Em 2024, um grupo de pesquisadores da Universidade de Maryland reuniu outros 30 coautores — de universidades e de empresas como OpenAI, Microsoft e Google — para responder a uma pergunta simples: existe mesmo um jeito certo de pedir algo a uma IA? O resultado, publicado com o título "The Prompt Report", analisou mais de 1.500 estudos acadêmicos e catalogou 58 técnicas diferentes de fazer pedidos a modelos de IA, além de outras 40 específicas para imagem, áudio e vídeo.
A conclusão central não é sofisticada, mas é incômoda: a mesma pergunta, escrita de duas formas diferentes, pode produzir respostas de qualidade muito distinta — no mesmo modelo, no mesmo dia. Uma parte do que as empresas chamam de "a IA não é boa o suficiente" é, na prática, "o pedido não foi bem feito".
Isso importa para quem decide investir em IA porque explica um padrão comum dentro das empresas: a mesma ferramenta que decepciona uma pessoa resolve o problema de outra — e a diferença raramente está na ferramenta.
O resumo genérico e seu custo escondido
Peça a uma IA "faça um resumo disso" e o resultado costuma ser um parágrafo correto, mas sem serventia: genérico o bastante para servir qualquer documento e específico o bastante para não servir nenhum leitor real. A pessoa lê, descarta, reescreve o pedido, tenta de novo. Cada tentativa consome tempo — e, em muitas ferramentas de IA cobradas por uso, também consome orçamento.
O guia oficial da OpenAI para quem usa a IA por trás de um sistema resume o motivo em uma frase: a primeira estratégia recomendada é escrever instruções claras, e a segunda é dividir tarefas complexas em partes menores. Um pedido como "faça um resumo" não diz para quem é o resumo, o que deve ficar de fora, nem que formato o leitor espera — então o modelo de IA preenche essas lacunas com uma suposição genérica, porque é a única saída que tem.
A documentação oficial da Anthropic, fabricante do modelo Claude, chega à mesma regra por outro caminho: recomenda tratar cada pedido como um conjunto de partes claras — o contexto, a instrução, o formato de saída — em vez de uma frase corrida. Um modelo de IA segue a instrução literal que recebeu, não a intenção que ficou só na cabeça de quem escreveu.
Por que tentar de novo não resolve
A saída mais comum é a pessoa ajustar o pedido na tentativa seguinte, melhorando um pouco a cada rodada, até acertar por conta própria. Funciona — mas só para quem está pedindo naquele momento. Assim que essa pessoa muda de time ou sai de férias, o pedido bom desaparece com ela. Quem entra depois começa do zero, com o mesmo resumo genérico do início.
O levantamento "The Prompt Report" chama de "engenharia de pedidos" (o jeito de pedir de forma que funcione de forma confiável, e não por sorte) esse processo de refinar um pedido até ele funcionar bem. Entre as 58 técnicas catalogadas, quatro elementos aparecem repetidos na maioria delas — os mesmos que os guias oficiais da OpenAI e da Anthropic também recomendam:
- Contexto: o que a IA precisa saber que não está óbvio no pedido — para quem é, com que finalidade, o que já foi tentado antes.
- Papel de quem escreve: em que função a IA deve responder, como se fosse alguém do jurídico, do financeiro ou um analista sênior da área.
- Formato de saída: lista, tabela, parágrafo curto, e-mail pronto para enviar. Dizer o formato evita uma segunda rodada só para reformatar.
- Critério de aceite: como a pessoa vai saber que a resposta está boa — tamanho, tom, o que precisa aparecer e o que não pode aparecer.
Um pedido com essas quatro partes tende a acertar na primeira tentativa. Um pedido sem elas vira uma negociação de várias rodadas — e cada rodada é tempo de alguém e, em muitas ferramentas, também é custo medido.
O que precisa existir na prática
O problema, então, não é só escrever um pedido melhor — é impedir que o pedido bom fique preso na cabeça de quem o escreveu. Isso pede mecanismos, não boa vontade.
Pedido bom vira modelo reutilizável. Quando alguém finalmente acerta o pedido de uma tarefa recorrente — fechar um relatório mensal, responder a um tipo comum de solicitação, revisar um contrato padrão — esse pedido precisa virar um modelo salvo, não um segredo pessoal guardado numa conversa antiga.
Alcance definido por pessoa, grupo e papel. Um modelo de pedido criado pelo financeiro não precisa, nem deve, aparecer para todo mundo. Ele se compartilha com quem tem o papel certo para usá-lo — a mesma lógica de acesso que já existe para pastas e sistemas, aplicada também aos pedidos de IA.
Uma versão vigente, não várias soltas. Sem controle, cada pessoa guarda a própria cópia do "pedido que funcionou" — em bloco de notas, em e-mail, numa mensagem fixada. Quando o processo muda, ninguém sabe qual cópia ficou desatualizada. O modelo precisa ter dono e versão vigente, do mesmo jeito que qualquer outro documento de processo interno.
Agentes que já chegam com o pedido embutido. Em vez de a pessoa escrever o pedido do zero toda vez, um agente pronto para uma rotina específica já carrega o contexto, o papel e o formato certos — quem usa só entra com a informação daquela tarefa.
É assim que a Skyller foi desenhada: modelos de pedidos e agentes reutilizáveis, com alcance por pessoa, grupo e papel, para que o pedido bom de uma pessoa vire ganho de tempo para o time inteiro — com mais de 170 modelos de políticas e processos prontos para quem não quer começar do zero.
De pedido individual a capacidade da equipe
O ganho de reaproveitar um pedido bom não é só velocidade — é consistência. Quando dez pessoas do mesmo time pedem a mesma coisa de dez jeitos diferentes, a empresa recebe dez respostas de qualidade diferente para a mesma pergunta. Isso é o oposto do que qualquer área de operação quer: o mesmo tipo de solicitação deveria produzir o mesmo padrão de resposta, e não depender da sorte de quem escreveu o pedido melhor naquele dia.
Reaproveitar também muda quem consegue usar bem uma IA. Hoje, tirar o máximo dela exige um pouco de tentativa e erro que nem toda pessoa tem tempo ou paciência de fazer. Quando o pedido bom já vem pronto — dentro de um agente, de um modelo salvo, de um fluxo em etapas — quem nunca escreveu um pedido de IA na vida chega perto do resultado de quem passou meses refinando.
Há ainda um efeito direto na conta. Pedido malfeito custa mais tentativas, e mais tentativas custam mais uso da ferramenta. Numa empresa com orçamento de IA compartilhado pela equipe, um pedido bem desenhado uma única vez, usado por todo mundo depois, é orçamento que sobra para outras rotinas.
Um roteiro para começar
Antes de escrever mais um pedido do zero, um pequeno roteiro ajuda a sair do "faça um resumo disso" para algo que funcione já na primeira tentativa:
- Escreva o contexto antes da tarefa. Diga para quem é, com que finalidade e o que já foi tentado — não deixe a IA adivinhar o resto.
- Dê um formato de saída explícito. Lista, tabela, e-mail pronto: o formato certo elimina uma rodada inteira de retrabalho.
- Defina o critério de aceite. Descreva como fica claro que a resposta está boa — tamanho, tom, o que precisa e o que não pode aparecer.
- Salve o que funcionou. Um pedido bom testado uma vez deveria virar modelo, não ficar perdido numa conversa antiga.
- Pergunte quem mais faz essa tarefa. Se três pessoas do mesmo time fazem o mesmo tipo de pedido, um modelo compartilhado substitui três reinvenções.
