Como melhorar uma resposta de IA por etapas

Quando uma resposta não serve, é tentador escrever “faz melhor” e esperar que o assistente perceba o problema. Às vezes a segunda tentativa agrada mais. Outras vezes troca palavras, aumenta o texto e mantém a falha principal. Sem diagnóstico, podes passar várias rondas a editar a superfície.

O processo fica mais controlável quando consegues dizer o que precisa de mudar. Pode faltar uma fonte, existir uma contradição ou estar errado o formato. Também pode haver uma limitação real de acesso aos dados. Cada situação pede uma intervenção diferente; aumentar a exigência do prompt não resolve todas.

Vamos acompanhar um exemplo fictício: um assistente prepara uma nota interna sobre a entrada de pedidos de clientes. A primeira versão mistura decisões aprovadas com sugestões e atribui uma tarefa a uma pessoa que ainda não foi escolhida. O objetivo é transformar essa nota num documento utilizável, sem inventar compromissos.

Define o que torna a resposta utilizável

Antes de pedir uma nova versão, escreve os critérios mínimos que a resposta tem de cumprir para servir a tarefa. Relaciona cada critério com o uso previsto e com a informação disponível. Assim, consegues distinguir uma melhoria necessária de uma preferência estética e sabes quando a revisão pode terminar.

No exemplo, a nota vai ser lida por uma equipa que precisa de perceber o que muda no tratamento dos pedidos. Tem de separar decisões de propostas, indicar responsáveis apenas quando estão confirmados e mostrar as dúvidas ainda abertas. Um texto elegante que falhe estes pontos pode criar trabalho errado.

O documento de origem do exercício contém três informações: a equipa decidiu testar uma caixa partilhada; foi sugerida uma distribuição por turnos; ainda não foi escolhido quem acompanha o piloto. Estes são os limites do material fictício. A resposta não pode transformar a sugestão em decisão nem preencher o responsável por adivinhação.

Se a tarefa inicial não tinha estes critérios, acrescenta-os agora. Não precisas de recomeçar toda a conversa por teres descoberto uma necessidade durante a revisão. O guia para escrever um pedido claro a um assistente de IA ajuda a explicitar objetivo, contexto e formato quando essa base ainda está incompleta.

Escolhe poucos critérios decisivos para esta entrega. Uma lista enorme pode misturar preferências secundárias com erros que realmente impedem o uso. No nosso caso, fidelidade às decisões e visibilidade das pendências vêm antes da escolha de um título mais apelativo.

Diagnostica a falha antes de reescrever

Classifica o problema observado e aponta a passagem concreta onde aparece. Distingue informação errada, informação em falta, interpretação indevida, estrutura pouco útil e linguagem inadequada. Esta classificação orienta a correção e evita pedir alterações de estilo quando o que falta é uma fonte, uma decisão humana ou uma ferramenta disponível.

Imagina que a resposta inicial diz: “A equipa vai usar a caixa partilhada com distribuição por turnos, sob coordenação da Ana.” No material do exercício, só o teste da caixa partilhada foi decidido. Há duas falhas localizadas: o estado da distribuição por turnos e a atribuição de coordenação.

Podes pedir ao assistente um diagnóstico, mas revê-o. Uma explicação convincente sobre o motivo do erro não prova a causa técnica. É mais útil obter uma lista de passagens afetadas e do suporte disponível do que aceitar uma história sobre aquilo que o modelo “pensou”.

Se a resposta depende de dados atuais, confirma se houve pesquisa e se as fontes foram abertas. A capacidade de uma ferramenta pesquisar não demonstra que o fez naquela resposta. Da mesma forma, mencionar um ficheiro não prova que todas as suas páginas ou tabelas foram consideradas.

Corrige primeiro os factos e os estados

Começa pelas alterações que afetam o sentido, os números, as condições ou os compromissos. Fornece a fonte relevante e indica a correção necessária, preservando a diferença entre informação confirmada e informação em falta. Só depois de resolver esta base vale a pena investir na apresentação final da resposta.

No exemplo, podes dar este feedback:

Na primeira frase, a distribuição por turnos foi apresentada como decisão, mas no documento é apenas uma proposta. A coordenação do piloto ainda não tem responsável confirmado. Corrige estes dois pontos usando a fonte fornecida. Mantém a decisão de testar a caixa partilhada e assinala as pendências sem escolher pessoas ou datas.

A nova redação pode dizer: “A equipa decidiu testar uma caixa partilhada. A distribuição por turnos continua em avaliação. O responsável pelo acompanhamento do piloto está por definir.” Esta é uma reformulação editorial do exercício. Preserva o que se sabe e torna visível o que ainda exige decisão.

