor do que uma sequência de adjetivos.
O exemplo não precisa ser longo. Ele serve para transformar uma preferência abstrata em algo observável.
“Faça todo o meu projeto” mistura análise, planejamento, criação e revisão numa única etapa. Quando a tarefa é complexa, é mais seguro dividir o processo e conferir cada decisão importante.
Uma IA costuma tentar ser útil e seguir a direção indicada pelo usuário. Isso pode virar um problema quando você precisa descobrir falhas na própria ideia. Em vez de perguntar somente “está bom?”, peça critérios de ataque.
O objetivo não é transformar a IA em “opositora”. É obter uma segunda leitura com critérios claros.
Depois de muitas mensagens, podem coexistir versões antigas, mudanças de objetivo e instruções que já não deveriam valer. Continuar indefinidamente no mesmo chat nem sempre é vantagem.
É possível gastar mais tempo pedindo novas versões do que usando o resultado. O trabalho termina quando a resposta atende aos critérios importantes — não quando parece impossível melhorar uma palavra.
Se os critérios foram atendidos, pequenas preferências de estilo não precisam gerar dez novas rodadas. Saber concluir também faz parte de usar IA com produtividade.
Agora você vai conduzir uma conversa real em várias rodadas. Não copie todas as instruções de uma vez. Execute uma etapa, observe o resultado e só então avance.
Use anotações verdadeiras de um projeto pequeno que você consiga explicar. Se não tiver material próprio, reutilize o trecho da estufa automatizada apresentado no tópico 3. O importante é trabalhar sobre uma fonte conhecida, não inventar resultados para completar a atividade.
Situação: você participa de uma feira de projetos e precisa preparar uma apresentação curta de um protótipo técnico. Você possui anotações reais, mas ainda não tem os slides.
Resultado esperado: não é um “prompt perfeito”. É uma conversa em que cada rodada resolve um problema e aproxima o material do uso real.
Ao terminar, diga com suas palavras: qual contexto mudou a resposta, que informação veio da fonte, o que foi refinado e como você verificou que a versão final continuou fiel ao projeto.
Explique objetivo, situação, material e critérios que realmente mudam a resposta.
Quando faltarem dados importantes, faça a IA perguntar antes de assumir.
Preserve o que funciona e corrija apenas o trecho que precisa mudar.
Separe fatos de sugestões, peça crítica e confronte a versão final com a fonte real.
Agora você sabe conduzir uma interação. Em IA e Produtividade, essa habilidade será aplicada a fluxos maiores: documentos, organização, planejamento, acompanhamento e trabalho com várias fontes sem transformar a IA em piloto automático.