Prompt bom não basta quando você quer trabalho de verdade com IA

Você já deve ter passado por isso.

Você escreve um prompt cuidadoso, recebe uma resposta boa, ajusta um detalhe, pede uma nova versão, corrige mais um ponto, copia o resultado para outro lugar e depois começa tudo de novo no dia seguinte.

Funciona? Às vezes, sim.

Só que isso ainda é você praticamente carregando a inteligência artificial no colo. A ferramenta ajuda, mas o trabalho continua dependendo de você lembrar qual é o passo seguinte, conferir se a resposta presta, decidir quando parar e repetir a mesma sequência toda vez.

Eu acho que muita gente está usando as ferramentas disponíveis quase que no automático, sem parar para pensar como extrair o melhor que elas podem oferecer. A solução não é só escrever um prompt melhor, mas sim criar um ciclo de trabalho melhor.

A conversa está mudando

Nos últimos dias, falou-se muito de uma ideia que merece atenção: em vez de apenas usar prompts com a IA, você deveria criar e usar loops.

Addy Osmani, engenheiro de software no Google, publicou um artigo chamado “Loop Engineering”. Ele atribui a formulação da ideia a Peter Steinberger e define loop como uma espécie de objetivo recorrente: você define um propósito e a IA vai iterando até completar a tarefa.

No mesmo texto, Addy cita Boris Cherny, chefe do Claude Code na Anthropic, dizendo que não “prompta” mais o Claude da forma tradicional. Segundo a fonte, o trabalho dele passou a ser escrever loops.

Olha a relevância dessa mudança.

No modelo antigo, que ainda é o atual para a maioria das pessoas, você conversa com a IA como quem conversa com um assistente em uma sala. Você pede, ela responde, você corrige, ela responde de novo.

No modelo de loop, você desenha uma pequena rotina: objetivo, contexto, etapas, verificação e critério.

Não é mágica. É processo.

Prompt, contexto e loop não são a mesma coisa

Mas vale a pena separar as coisas, porque muita confusão começa aqui.

Prompt é o pedido que você faz para a IA. É a frase ou o conjunto de instruções que você entrega para a ferramenta naquele momento.

Contexto é o material de apoio. Pode ser um documento, uma transcrição, uma planilha, um exemplo, uma política interna, um contrato, um briefing, uma reunião.

Loop é o processo que usa prompt e contexto para chegar a um resultado melhor e mais controlável.

Veja um exemplo simples.

Você pode pedir: “reescreva este e-mail para ficar mais claro”. Isso é um prompt.

Você pode anexar o histórico do cliente, a proposta comercial e o tom de voz da empresa. Isso é contexto.

Mas o loop é algo diferente: revisar o e-mail, apontar o risco de ambiguidade, sugerir uma versão mais objetiva, checar se há alguma promessa indevida no texto, comparar com o padrão da empresa e só então entregar a versão final.

A diferença parece pequena na teoria. Na prática, é enorme.

Por que isso importa para pequenos negócios

Um pequeno negócio não sofre porque falta mais uma ferramenta de IA.

Sofre porque o trabalho real depende de várias coisas. Um atendimento depende de histórico. Uma proposta depende de escopo. Uma análise depende de fonte. Um contrato depende de análise de risco. Um post depende de definição e posicionamento. Uma automação depende de limite definido.

Quando você usa a IA só como um chat, cada tarefa começa quase do zero. Você precisa explicar de novo, lembrar o que funcionou, corrigir o mesmo erro, colar a mesma regra, repetir o mesmo cuidado.

A premissa do loop é diminuir essa repetição. Não porque a IA ficou milagrosamente mais inteligente, mas porque você parou de improvisar no caminho.

Pense em situações reais.

Você prepara propostas comerciais toda semana. Em vez de pedir “faça uma proposta”, você cria um loop que verifica objetivo, público, escopo, exclusões, prazo, riscos e próximos passos.

Ou, então, você trabalha com revisão de contratos. Em vez de pedir “analise este contrato”, você cria um loop que primeiro identifica cláusulas críticas, depois separa riscos reversíveis e irreversíveis, depois lista perguntas para o cliente e só então sugere redações.

Ou, ainda, você produz conteúdo. Em vez de pedir “escreva um post”, você cria um loop que lê o briefing, cruza com posicionamentos aprovados, checa afirmativas, corta exageros e revisa o tom antes de entregar.

Você não delega só a resposta.

Você estrutura o trabalho todo.

O risco de automatizar a bagunça

Só que existe uma armadilha importante aqui, que você precisa tomar consciência.

Loop não é uma desculpa para automatizar qualquer coisa. Pelo contrário. Quanto mais contínuo o processo, maior precisa ser o cuidado com limite, custo e validação.

Addy Osmani faz esse alerta no próprio artigo: a ideia ainda é inicial, ele se diz cético em alguns pontos e chama atenção para o custo de tokens, que pode variar muito conforme o padrão de uso.

Essa cautela é necessária e saudável.

Na minha visão, a pergunta não deve ser “como eu coloco um agente para fazer tudo?”. A pergunta melhor é:

Que parte pequena, repetitiva e verificável do meu trabalho merece virar um loop?

Essa pergunta evita dois erros muito comuns.