Quando houver citações, abre a passagem original e verifica a afirmação completa. Uma fonte pode apoiar a primeira metade de uma frase e não a conclusão acrescentada depois. O processo de rever factos e referências num texto gerado por IA aprofunda esta verificação para documentos mais extensos.

Evita preencher uma lacuna só porque o formato pede uma célula completa. “Por definir” pode ser a resposta correta. O documento torna-se mais útil quando impede uma interpretação errada, mesmo que continue a conter uma pergunta em aberto.

Acrescenta apenas o contexto que muda a resposta

Quando a falha resulta de contexto insuficiente, fornece a informação que permite resolver a próxima decisão. Explica a função dessa informação e confirma que não contradiz regras anteriores. Evita acrescentar muitos documentos sem orientação, porque a quantidade de material não substitui a clareza sobre aquilo que deve ser usado.

No exercício, uma nota posterior pode confirmar que o piloto dura duas semanas, mas continuar sem nomear o responsável. Acrescenta essa nota com data e origem identificadas. Pede que a duração seja atualizada e que a pendência de responsabilidade permaneça. Não autorizas o assistente a completar o resto por associação.

A documentação da OpenAI sobre prompting recomenda acrescentar contexto útil e usar mensagens de seguimento para orientar alterações específicas. Também distingue objetivo, formato e limites. Aplica essas dimensões à correção concreta, sem transformar cada interação num formulário obrigatório.

Se uma instrução nova substitui uma anterior, diz qual é a decisão atual. Por exemplo: “A nota mais recente substitui a duração inicialmente proposta; mantém os restantes pontos confirmados.” Esta indicação ajuda a evitar que o assistente combine duas versões incompatíveis num calendário que nunca foi aprovado.

Confere também o que efetivamente está disponível na conversa ou no projeto. Se o ficheiro relevante não foi fornecido, pede para marcar a dependência. Uma revisão honesta pode concluir que falta informação suficiente, em vez de produzir outra versão com a mesma incerteza escondida.

Ajusta a estrutura à ação que o leitor precisa de tomar

Depois de corrigir o conteúdo, organiza a resposta pela ordem em que o leitor a vai usar. Coloca primeiro decisões, tarefas ou conclusões quando esses elementos orientam a ação. Mantém o contexto necessário perto do ponto que explica e remove repetições que não acrescentam informação à utilização prevista.

Na nota fictícia, uma estrutura útil pode ter três blocos: decisões confirmadas, propostas em avaliação e pendências. A equipa consegue perceber o que já pode executar e o que ainda não está decidido. O mesmo conteúdo num parágrafo longo pode esconder essa diferença, mesmo sem conter erros factuais.

O pedido de revisão pode ser: “Reorganiza a nota nestes três blocos. Preserva todas as condições confirmadas. Não acrescentes ações nem datas. Usa uma tabela apenas nas pendências, com assunto e informação necessária.” O formato serve uma necessidade específica, em vez de ser escolhido por parecer mais profissional.

A documentação da Anthropic sobre boas práticas de prompting destaca instruções explícitas, contexto e exemplos relevantes para orientar a saída. Aqui, o exemplo de estrutura ajuda o assistente a compreender a organização pretendida. Não constitui uma garantia de que a nova versão preservou todo o conteúdo.

Depois da reorganização, compara com a versão corrigida. Verifica se desapareceu alguma exceção, se uma pendência foi movida para decisões ou se a tabela ganhou um responsável inventado. A estrutura pode melhorar a leitura e, ao mesmo tempo, introduzir um novo erro de classificação.

Dá feedback de linguagem com exemplos localizados

Só depois de estabilizar o conteúdo e a estrutura, ajusta o tom, a extensão e as escolhas de palavras. Aponta frases concretas e explica a alteração pretendida. Usa exemplos curtos para mostrar a direção, mantendo os factos e as condições que não podem ser sacrificados para tornar o texto mais fluido.

Se a nota diz “proceder-se-á à implementação de um mecanismo de centralização”, podes pedir uma formulação como “vamos testar uma caixa partilhada”. A mudança aproxima a frase da ação real e do tratamento habitual da equipa. Confere, porém, se “implementar” e “testar” tinham sido usados com estados diferentes no original.

“Mais simples” não deve significar apagar ressalvas. Uma frase como “a distribuição por turnos está em avaliação” contém uma condição essencial. Se a revisão a transforma em “vamos distribuir por turnos”, o texto ficou mais direto e menos fiel. A revisão de tom precisa de preservar o estado da decisão.

Pede uma alteração delimitada: “Revê apenas as expressões burocráticas e as frases demasiado longas. Mantém decisões, propostas, responsáveis e duração como estão.” Depois lê a versão completa. A instrução de preservação indica o que conferir, mas não dispensa essa conferência.

Se o mesmo tipo de correção aparece em várias tarefas, guarda uma preferência com exemplos aprovados. Não generalizes a partir de uma frase isolada. O tom adequado a uma nota interna pode ser diferente do que precisas numa explicação técnica ou numa comunicação pública.

Compara versões e verifica efeitos laterais

Mantém a versão anterior acessível e compara o que mudou com o pedido de revisão. Confirma que a falha foi resolvida e que os pontos aprovados continuam corretos. Usa critérios observáveis para aceitar a nova versão, em vez de escolher automaticamente a última resposta por parecer mais completa ou mais confiante.

No exercício, a comparação deve confirmar quatro coisas: a caixa partilhada continua como teste aprovado; os turnos continuam como proposta; a duração só aparece se foi confirmada; o responsável permanece por definir. Estes critérios permitem localizar um desvio sem discutir toda a nota novamente.

Podes pedir ao assistente que resuma as alterações, mas trata esse resumo como apoio. A lista pode omitir mudanças ou descrevê-las de forma imprecisa. Abre a entrega e confere os pontos relevantes. Para uma peça curta, a leitura lado a lado costuma tornar diferenças de sentido mais visíveis.

Se a resposta vai alimentar um processo, verifica também a utilização real. Uma tabela pode estar correta no chat e ficar mal ao ser copiada para o documento final. Um ficheiro pode abrir com colunas cortadas. A qualidade da resposta inclui o formato em que a vais entregar, não apenas a pré-visualização da conversa.

Regista o que foi verificado e o que ficou pendente. No exemplo, podes aprovar a redação da nota e manter em aberto a decisão sobre coordenação. Aprovar um texto não equivale a aprovar todas as propostas que ele descreve.

Decide quando continuar, mudar de abordagem ou terminar

Continua a rever enquanto existir uma falha relevante para a utilização pretendida e houver uma próxima ação capaz de a resolver. Se faltarem dados, acesso ou decisão humana, trata essa dependência diretamente. Termina quando os critérios definidos estiverem cumpridos, sem prolongar a conversa apenas para obter mais uma variante.

Uma resposta pode repetir o mesmo erro porque a fonte é ambígua, porque o pedido contém instruções incompatíveis ou porque a ferramenta não consegue aceder ao material. Identifica qual destas hipóteses tem evidência. Trocar de modelo sem resolver a fonte ou o acesso pode apenas produzir outra redação do problema.

Se precisares de recomeçar, leva o contexto aprovado, as fontes atuais e o erro a evitar. Não copies todo o histórico indiscriminadamente. Um novo pedido bem delimitado pode ser útil quando a conversa acumulou versões contraditórias, mas deve preservar as decisões que já foram tomadas.

Quando o processo funciona, guarda-o como parte de uma biblioteca de prompts que continua útil. Inclui o tipo de tarefa, os critérios de revisão e um exemplo aprovado. O valor está em repetir uma forma de trabalhar verificável, com adaptações ao caso seguinte.

A entrega final deve permitir ao leitor agir sem adivinhar o estado da informação. No nosso exercício, isso significa uma nota clara sobre o teste, as propostas e as pendências. As etapas de revisão cumpriram a função quando o documento preserva essas diferenças e pode ser utilizado no contexto definido.

Como podes aprender a rever respostas no Laboratório

No Laboratório da IA, podes aprender a avaliar respostas, dar feedback concreto e construir processos que consegues repetir no teu trabalho. As aulas semanais e os Zooms de acompanhamento semanais ajudam a partir de dificuldades reais, perceber o que falta no contexto e melhorar a entrega com critérios que possas verificar.

Traz uma resposta que não esteja a servir e a informação que a deveria sustentar. Podes praticar o diagnóstico, a correção e a comparação de versões, percebendo quando o problema está no pedido, nas fontes ou na forma de usar o resultado.

Referências e limites da demonstração

As referências foram verificadas em 14 de outubro de 2026 e sustentam as orientações sobre contexto, limites, exemplos e mensagens de seguimento. A nota interna e as suas revisões são exemplos editoriais fictícios. Não representam uma reunião real, uma medição de produtividade ou um teste comparativo entre modelos.

• OpenAI: prompting e melhoria com mensagens de seguimento.
• Anthropic: boas práticas de prompting.