O primeiro erro é tentar automatizar o que você ainda não entende. Se você não consegue explicar como um bom resultado é avaliado, a IA também não vai saber. Ela pode até entregar algo bem escrito, mas bem escrito não é o mesmo que bom ou correto.

O segundo erro é começar por uma tarefa de alto risco. Se o erro é caro, irreversível ou sensível, você precisa de aprovação humana no meio do caminho. Antes de deixar a IA fazer por você, avalie sempre essas duas coisas: risco e reversibilidade.

Essa é uma regra simples, mas muita gente ignora. Não pode.

O que um bom loop precisa ter

Você não precisa começar com uma arquitetura complicada. Para a maioria dos profissionais, um loop útil começa com apenas cinco elementos.

O primeiro é objetivo claro. O que precisa ser feito? Um resumo? Uma proposta? Uma lista de riscos? Uma resposta para um cliente? Uma pauta de reunião?

O segundo é contexto certo. Não é jogar tudo dentro da ferramenta. É dar o material que vai ajudar a tarefa a ser realizada: fontes boas, exemplos, regras internas, limites do projeto, histórico relevante.

O terceiro é etapa que você consiga acompanhar. Um loop bom não faz tudo em uma tacada só. Ele separa: primeiro entender, depois produzir, depois revisar, depois finalizar.

O quarto é critério de parada. Quando a tarefa está pronta? Quando não há alegações sem fonte? Quando todos os campos estão preenchidos? Quando a proposta deixa claras as exclusões?

O quinto é limite de ação. O que a IA pode fazer sozinha e o que precisa voltar para você validar? Esse ponto é decisivo.

Sem limite, loop vira automação cega. E automação cega não elimina risco. Ela só faz o risco circular mais rápido.

Um teste prático

Quer fazer um teste prático hoje mesmo? Escolha uma tarefa que você repete com frequência.

Não escolha a mais importante. Escolha uma de baixo risco. Algo que, se der errado, você consegue corrigir sem prejuízo grande.

Agora escreva em uma página:

1. Qual é o objetivo final?
2. Que contexto a IA precisa receber?
3. Quais etapas ela deve seguir?
4. Como ela deve verificar o próprio trabalho?
5. Em que ponto ela deve parar e pedir sua aprovação?

Depois rode uma vez, manualmente.

Não tente automatizar no primeiro dia. Primeiro teste se o desenho se sustenta. Onde você precisou intervir? Onde a IA inventou? Onde faltou contexto? Onde algum critério não estava suficientemente claro?

Esse teste ensina mais do que dez prompts salvos em uma pasta.

Como isso funcionaria no ChatGPT?

Vamos pegar o exemplo das propostas comerciais.

Em vez de abrir uma conversa nova toda semana e pedir “faça uma proposta”, você poderia criar, no ChatGPT, um projeto chamado “Propostas comerciais”.

Nesse projeto, você colocaria o material que quase não muda: apresentação da empresa, descrição dos serviços, modelo de proposta, regras de preço, exemplos anteriores, tom de voz e informações que obrigatoriamente precisam aparecer.

A cada novo cliente, você forneceria apenas o que mudou: necessidade apresentada, serviço solicitado, prazo, valor, responsáveis e informações ainda pendentes.

Depois, em vez de pedir diretamente a proposta final, você definiria uma sequência de trabalho:

1. identificar as informações que estão faltando;
2. separar fatos de suposições;
3. organizar escopo, prazo e exclusões;
4. produzir uma primeira versão;
5. revisar ambiguidades, promessas indevidas e inconsistências;
6. devolver para aprovação os pontos que exigem decisão humana;
7. somente então preparar a versão final.

A instrução poderia ser algo como:

Use os documentos deste projeto como referência. Antes de escrever a proposta, identifique informações ausentes e não invente preço, prazo ou capacidade de entrega. Depois de produzir a primeira versão, revise escopo, exclusões, promessas e próximos passos. Caso alguma decisão dependa de autorização, pare e apresente a questão para aprovação.

Perceba que ainda existe um prompt. A diferença é que ele não está mais sozinho.

Existe um contexto organizado, uma ordem de execução, uma etapa de revisão e um limite claro para a atuação da IA.

No começo, você pode executar esse processo manualmente dentro da própria conversa. Quando ele estiver funcionando bem, pode transformar algumas partes em automações, tarefas agendadas ou integrações com outras ferramentas.

Primeiro você desenha o processo. Depois decide o que vale a pena automatizar.

A habilidade nova é desenhar o fluxo de trabalho

Eu não acho que prompt deixou de ser relevante. Veja: um pedido ruim continua gerando resposta ruim.

Mas prompt bom, sozinho, pode não ser mais suficiente.

Quando a IA entra no trabalho de verdade, a habilidade mais valiosa passa a ser outra: desenhar ciclos pequenos, seguros e verificáveis. Ciclos que ajudam você a pensar melhor, não a fugir do julgamento.

Isso conversa diretamente com uma tese central da IA Antifrágil: a IA é um copiloto, não um substituto seu. Ela amplia o seu critério, a sua voz. Se você não tem critério, ela pode acabar ampliando a bagunça.

A boa notícia é que você não precisa esperar a ferramenta perfeita. Você pode começar hoje, com uma tarefa pequena, uma regra clara e uma revisão simples.

Antes de usar mais um daqueles prompts prontos, tente desenhar o seu caminho.

Pense nisso.